Inversion of helicopter electromagnetic data to a magnetic conductive layered earth
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 Inversion of airborne electromagnetic (EM) data for a layered earth has been commonly performed under the assumption that the magnetic permeability of the layers is the same as that of free space. The resistivity inverted from helicopter EM data in this way is not reliable in highly magnetic areas because magnetic polarization currents occur in addition to conduction currents, causing the inverted resistivity to be erroneously high. A new algorithm for inverting for the resistivity, magnetic permeability, and thickness of a layered model has been developed for a magnetic conductive layered earth. It is based on traditional inversion methodologies for solving nonlinear inverse problems and minimizes an objective function subject to fitting the data in a least-squares sense. Studies using synthetic helicopter EM data indicate that the inversion technique is reasonably dependable and provides fast convergence. When six synthetic in-phase and quadrature data from three frequencies are used, the model parameters for two- and three-layer models are estimated to within a few percent of their true values after several iterations. The analysis of partial derivatives with respect to the model parameters contributes to a better understanding of the relative importance of the model parameters and the reliability of their determination. The inversion algorithm is tested on field data obtained with a Dighem helicopter EM system at Mt. Milligan, British Columbia, Canada. The output magnetic susceptibility-depth section compares favorably with that of Zhang and Oldenburg who inverted for the susceptibility on the assumption that the resistivity distribution was known.
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 | 0,001 |
| 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