Fast approximate 2D inversion of airborne TEM data: Born approximation and empirical approach
Notice bibliographique
Résumé
ABSTRACT Airborne transient electromagnetic surveying provides data sections with a sufficient coverage to perform 2D imaging of electrical conductivity within the ground. Full 2D inversion using numerical modeling with finite differences or finite elements is still a time-consuming method to process the large amount of data acquired during an airborne survey. Two-dimensional structures increase the complexity of eddy current patterns within the ground. Consequently, fast approximate imaging using 2D sensitivities of equivalent homogeneous media is not sufficient, and causes strong artifacts in the resulting model. To overcome this problem, one prefers to use 1D inversion or 3D inversion using local sensitivity to process this kind of data. However, we consider a fast 2D inversion to be reachable. By estimating numerically the 2D sensitivity caused by 2D perturbations and showing that it differs considerably from the ones derived from homogeneous media, we propose an empirical model for in-loop configuration which describes the numerical 2D sensitivity. We applied this method to synthetic data; it eliminated 2D artifacts which are often encountered when using approximate inverse methods based on the theory of equivalent homogeneous half-space. An application to real in-loop data illustrates this improvement for imaging a dipping layer of conductive graphite deposits in Canada. This method is relatively fast. It could provide a better understanding of the ground during the survey, and would allow geophysicists to better manage the whole campaign.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».