3-D CSEM inversion for the complex model with topography using an efficient dual parallel approach
Notice bibliographique
Résumé
There is a significant interest in improving the efficiency of 3-D CSEM inversion and obtaining more reliable inversion results. A 3-D CSEM inversion code using unstructured tetrahedral elements has been developed in order to consider the topographic effect by directly incorporating it into computational grids. In the forward modeling, the electric dipole source is divided into a set of short electric dipoles to simulate its practical shape, size and attitude. We adopt the edge-based finite-element method to discretize the electric field equation. In the inversion, the inversion grids are entirely independent of the forward grids. The lower and upper bounding constraints on model parameters are used to improve the reliability of the inversion result further. We use the Gauss-Newton algorithm to minimize the inversion objective function and obtain the underground conductivity model. The calculation of the forward modeling and the sensitivity matrix spends most of the time in the inversion. At present, most inversion codes use frequency-based parallel methods to accelerate the inversion, to further improve the efficiency of 3D CSEM inversion, except for the frequency-based parallel methods, we use the open-source software METIS to divide the model into several parts and then use the MPI-based parallel toolkits (such as PETSc and MUMPS) to solve the forward linear equations. The same parallel scheme can also be used to calculate the sensitivity matrix. Finally, we can further improve the efficiency of 3-D CSEM inversion by the dual parallel strategy based on the frequency and domain decomposition.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».