MétaCan
Menu
Retour à la cohorte
Enregistrement W4210883464 · doi:10.1520/gtj20200287

Barometric Fluctuations and Duration of Variable-Head (Slug) Field Permeability Tests

2022· article· en· W4210883464 sur OpenAlexaff
Robert P. Chapuis, Vahid Marefat, Lu Zhang

Notice bibliographique

RevueGeotechnical Testing Journal · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueGroundwater flow and contamination studies
Établissements canadiensFuture EarthPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésLog-normal distributionSlug testHydraulic conductivityAquiferStatisticsStandard deviationPermeability (electromagnetism)Environmental scienceRandom variableMathematicsHydrology (agriculture)Soil scienceGeodesyGeologyGeotechnical engineeringGroundwaterChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Variable-head (VH) permeability tests are carried out in monitoring wells, driven permeameters, and between packers to assess local values of hydraulic conductivity. Most often, the water level position data are given versus time by a pressure transducer (PT) and an atmospheric pressure transducer (APT). Because the data vary with time, the PT and APT need to be synchronized. This article first shows what happens when a single correction for atmospheric pressure, patm, is used for all PT data for two slug tests, one in an aquifer, the other in an aquitard. Then, the article documents the patm fluctuation, including its maximum and minimum values during a given time, pmax and pmin, at a site and their statistical analysis for periods from 1 h up to 1 year, based on a 59-year data set. During a given time, the (pmax − pmin) value follows a lognormal distribution. For short testing times, typically less than 2 h, the patm value varies by less than 2 or 3 cm in 99 % of cases. The mean of the lognormal distribution increases with the observation time or test duration. The standard deviation is nearly constant for periods up to 30 days, and then decreases for periods from 1 month to 1 year. Synchronized data are needed to make a time-variable correction for all tests lasting more than 2 h, and the time-variable correction is the correct method for all slug tests, including short duration ones in aquifers.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,461
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,027
Tête enseignante GPT0,258
Écart entre enseignants0,231 · 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.

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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeotechnical Testing JournalMême sujetGroundwater flow and contamination studiesTravaux en français237 207