The improvement of sparsity gravity inversion using an adaptive lanczos bidiagonalization method
Notice bibliographique
Résumé
Inversion of gravity data is one the important steps in the interpretation of practical data. The detection of sharp boundaries between anomalous bodies and host rocks is an interesting point in the geological frameworks. The gravity inversion with sparsity constraint is a useful method to recover block subsurface density distribution, which is efficiently used for the quantitative interpretation of gravity data. The reweighted regularized method is a useful method to solve the inverse problem. However, in this type, we must face the updating gravity forward matrix and large matrix operation. The application of Lanczos bidiagonalization method can reduce the size of data and matrix in the inversion to resolve the large scale inversion problem. However, a very important problem is not resolved, which is update of reweighted forward matrix and new Lanczos bidiagonalization matrix. Here, an adaptive Lanczos bidiagonalization method is studied to select the Lanczos bidiagonalization factor. And a new projected method with adaptive Lanczos bidiagonalization method is study to avoid the updating sparsity reweighted function. We calculate the reweighted forward matrix and Lanczos bidiagonalization matrix only one time, which can essentially reduce the computational complexity. The inversion results of synthetic data show that the new improved method is faster and better than common reweight regularized Lanczos bidiagonalization method to produce an acceptable solution for focusing inverse problem. The improvement of adaptive Lanczos bidiagonalization in sparsity gravity inversion is also tested on gravity data collected over the Mobrun massive sulfide ore body in Noranda, Quebec, Canada. The inversion results indicate a remarkable correlation with true structure of the ore body that is achieved from drilling data.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 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 ».