Three-Dimensional Inversion of Long-Offset Transient Electromagnetic Method over Topography
Notice bibliographique
Résumé
The long-offset transient electromagnetic method (LOTEM) is widely employed in geophysical exploration, including environmental investigation, mineral exploration, and geothermal resource exploration. However, most interpretations of LOTEM data assume a flat Earth, and the commonly used one-dimensional (1D) interpretation encounters significant challenges in achieving reliable geological interpretations when topography is ignored. To address these challenges, this study presents an effective three-dimensional (3D) LOTEM inversion method. In this study, we discretize the simulation domain using unstructured tetrahedra to accurately simulate complex geological structures. The finite-element time-domain (FETD) method is utilized to calculate the LOTEM forward responses, and the limited-memory BFGS (L-BFGS) optimization method is employed for 3D LOTEM inversion. To avoid explicit calculation of sensitivity, we obtain the product of the transposed sensitivity matrix and the vector through adjoint forward modeling. Several synthetic models are used to verify the developed program, and the influence of topography on LOTEM inversion is examined. The numerical results demonstrate that topography can significantly impact the inversion result, potentially leading to incorrect geological interpretations. Finally, the developed inversion algorithm is applied to a realistic ore model from Voisey’s Bay, Labrador, Canada. The 3D inversion successfully reconstructs the spatial distribution of the ore body, further confirming the effectiveness of the developed algorithm.
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 | 0,000 | 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 | 0,000 | 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) | 0,002 | 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 ».