MétaCan
Menu
Retour à la cohorte
Enregistrement W3159868142 · doi:10.3390/geosciences11050204

3D Probabilistic Modelling and Uncertainty Analysis of Glacial and Post-Glacial Deposits of the City of Saguenay, Canada

2021· article· en· W3159868142 sur OpenAlexafffundabout
Mohammad Salsabili, Ali Saeidi, Alain Rouleau, Miroslav Nastev

Notice bibliographique

RevueGeosciences · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Geostatistics and Mapping
Établissements canadiensGeological Survey of CanadaUniversité du Québec à Chicoutimi
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBedrockKrigingGeologyGlacial periodProbabilistic logicInterpolation (computer graphics)GeomorphologySoil sciencePhysical geographyStatisticsComputer science

Résumé

récupéré en direct d'OpenAlex

Knowledge of the stratigraphic architecture and geotechnical properties of surficial soil sediments is essential for geotechnical risk assessment. In the Saguenay study area, the Quaternary deposits consist of a basal till layer and heterogeneous post-glacial deposits. Considering the stratigraphic setting and soil type heterogeneity, a multistep stochastic methodology is developed for 3D geological modelling and quantification of the associated uncertainties. This methodology is adopted for regional studies and involves geostatistical interpolation and simulation methods. Empirical Bayesian kriging (EBK) is applied to generate the bedrock topography map and determine the thickness of the till sediments and their uncertainties. The locally varying mean and variance of the EBK method enable accounting for data complexity and moderate nonstationarity. Sequential indicator simulation is then performed to determine the occurrence probability of the discontinuous post-glacial sediments (clay, sand and gravel) on top of the basal till layer. The individual thickness maps of the discontinuous soil layers and uncertainties are generated in a probabilistic manner. The proposed stochastic framework is suitable for heterogeneous soil deposits characterised with complex surface and subsurface datasets.

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,337
Score d'incertitude au seuil0,480

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,207
Écart entre enseignants0,196 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations11
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueGeosciencesMême sujetSoil Geostatistics and MappingTravaux en français237 207