MétaCan
Menu
Retour à la cohorte
Enregistrement W2292669995 · doi:10.5555/2888619.2889075

Updating geological conditions using bayes theorem and markov chain

2015· article· en· W2292669995 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueWinter Simulation Conference · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueTunneling and Rock Mechanics
Établissements canadiensCanadian Natural ResourcesUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMarkov chainBoreholeComputer scienceBayes' theoremSection (typography)Mathematical optimizationOperations researchData miningIndustrial engineeringGeologyBayesian probabilityEngineeringMachine learningArtificial intelligenceMathematicsGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Due to cost constraints, geological conditions are investigated using boreholes. However, this means conditions are never known exactly, particularly for deep and long tunnels, because uncertainties exist between neighboring boreholes. Simulation can deal with underlying uncertainty, and offers benefits to project planners in the development of better alternatives and optimization. This research developed a simulation model using Bayes theorem and Markov chain, aiming to continuously update geological conditions of one-meter sections for tunnel construction, given the geological condition of the previous one-meter section is observed as construction progresses. An actual tunneling project is used as a case study to demonstrate the applicability of the developed methodology. The impacts are analyzed and discussed in detail. The simulation results show that continuous updates during construction can significantly improve prediction of project performance by eliminating uncertainty in the original assumption. The model can be expanded to predict results of future geologic exploration programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,465
Score d'incertitude au seuil0,345

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,279
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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