Gravity and magnetic joint inversion for basement and salt structures with the reversible-jump algorithm
Notice bibliographique
Résumé
SUMMARY Gravity and magnetic data resolve the Earth with variable spatial resolution, and Earth structure exhibits both discontinuous and gradual features. Therefore, model parametrization complexity should be able to address such variability by locally adapting to the resolving power of the data. The reversible-jump Markov chain Monte Carlo (rjMcMC) algorithm provides variable spatial resolution that is consistent with data information. To address the prevalent non-uniqueness in joint inversion of potential field data, we use a novel spatial partitioning with nested Voronoi cells that is explored by rjMcMC sampling. The nested Voronoi parametrization partitions the subsurface in terms of rock types, such as sedimentary, salt and basement rocks. Therefore, meaningful prior information can be specified for each type which reduces non-uniqueness. We apply nonoverlapping prior distributions for density contrast and susceptibility between rock types. In addition, the choice of noise parametrization can lead to significant trade-offs with model resolution and complexity. We adopt an empirical estimation of full data covariance matrices that include theory and observational errors to account for spatially correlated noise. The method is applied to 2-D gravity and magnetic data to study salt and basement structures. We demonstrate that meaningful partitioning of the subsurface into sediment, salt, and basement structures is achieved by these advances without requiring regularization. Multiple simulated- and field-data examples are presented. Simulation results show clear delineation of salt and basement structures while resolving variable length scales. The field data show results that are consistent with observations made in the simulations. In particular, we resolve geologically plausible structures with varying length scales and clearly differentiate salt structure and basement topography.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».