Spectral-element method with arbitrary hexahedron meshes for time-domain 3D airborne electromagnetic forward modeling
Notice bibliographique
Résumé
ABSTRACT Mainstream numerical methods for 3D time-domain airborne electromagnetic (AEM) modeling, such as the finite-difference (FDTD) or finite-element (FETD) methods, are quite mature. However, these methods have limitations in terms of their ability to handle complex geologic structures and their dependence on quality meshing of the earth model. We have developed a time-domain spectral-element (SETD) method based on the mixed-order spectral-element (SE) approach for space discretization and the backward Euler (BE) approach for time discretization. The mixed-order SE approach can contribute an accurate result by increasing the order of polynomials and suppress spurious solutions. The BE method is an unconditionally stable technique without limitations on time steps. To deal with the rapid variation of the fields close to the AEM transmitting loop, we separate a secondary field from the primary field and simulate the secondary field only, for which the primary field is calculated in advance. To obtain a block diagonal mass matrix and hence minimize the number of nonzero elements in the system of equations to be solved, we apply Gauss-Lobatto-Legendre integral techniques of reduced order. A direct solver is then adopted for the system of equations, which allows for efficient treatment of the multiple AEM sources. To check the accuracy of our SETD algorithm, we compare our results with the semianalytical solution for a layered earth model. Then, we analyze the modeling accuracy and efficiency for different 3D models using deformed physical meshes and compare them against results from 3D FETD codes, to further show the flexibility of SETD for AEM forward modeling.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».