Constrained electrical resistivity tomography Bayesian inversion using inverse Matérn covariance matrix
Notice bibliographique
Résumé
Bayesian inversion using maximum a posteriori estimator is a quantitative approach that has been successfully applied to the electrical resistivity tomography inverse problem. In most approaches, model covariance parameters are generally chosen as stationary and isotropic, which assumes a statistical homogeneity of the studied field. However, the statistical properties of resistivity within the earth are, in reality, location dependent due to spatially varying processes that control the bulk resistivity of rocks, such as water content, porosity, clay content, etc. Taking into account the spatial variability of the resistivity field, we use the nonstationary Matérn covariance family, which is defined through linear stochastic partial differential equations. Two types of prior information are considered: structure orientation and spatially increasing the range with increasing depth. The latter is applied successfully on the first synthetic model, which aims at retrieving the depth of bedrock and the shape of the conductive lens. In the second synthetic example, a conductive dike model embedded into four layers is used to study the performance of structure orientation. Finally, the proposed approach is used to invert real data measured over an extensively characterized sandy-to-silty aquifer. First, the structure orientation of this aquifer was determined by applying a structure tensor calculated using gradients of the ground penetrating radar image. The introduction of this information gives a resistivity model that is more compatible with the aquifer structure.
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 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 | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».