Fusion of geotechnical and geophysical data for 2D subsurface site characterization using multi-source Bayesian compressive sampling
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
Subsurface site characterization is essential for geotechnical engineering applications (e.g., slope stability analysis and deep excavation design), which is usually achieved through geotechnical site investigation and might be supplemented by geophysical survey. Geotechnical and geophysical investigations are complementary in many aspects. Geotechnical investigation provides direct measurement data with high accuracy but only at limited locations. On the other hand, geophysical survey provides abundant two-dimensional (2D) or three-dimensional measurements, but the data are often indirect. In addition, geotechnical and geophysical data are usually correlated. Therefore, fusion of geotechnical and geophysical data during site characterization is beneficial. This paper proposed a novel data fusion method, called multi-source Bayesian compressive sampling, for fusion of geotechnical and geophysical data and statistical characterization of 2D subsurface profiles. The proposed method is data-driven and non-parametric, without the need for an empirical parametric function between geotechnical and geophysical data. The proposed method was illustrated and validated using both numerical and real-life examples. The results show that the proposed method not only properly characterizes 2D subsurface profiles but also explicitly quantifies the statistical uncertainty associated with the site characterization.
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 | 0,000 | 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 | 0,001 | 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