MétaCan
Menu
Retour à la cohorte
Enregistrement W3083878162 · doi:10.5194/egusphere-egu2020-6651

Preliminary Study on Fusion Scheme of Multi-dimensional and Multi-scale Potential Field Data

2020· article· en· W3083878162 sur OpenAlexaff
Xiaolin Ji, Wanyin Wang, Fuxiang Liu, Min Yang, Shengqing Xiong, Jie Ma

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geophysical Studies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésFuse (electrical)Sensor fusionScale (ratio)Benchmark (surveying)Data processingComputer scienceGravitational fieldField (mathematics)FusionData miningGeophysicsRemote sensingGeodesyGeologyEngineeringPhysicsArtificial intelligenceDatabaseMathematicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Gravity and magnetic surveys are widely used in geology exploration because of its advantages, such as efficient and economy, green and environment-friendly, widely coverage and strong horizontal resolution. In order to well study in the geology exploration, it is required to comprehensively combine the different scales (different scales data) and different dimensions (satellite data, aeronautical data, ground data, ocean data, well data, etc.) of gravity and magnetic data that were observed in different periods, however, the comprehensive application of the multi-dimensional and multi-scale gravity and magnetic data still stays in the initial stage. In this paper, we do research on the key point of the fusion of potential field data (gravity and magnetic data): the way to fuse the different scales and different dimensions of potential field data into a benchmark and the same surface. Based on this research, we propose a scheme to fuse the multi-dimensional and multi-scale gravity and magnetic data. The synthetic models show that this fusion scheme is able to fuse the multi-dimensional and multi-scale gravity and magnetic data with great fusion results and small errors, in addition, the most important is that the fusion data conform to the characteristics of the potential field data and can meet the needs of data processing in the following steps. One of case studies in China has been accomplished to fuse aeronautical and ground gravity data that are different scales by using this fusion scheme. The fusion scheme we proposed in this study can be used in the fusion of the multi-dimensional (aeronautical, ground and ocean) and multi-scale gravity and magnetic data, which is good for interpretation and popularization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,069
Tête enseignante GPT0,255
Écart entre enseignants0,186 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeological and Geophysical StudiesTravaux en français237 207