Three‐Dimensional Inversion of Magnetotelluric Data for a Resistivity Model With Arbitrary Anisotropy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Electrical anisotropy is increasingly recognized as an important aspect of the resistivity models required to explain magnetotelluric (MT) observations. However, a limited number of practical MT inversion algorithms that can consider anisotropy have been published to date. To address this problem, we have developed a three‐dimensional (3‐D) MT inversion algorithm that recovers a 3‐D resistivity model that considers arbitrary electrical anisotropy. The inversion uses the same inversion algorithm as the widely used ModEM inversion algorithm, and a novel forward modeling algorithm to consider the anisotropic Earth. The algorithm was tested on both synthetic and field MT data. Inversions considered both a completely general anisotropy tensor with six components and approximations with less parameters. Synthetic inversions show that the two horizontal components of resistivity and the anisotropy strike can be well recovered, while the vertical component of resistivity is poorly resolved, primarily because current flow in MTs is dominantly horizontal. The synthetic examples confirm the limitation of the axial anisotropic inversion technique when applied to MT data produced by a resistivity model with arbitrary anisotropy. The synthetic inversions also showed that inversion of data from an isotropic model will not result in an artificially anisotropic model. Compared to the isotropic inversion model of the real MT data, the anisotropic model clearly shows some features that are consistent with the mapped geology. As expected, the results showed that a given data set can be fit by a range of models, with an inherent trade‐off from 3‐D heterogeneity to 3‐D anisotropy. This uncertainty can be reduced with the use of prior information in the inversion.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle