2-D COOPERATIVE CROSS-HOLE ERT AND FULL-WAVEFORM GPR INVERSION
Notice bibliographique
Résumé
Full-waveform inversion (FWI) of cross-hole ground penetrating data allows a better resolution in comparison to ray-based tomography. The inverse problem is solved using local optimization algorithms that can converge to local minimum depending on the selection of starting model, nonlinearity of the problem, lack of low frequencies, presence of noise, and approximate modeling of the wave-physics complexity. In this work, multiscale FWI strategy is combined cooperatively with electrical resistivity tomography (ERT) to mitigate the nonlinearity and ill-posedness of FWI, and to improve the ERT resolution. In the FWI, the gradient of the misfit function is generally dominated by the high frequencies. This behavior can potentially be the cause of convergence into local minima, as the determination of the high frequencies depends in turn on the accuracy of the low frequencies. The proposed multiscale FWI reduces the number of model parameters and yields low frequencies in the model space using a regularization method that consists of imposing an L1-norm penalty in the wavelet domain. The minimization of the L1-norm penalty is carried out using an accelerated iterative soft thresholding algorithm. As wavelet transforms provide estimates of the local frequency content of the conductivity or permittivity images, the thresholds are used to control the frequency content in the model space. Generally, a high threshold value is chosen for the 20th first iterations in order to enhance the update of the low frequencies. Then the soft thresholding step tries to find the best thresholds to maximize the structural similarities between conductivity and permittivity images. The initial velocity model for FWI is built from first-arrival traveltime tomography, whereas the ERT current inversion model is used as FWI conductivity starting model. The conductivity model resulting from FWI is then introduced as reference model in ERT inverse problem using hierarchical Bayesian approach. To validate our methodology and its implementation, two synthetic models were created. Experiments demonstrate that the proposed approach improves the spatial resolution and convergence properties in comparison to classical FWI. This work is an extension to full-waveform inversion of a previously published work (Bouchedda et al., 2012).
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 | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».