Three effective inverse Laplace transform algorithms for computing time-domain electromagnetic responses
Notice bibliographique
Résumé
ABSTRACT The inverse Laplace transform is one of the methods used to obtain time-domain electromagnetic (EM) responses in geophysics. The Gaver-Stehfest algorithm has so far been the most popular technique to compute the Laplace transform in the context of transient electromagnetics. However, the accuracy of the Gaver-Stehfest algorithm, even when using double-precision arithmetic, is relatively low at late times due to round-off errors. To overcome this issue, we have applied variable-precision arithmetic in the MATLAB computing environment to an implementation of the Gaver-Stehfest algorithm. This approach has proved to be effective in terms of improving accuracy, but it is computationally expensive. In addition, the Gaver-Stehfest algorithm is significantly problem dependent. Therefore, we have turned our attention to two other algorithms for computing inverse Laplace transforms, namely, the Euler and Talbot algorithms. Using as examples the responses for central-loop, fixed-loop, and horizontal electric dipole sources for homogeneous and layered mediums, these two algorithms, implemented using normal double-precision arithmetic, have been shown to provide more accurate results and to be less problem dependent than the standard Gaver-Stehfest algorithm. Furthermore, they have the capacity for yielding more accurate time-domain responses than the cosine and sine transforms for which the frequency-domain responses are obtained by interpolation between a limited number of explicitly computed frequency-domain responses. In addition, the Euler and Talbot algorithms have the potential of requiring fewer Laplace- or frequency-domain function evaluations than do the other transform methods commonly used to compute time-domain EM responses, and thus of providing a more efficient option.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».