Full‐Bayesian Inversion of the Edwards Aquifer
Notice bibliographique
Résumé
The Bayesian inverse approach proposed by Woodbury and Ulrych (2000) is extended to estimate the transmissivity fields of highly heterogeneous aquifers for steady state ground water flow. Boundary conditions are Dirichlet and Neumann type, and sink and source terms are included. A first-order approximation of Taylor's series for the exponential terms introduced by sinks and sources or the Neumann condition in the governing equation is adopted. Such a treatment leads to a linear finite element formulation between hydraulic head and the logarithm of the transmissivity-denoted as ln(T)-perturbations. An updating procedure similar to that of Woodbury and Ulrych (2000) can be performed. This new algorithm is examined against a generic example. It is found that the linearized solution approximates the true solution with an R2 coefficient = 0.96 for an ln(T) variance of 9 for the test case. The addition of hydraulic head data is shown to improve the ln(T) estimates, in comparison to simply interpolating the sparse ln(T) data alone. The new Bayesian code is also employed to calibrate a high-resolution finite difference MODFLOW model of the Edwards Aquifer in southwest Texas. The posterior ln(T) field from this application yields better head fit when compared to the prior ln(T) field determined from upscaling and cokriging. We believe that traditional MODFLOW grids could be imported into the new Bayes code fairly seamlessly and thereby enhance existing calibration of many aquifers.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».