MétaCan
Menu
Retour à la cohorte
Enregistrement W2814438179 · doi:10.1520/gtj20170032

Two Methods to Detect Poorly Sealed Monitoring Wells Using Pumping Test Data in a Confined Aquifer

2018· article· en· W2814438179 sur OpenAlexaffabout
Robert P. Chapuis, Djaouida Chenaf

Notice bibliographique

RevueGeotechnical Testing Journal · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueGroundwater flow and contamination studies
Établissements canadiensRoyal Military College of CanadaPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésAquiferSlug testDrawdown (hydrology)BoreholeAquifer testPiezometerGeologyGeotechnical engineeringTRACERGroundwaterWater wellHydraulic headTest dataWell test (oil and gas)Groundwater flowSoil scienceEnvironmental sciencePetroleum engineeringEngineeringGroundwater recharge

Résumé

récupéré en direct d'OpenAlex

Abstract A correctly installed monitoring well (MW) has its riser pipe sealed against the borehole wall. When a MW is poorly installed, there is some vertical leakage close to the riser pipe, which creates a hydraulic short circuit (HSC). A static water level is measured in the pipe, but it is not the piezometric level in the aquifer, which is unknown. The piezometric error is the difference between the piezometric level and the static level in the pipe. It yields other errors in determining flow directions, travel times, and well capture areas. The groundwater sampled in the monitored aquifer may be viewed as polluted, whereas it is locally polluted by the faulty MW. This article deals with pumping tests in confined aquifers, for which a poorly sealed MW yields biased drawdown and recovery data. A few solutions to detect an HSC have been proposed, using either a slug test or a pumping test coupled with a tracer test. This article presents two new solutions to detect an HSC: they provide first the piezometric error and then the correct values for drawdown data. The data of a pumping test near Moncton, NB, are used to illustrate the two solutions. They show also that the HSC detection helps to solve previous inconsistencies between different sets of values for transmissivity, T, and storativity, S, as obtained by usual methods for pumping and recovery when short-circuiting is ignored or unsuspected.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil0,710

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,120
Tête enseignante GPT0,387
Écart entre enseignants0,267 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations10
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeotechnical Testing JournalMême sujetGroundwater flow and contamination studiesTravaux en français237 207