MétaCan
Menu
Retour à la cohorte
Enregistrement W2551534235 · doi:10.1071/aseg2016ab262

Geological and geophysical integrated interpretation and modelling techniques

2016· article· en· W2551534235 sur OpenAlexaff
Glenn Pears, Tim Chalke

Notice bibliographique

RevueASEG Extended Abstracts · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological Modeling and Analysis
Établissements canadiensMira Geoscience (Canada)
Organismes subventionnairesnon disponible
Mots-clésGeophysicsInterpretation (philosophy)GeologyInversion (geology)Process (computing)Data integrationComputer scienceData scienceEarth scienceData miningPaleontologyStructural basin

Résumé

récupéré en direct d'OpenAlex

Exploration is becoming harder, at depth or under cover and decisions need to be made in model rather than data space; supported by multiple data sets. Geophysics plays an ever increasing role and integration of information from various geophysical data sets in tight collaboration with geological control is required to maximise the return from the individual data sets.In terms of integrating geological and geophysical data, the essential goal is to interpret the available geophysical data in terms of geological domains. The process requires a common sense approach to interpretation that is flexible, adaptive and objective driven. It is not an exact formula or procedure; particularly when multiple geophysical surveys are involved. Understanding the relationships between geology, geophysical responses and rock properties is the key to develop a geological basis for your integrated interpretation. Following this, rapid 3D geological modelling and geologically based forward modelling and inversion are essential for model validation and quantitative integration of data. An integrated interpretation is not necessarily the simplest approach, but does provide answers to geoscientific questions that are stronger than individual elements interpreted on their own.This paper presents a review of the mechanics involved in integrated interpretation and demonstrates the results with selected case study examples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0060,007
Études des sciences et des technologies0,0010,003
Communication savante0,0080,007
Science ouverte0,0030,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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 Opus0,016
Tête enseignante GPT0,218
Écart entre enseignants0,202 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueASEG Extended AbstractsMême sujetGeological Modeling and AnalysisTravaux en français237 207