3D modeling of grounded electric-source airborne time-domain electromagnetic data using rational Krylov subspace method
Notice bibliographique
Résumé
The grounded electric source airborne time-domain electromagnetic (GREATEM) method has recently undergone a number of advances, including development of tools that can produce large source moments and hence allow for large transmitter–receiver offsets and thus greater depths of investigation. In this work, a combined mimetic finite volume and rational Krylov subspace (MFVRK) method is presented for modelling GREATEM data. The rational Krylov subspace scheme provides a more efficient method for the discretization of Maxwell’s equations in the time domain than directly using an implicit time-stepping strategy since many fewer large systems of equations need be solved. This MFVRK solver was tested using a model of a complex 3D conductor at a vertical contact. The results of this MFVRK approach agree well with those obtained by the MFVTD (mimetic finite volume and implicit time-stepping) and FDTD (time-domain finite difference) methods. A deep buried massive sulfide model was also used to evaluate the deep detection capability of the GREATEM method. The results show that by using the GREATEM approach we can expect to detect significant response from the deep target in the airborne measurements. Presentation Date: Wednesday, October 17, 2018 Start Time: 1:50:00 PM Location: 213A (Anaheim Convention Center) Presentation Type: Oral
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».