Inversion of Amplitude from the 2-D Analytic Signal of Self-Potential Anomalies
Notice bibliographique
Résumé
In the present study, analytic signal amplitude (ASA) or total gradient (TG) inversion of self-potential anomalies has been carried out using very fast simulated annealing (VFSA) global optimization technique. The results of VFSA optimization demonstrate the application and efficacy of the proposed method for idealized synthetic hypothetical models and real single and multiple geological structures. The model parameters deciphered here are the amplitude coefficient (k), horizontal location (x0), depth of the body (z), and shape (q). Inversion of the model parameter suggests that constraining the horizontal location and the shape factor offers the most reliable results. Investigation of convergence rate, histogram, and cross-plot examination suggest that the interpretation method developed for the self-potential anomalies is stable and the model parameters are within the estimated ambiguity. Inversion of synthetic noise-free and noise-corrupted data for single structures and multiple structures in addition to real field information exhibits the viability of the method. The model parameters estimated by the present technique were in good agreement with the real parameters. The method has been used to invert two field examples (Sulleymonkoy anomaly, Ergani, Turkey, Senneterre area of Quebec, Canada) with application of subsurface mineralized bodies. This technique can be very much helpful for mineral or ore bodies investigation of idealized geobodies buried within the shallow and deeper subsurface.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».