3D inversion of airborne electromagnetic data
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 Time-domain airborne surveys gather hundreds of thousands of multichannel, multicomponent samples. The volume of data and other complications have made 1D inversions and transforms the only viable method to interpret these data, in spite of their limitations. We have developed a practical methodology to perform full 3D inversions of entire time- or frequency-domain airborne electromagnetic (AEM) surveys. Our methodology is based on the concept of a moving footprint that reduces the computation requirements by several orders of magnitude. The 3D AEM responses and sensitivities are computed using a frequency-domain total field integral equation technique. For time-domain AEM responses and sensitivities, the frequency-domain responses and sensitivities are transformed to the time domain via a cosine transform and convolution with the system waveform. We demonstrate the efficiency of our methodology with a model study relevant to the Abitibi greenstone belt and a case study from the Reid-Mahaffy test site in Ontario, Canada, which provided an excellent practical opportunity to compare 3D inversions for different AEM systems. In particular, we compared 3D inversions of VTEM-35 (time-domain helicopter), MEGATEM II (time-domain fixed-wing), and DIGHEM (frequency-domain helicopter) data. Our comparison showed that each system is able to image the conductive overburden and to varying degrees, detect and delineate the bedrock conductors, and, as expected, that the DIGHEM system best resolved the conductive overburden, whereas the time-domain systems most clearly delineated the bedrock conductors. Our comparisons of the helicopter and fixed-wing time-domain systems revealed that the often-cited disadvantages of a fixed-wing system (i.e., response asymmetry) are not inherent in the system, but rather reflect a limitation of the 1D interpretation methods used to date.
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) | 0,001 | 0,001 |
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