Backward Probability Model for Identifying Multiple Contaminant Source Zones Under Transient Variably Saturated Flow Conditions
Notice bibliographique
Résumé
Abstract Groundwater contamination is one of the major concerns to public health and water resource management. Identification of contamination sources is essential for designing cost‐effective groundwater remediation systems and minimizing risks of further contamination. Various numerical approaches have been applied to reconstruct spatiotemporal distributions of contaminant sources. Due to difficulties in obtaining source information, the backward probability model is computationally efficient; however, its applications have largely been limited to relatively simple problems such as two‐dimensional or simplified three‐dimensional steady‐state saturated flow conditions with a single contaminant source. More importantly, the traditional backward probability model requires some a priori knowledge on the suspected source locations or source release times to quantify source area location probabilities. Here we improve the capability of the backward probability model for solving real‐world problems by implementing it into a three‐dimensional transient variably saturated flow model. To evaluate the applicability of the model, we apply it combined with the shift‐average method to a field‐scale problem for identifying multiple contaminant sources occurring in the vadose zone that release contaminants to the saturated zone through infiltration. Compared with the suspected potential sources reported through a site characterization study, the enhanced backward probability model reasonably captures most of the reported potential sources under various hydrologic/hydrogeological/dispersion conditions, which demonstrates that the approach developed here can overcome limitations of the backward probability theory previously reported in the literature.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».