Taking into Account Data Accuracy for Interpretation of Slug Tests in Confined or Unconfined Aquifers
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.
Notice bibliographique
Résumé
Abstract Different methods may be used to interpret the data of slug tests performed in aquifers, which are the water column height, Z, and time, t. The data accuracy usually is not taken into account. However, all measured Z data contain a random error and may contain a systematic error. This paper is believed to be the first one to explain how to assess the random error and display it in plots and, then, how to extract the systematic error, using three diagnostic graphs (two semi-log plots and a derivative plot that unifies all theories, and yields user-independent results). The plot of logZ versus t with “error” bars has a distinctive look: all Z data have the same “error,” but the smallest logZ data are the most inaccurate. As a result, the error bar is small at early times (large Z), but it increases to become very large at late times (small Z), which may modify the interpretation of data. Finally, the paper quantifies the errors that are made when using the Hvorslev equation for curved plots without error bars. Most often, the curvature results from a systematic error on the assumed piezometric level. When this error is not acknowledged, the user is at liberty to interpret the data and extract a hydraulic conductivity, K, which fits some beliefs. This yields a large error on K, which is quantified using equations and graphs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle