3-D inversion of magnetic induced polarization data
Notice bibliographique
Résumé
The magnetic induced polarization (MIP) method is an exploration technique used to obtain information relating to the induced polarization characteristics of the subsurface through measurements of the primary magnetic field associated with steady-state current flow in the earth. According to Seigel, the secondary magnetic field due to polarization current can be expressed as a sum of the products of chargeability and the derivative of primary magnetic field, due to ohmic current, with respect to the logarithmic conductivity (or sensitivity). The magnetic field and the sensitivity matrix can be computed by subsequently solving Poisson’s equation and a magnetostatic problem in terms of potentials using a finite-volume algorithm. The MIP response is a function of chargeability difference (η-η0) and relative conductivity (σ/σ0), where η0 and σ0 are constants.When solving the inverse problem we need to impose positivity of the solution but the fact that MIP responses depend only upon the difference in chargeability means we have options regarding how we set up the inversion. We can: (1) invert for η without constraints and add a constant to the final result, (2) invert for η while imposing positivity, or (3) work with In η. We compare all three methods here. Our inversion problem is formulated as an optimization problem where the objective function of the model is minimized subject to the constraints mat the model adequately reproduces the data. We use a Gauss-Newton method to obtain the model perturbation at each iteration. The system of equations is solved using a conjugate gradient least squares method. In order to make the inversion produce depth or distance information, a depth weighting or sensitivity-based weighting is required.Through synthetic model studies, we have shown mat the conductivity ratio between a target and its host has a large effect on the MIP response. Ratios greater man two orders of magnitude difference will eventually make the MIP response undetectable. However, if the ratio is in the range of 0.1 to 10, the effect on the recovered chargeability is limited. The inversion algorithm is demonstrated by inverting the data set from Binduli, Australia.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».