Modeling radio imaging (RIM) data with the Comsol RF module
Notice bibliographique
Résumé
Summary The radio imaging method (RIM) employs the propagation of radio-frequency EM waves (100 kHz to 10 MHz) to image the conductivity distribution between the boreholes. We studied the wave propagation using the finite-element-modeling (FEM) algorithm implemented in the Comsol RF module. Appropriate element sizes are quantified by comparing the Comsol modeling results of 6 types of element sizes at 4 frequencies with analytical solutions for the homogeneous whole-space model. The comparison reveals that modeled data with 5 elements per wavelength have errors less than 5%; 7 to 8 elements per wavelength provide errors around 1%; and when there are 10 elements per wavelength, the errors are less than 1%. We also compared the solutions for spherical models, which shows the Comsol solutions are consistent with the analytical solutions and the solutions from a finite-difference time-domain algorithm. To illustrate the flexibility of Comsol package, we provide an example with two moderately conductive bodies between boreholes. The EM wave attenuation and reflection by the conductive bodies can be observed on the relative variation map. We used the synthetic data to reconstruct a tomographic image with the SIRT algorithm. The image shows that the location of the conductive anomalies are reconstructed fairly successfully, although, there are some artifacts. From our work, we conclude that Comsol modeling is helpful to study the radio wave propagation and tomographic imaging methods.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,005 |
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 ».