Examples of Variable-Head Field Permeability Tests Used in Books: Given Interpretations and Correct Interpretations
Notice bibliographique
Résumé
ABSTRACT When a monitoring well is tested for permeability, three methods, with three types of graphs, may be used to analyze the data of the water column Z(t) versus time t. The three graphs provide a clear diagnosis, previously proven to be user-independent. According to experience, there is usually a systematic error H0 on the Z(t) data, which has different origins. Statistically, most plots of log Z(t) versus t are curved upward, a few are curved downward, and very few yield a straight line. Positive or negative values of H0 yield upward or downward curvatures, whereas a null piezometric error yields a straight line. This article presents an analysis of 21 sets of slug test data found in textbooks with the three diagnostic graphs and obtain three new findings. First, the textbooks ignore the method already proven and implemented in other countries since the 1980s. Second, the books selected biased data because their plots of log Z(t) versus t are either curved upward or straight, but no plot is curved downward. Third, the data of the first test of the group 3 theory are abnormal and do not correspond to usual field data with good equipment. In addition, one book presents a test in an aquitard as an example of test in an aquifer. The H0 value was easily found by the optimization method for all tests, and the derivative graph for 19 of the 21 tests, two data sets being too inaccurate to yield a good derivative graph.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,004 |
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 ».