ENHANCED ELECTRODE SEQUENCES FOR 2D ERI: FORWARD MODELING AND FIELD RESULTS
Notice bibliographique
Résumé
Abstract We have designed and evaluated enhanced electrode sequences for efficient collection of multiple array type data using the multi-channel advantages of modern electrical resistivity systems. Electrode sequences for 2D-ERI data collection attempt to balance tradeoffs between depth of investigation, resolution, quality, and time for data collection to adequately image subsurface resistivity variations. Often data collection time is controlled by site limitations or budgets and only Wenner or Wenner-Schlumberger data are collected. With the goals of efficient data acquisition and combining the advantages of different array types for 2D inversion, we have designed enhanced data sequences which provide combined dipole-dipole and Wenner-Schlumberger data in the same data collection time as for a Wenner-Schlumberger survey. Using a synthetic geological resistivity model from a previous ERI survey, we ran forward models using a variety of combined arrays and developed an optimized sequence. We used a 10-Channel IRIS120 with 88 electrodes to collect the enhanced data set over the same geology as used for the forward modeling. The initial investigation at the site used a Wenner-Schlumberger array that recorded 1773 measurements with the objective of imaging to a depth of approximately 40 meters. The survey provided reasonable resolution and was able to adequately characterize the bedrock but did not provide the more complex variations that were anticipated at the site and seen in limited drilling results. The enhanced data set collected over 4998 data points in the same 3 hour time period. For evaluation, we inverted the data set in three forms, using: only dipole-dipole data, only Wenner-Schlumberger data, and the combined data set. We used DCIP2D software provided by the University of British Columbia and RES2DINV software from Geotomo. The inversions demonstrate that the full (combined) data set provides the advantages of each array type, resulting in sharper structural boundaries.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».