Optimized arrays for electrical resistivity tomography survey using Bayesian experimental design
Notice bibliographique
Résumé
ABSTRACT Electrical resistivity tomography (ERT) is broadly used to characterize and monitor subsurface processes because of its simplicity in data acquisition and modeling. The resolution of ERT is controlled by the position of the electrodes and the measurement protocol. As a result, there has been increasing interest in optimizing ERT surveys for higher resolution. The most widely used “Compare-R” method optimizes the ERT survey by calculating the updates of possible measurement configurations to the resolution matrix. The computational burden of the Compare-R method becomes overwhelming due to the computational cost of the estimated resolution matrix with an increasing number of electrodes. We have developed a new ERT survey design methodology for a target of interest based on Bayesian experimental design. The computational challenge is alleviated through two main strategies. First, in our method, the resolution matrix is not necessary and the optimized measurements are determined using higher relative entropy, which represents the maximization of the expected information gain. Second, the simulated measurements of four-electrode configurations to calculate relative entropy are reconstructed from two-electrode configurations using the principle of superposition. Static and time-lapse ERT synthetic surveys are used to test the performance of our method. The robustness of the optimized measurement configuration is evaluated by adding different levels of noise. Results find that the Bayesian experimental design can acquire optimized measurement configurations with similar resolution compared to the Compare-R method. However, the Bayesian optimized measurement configurations are more robust to noise and the computational cost is reduced by up to 38% and 89% for 2D and 3D cases, respectively. This method has great potential in optimized ERT survey design, especially for high-resolution three dimensions or crosswell ERT surveys.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».