Joint gravity and magnetic inversion with trans-dimensional alpha shapes and autoregressive noise models
Notice bibliographique
Résumé
Abstract Typical geophysical inverse problems are ill-posed and non-unique which causes challenges for interpretation. To address these issues, deterministic inversion methods often apply constraints to parameter values, which control the effective number of parameters. However, such approaches can inhibit inference on complex structural boundaries. Bayesian trans-dimensional (trans-D) parametrizations for Earth structure partition space based on data information with the ability to adapt the parametrization locally to data information. Therefore, trans-D approaches can avoid under- or over-parametrizing regions of the model. Nonetheless, these parametrizations depend on the choice of partitioning types, such as Voronoi nodes or wavelet decomposition. In addition, trade-offs exist between spatial resolution and correlated data errors. We present a hierarchical model that treats both spatial and data noise parametrizations as trans-D to better incorporate trade-offs between noise and structure into uncertainty quantification. This includes a hierarchical spatial partitioning based on linear and nearest-neighbor interpolations and alpha shapes. The alpha shapes provide advantages for the inversion of potential field data by permitting flexibility in the shapes of structures of interest. The trans-D autoregressive noise model quantifies the impact of correlated noise on geophysical parameter estimates. We compare these methods with nested Voronoi partitioning and show differences in uncertainties, data fit, and parsimony of the parametrizations. Studies on simulated data show well-resolved structures and successful decorrelation of data residuals while requiring few parameters. The inversion of field data infers basement and salt broadly consistent with previous studies, but results show additional details that are consistent with independent geological knowledge.
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 | 0,004 |
| 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 | 0,001 |
| 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) | 0,001 | 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 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 ».