Removal of galvanic distortion effects in 3D magnetotelluric data by an equivalent source technique
Notice bibliographique
Résumé
ABSTRACT The galvanic distortion induced by the electric charge buildup across near-surface inhomogeneities can severely affect the interpretation of magnetotelluric (MT) data for deeper structures. In addition to the methods already available, we have developed an alternative approach for processing MT impedance data with such distortions using an equivalent source technique. One prerequisite for the method is that all data are acquired on the surface, which is nearly always the case in land-based MT surveys. The method works with the electric field scaled from the impedance data and constructs an equivalent electrical polarization layer that attempts to reproduce the signal in the data while misfitting the galvanic distortion. Because of the uncorrelated characteristics of galvanic distortions across multiple stations at the same frequency, they can be distinguished and removed by constructing an equivalent source layer of electrical polarization using a regularized inverse formulation. The tradeoff between the signal and distortion is achieved through the use of generalized cross-validation method during the equivalent source construction, whereas the choice of equivalent source parameters also affects the separation. Numerical tests indicate that good results are obtained when the depth of the equivalent source layer is slightly greater than 10 times the nominal data spacing, and the lateral extent is twice that of the data area. The simultaneous processing with multiple frequencies yields more stable apparent resistivity curves than the separate single-frequency processing. The method has performed well in removing the galvanic distortions in the synthetic- and field-data 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 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 | 0,000 | 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 ».