Pathline Density Distributions in a Null‐Space Monte Carlo Approach to Assess Groundwater Pathways
Notice bibliographique
Résumé
A null-space Monte-Carlo (NSMC) approach was applied to account for uncertainty in the calibration of the hydraulic conductivity (K) field for a three-dimensional groundwater flow model of a major water supply system in Switzerland. The approach generates different parameter realizations of the K field using the pilot point methodology. Subsequently, particle tracking (PT) was applied to each calibrated model, and the resulting particles are interpreted as the spatial pathline density distribution of multiple sources. The adopted approach offers advantages over classical PT which does not provide a means for treating uncertainty originating from the incomplete description of subsurface heterogeneity. Uncertainty in the K field is shown to strongly influence the spatial pathline distribution. Pathline spreading is particularly evident in locations where the information content of the head observations does not sufficiently constrain the estimated parameters. Despite the predictive uncertainty, the pumped drinking water at the study site is most likely dominated by artificially-infiltrated groundwater originating from the local infiltration canals. The model suggests that within the well field, the central pumping wells could be extracting regional groundwater, although the probability is relatively low. Nevertheless, a rigorous uncertainty assessment is still required since only a few realizations resulted in flow paths that support the field observations. Model results should therefore not be based on only one model realization; rather, an uncertainty analysis should be carried out to provide a sufficiently large suite of equally probable simulations that include all potential sources and pathways.
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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,003 |
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 ».