An Open, Object‐Based Framework for Generating Anisotropy in Sedimentary Subsurface Models
Notice bibliographique
Résumé
The spatial distribution of hydraulic properties in the subsurface controls groundwater flow and solute transport. However, many approaches to modeling these distributions do not produce geologically realistic results and/or do not model the anisotropy of hydraulic conductivity caused by bedding structures in sedimentary deposits. We have developed a flexible object-based package for simulating hydraulic properties in the subsurface-the Hydrogeological Virtual Realities (HyVR) simulation package. This implements a hierarchical modeling framework that takes into account geological rules about stratigraphic bounding surfaces and the geometry of specific sedimentary structures to generate realistic aquifer models, including full hydraulic-conductivity tensors. The HyVR simulation package can create outputs suitable for standard groundwater modeling tools (e.g., MODFLOW), is written in Python, an open-source programming language, and is openly available at an online repository. This paper presents an overview of the underlying modeling principles and computational methods, as well as an example simulation based on the Macrodispersion Experiment site in Columbus, Mississippi. Our simulation package can currently simulate porous media that mimic geological conceptual models in fluvial depositional environments, and that include fine-scale heterogeneity in distributed hydraulic parameter fields. The simulation results allow qualitative geological conceptual models to be converted into digital subsurface models that can be used in quantitative numerical flow-and-transport simulations, with the aim of improving our understanding of the influence of geological realism on groundwater flow and solute transport.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».