Forward modeling of gravity data using finite-volume and finite-element methods on unstructured grids
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Minimum-structure inversion is one of the most effective tools for the inversion of gravity data. However, the standard Gauss-Newton algorithms that are commonly used for the minimization procedure and that employ forward solvers based on analytic formulas require large memory storage for the formation and inversion of the involved matrices. An alternative to the analytical solvers are numerical ones that result in sparse matrices. This sparsity suits gradient-based minimization methods that avoid the explicit formation of the inversion matrices and that solve the system of equations using memory-efficient iterative techniques. We have developed several numerical schemes for the forward modeling of gravity data using the finite-element and finite-volume methods on unstructured grids. In the finite-volume method, a Delaunay tetrahedral grid and its dual Voronoï grid are used to find the primary solution (i.e., gravitational potential) at the centers and vertices of the tetrahedra, respectively (cell-centered and vertex-centered schemes). In the finite-element method, Delaunay tetrahedral grids are used to develop linear and quadratic finite-element schemes. Different techniques are used to recover the vertical component of gravitational acceleration from the gravitational potential. In the finite-volume scheme, a differencing method is used; in the finite-element method, basis functions are used. The capabilities of the finite-volume and finite-element schemes were tested on simple and realistic synthetic examples. The results showed that the quadratic finite-element scheme is the most accurate but also the most computationally demanding scheme. The best trade-offs between accuracy and computational resource requirement were achieved by the linear finite-element and vertex-centered finite-volume schemes.
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.
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) | 0,000 | 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 découle