The role of GIS and expert knowledge in 3-D modelling, Oak Ridges Moraine, southern Ontario
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A basin analysis approach is used to help understand a complex aquifer system in the Oak Ridges Moraine and Greater Toronto areas, southern Ontario, Canada. The aquifer complex consists of a sequence of discontinuous strata that have a prominent regional unconformity. To help visualize this architecture, a stratigraphic database has been developed and used to construct a 3-D stratigraphic model, through selective integration of disparate data. To accurately interpret borehole logs, geological context was supplied by using expert knowledge constrained with a conceptual stratigraphic framework. Utilizing a digital stratigraphic training framework derived from manually coded, high-quality data, an expert system automatically interpreted and coded a large number of low-quality water well records. The expert system was designed to emulate the manual borehole interpretation process by applying knowledge-based geological rules, within the constraints of the digital training framework. Issues of poorly constrained interpolation due to sparse data are addressed by the integration of additional spatial rules defined by thematic map coverages within the expert system. As quantitative hydrogeological modelling moves to more regional scales, geological knowledge input becomes increasingly more valuable. The availability of seamless geological mapping improves 3-D modelling and helps to limit the effect of deficiencies in data coverage and data quality, often encountered in regional hydrogeological studies.
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.
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 | 0,000 |
| 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 découle