MétaCan
Menu
Retour à la cohorte
Enregistrement W2116091185 · doi:10.1190/1.3464329

Quantitative analysis of water-content estimation errors using ground-penetrating radar data and a low-loss approximation

2010· article· en· W2116091185 sur OpenAlexaff
Bernard Giroux, Michel Chouteau

Notice bibliographique

RevueGeophysics · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueGeophysical Methods and Applications
Établissements canadiensPolytechnique MontréalInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésGround-penetrating radarAttenuationPermittivityGeologyLossy compressionDielectric lossContext (archaeology)Approximation errorObservational errorRegional geologyTangentElectrical resistivity and conductivityGround truthMathematical analysisDielectricMineralogyMathematicsRadarMaterials sciencePhysicsOpticsGeometryComputer scienceStatisticsHydrogeologyGeotechnical engineeringTelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Expressions are derived to quantify the error when estimating permittivity that results from using the low-loss approximation under lossy conditions and to examine the repercussions on estimating water content θ. Values are computed under a range of porosity, clay-content, water-quality, and frequency conditions. Although in most cases the error is negligible, it can be significant for some hydrogeophysical applications involving cross-hole measurements or low-frequency surface ground-penetrating radar (GPR). For instance, when the loss tangent tanδ equals 0.5, corresponding to an effective conductivity of 30mS/m, a dielectric constantof 11, and a frequency of 100MHz, the relative error on dielectric permittivity is approximately 6%. If the conductivity doubles or the frequency is halved, the loss tangentdoubles but the error grows to 21%. In addition, considering a situation where the porosity is 20% and tanδ=0.5, the use of the low-loss approximation leads to a 10% deviation from θ. In the context of water-content estimation, we therefore suggest to perform attenuation tomography, in addition to velocity tomography for crosshole data, or estimate the quality factor Q for surface GPR data to compute the loss tangent over the probed area. If proven necessary, the parameters sought can then be determined more accurately using a lossy formulation. We also propose to supplement GPR measurements with electrical-resistivity tomography to constrain the borehole GPR amplitude data-processing steps required by attenuation tomography or to complement the characterization of the survey area and improve the knowledge brought by Q estimates alone.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,024
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,310
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysicsMême sujetGeophysical Methods and ApplicationsTravaux en français237 207