MétaCan
Menu
Retour à la cohorte
Enregistrement W3045962146 · doi:10.1190/geo2019-0614.1

Geophysical inversion for 3D contact surface geometry

2020· article· en· W3045962146 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueGeophysics · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological Modeling and Analysis
Établissements canadiensMount Allison UniversityMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésInversion (geology)GeologySynthetic dataInverse problemAlgorithmGeophysicsEarth structureEnvironmental geologyComputer scienceInverse methodPolygon meshGeometryMathematicsTectonicsApplied mathematicsSeismologyComputer graphics (images)

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Geologists’ interpretations about the earth typically involve distinct rock units with contacts between them. Three-dimensional geologic models typically comprise surfaces of tessellated polygons that represent the contacts. In contrast, geophysical inversions typically are performed on voxel meshes comprising space-filling elements. Standard minimum-structure voxel inversions recover smooth models, inconsistent with typical geologic interpretations. Various voxel inversion methods have been developed that attempt to produce models more consistent with such interpretations. However, many of those methods involve increased numerical challenges and ultimately the underlying parameterization of the earth is still inconsistent with geologists’ interpretations. Surface geometry inversion (SGI) is a fundamentally different approach that effectively takes some initial surface-based model and alters the position of the contact surfaces to better fit the geophysical data. Many authors have developed SGI methods. In contrast to those, we are the first to develop a method with the following characteristics: we work directly with 3D explicit surfaces from an input geologic model of arbitrary complexity; we incorporate intersection detection methods to avoid unacceptable topological scenarios; we use global optimization strategies and stochastic sampling to solve the inverse problem and aid model assessment; and we use surface subdivision to reduce the number of model parameters, which also provides regularization without adding the complication of trade-off parameters in the objective function. We test our methods on simpler synthetic examples taken from early influential literature, and we demonstrate their typical use on a more complicated example based on a seafloor massive sulfide deposit. Our work provides a geophysical inversion approach that can work directly with 3D surface-based geologic models. With this approach, geophysical and geologic models can share the same parameterization; there is only a single model, with no need to translate information between two inconsistent parameterizations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,630
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,209
Écart entre enseignants0,182 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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