3-D forward modelling of controlled-source frequency-domain electromagnetic data using the meshless generalized finite-difference method
Notice bibliographique
Résumé
SUMMARY This paper proposes a procedure of forward modelling 3-D frequency-domain wire-source electromagnetic data using the meshless generalized finite-difference (MGFD) method. This method is based on Taylor series expansions and the weighted least-squares method, and its basic principle is to express the partial derivatives of the unknown function on a particular central point by a linear combination of function values on the adjacent points. The advantages of the method over mainstream forward-modelling methods, for example, the regular finite-difference (FD) method, or the finite-element (FE) method, is that mesh generation is not needed: a discretization in the form of just points is applied instead. This allows the points to be distributed freely to fit the arbitrary shape of the structures in the model, which is helpful in the modelling of complex earth structures. It makes the MGFD method more suitable to deal with complex model than FD method. Also, unlike that in the FE method, interpolation functions are not required and no integral needs to be calculated in MGFD method. This results in high computational efficiency and a concise forward-modelling process. In this paper, the particulars of the MGFD method are introduced, the discretized MGFD system of equations (for an ${\boldsymbol{A}} - {\rm{\ }}\varphi $ potential decomposition of the fields, with the Coulomb gauge condition enforced and a primary–secondary separation approach to deal with the singularity of the source) are solved using a direct solver, and the forward-modelling code are programmed. To test the method and code, we compare the MGFD solutions for three 3-D earth models with the equivalent solutions calculated by other methods, and verify the correctness of the MGFD solution by the good agreement between the corresponding results (with relative error of the electric field ${{\boldsymbol{E}}}_{\boldsymbol{x}}$ smaller than 4.89 per cent). We also investigate the performance of this method when applying different discretizations of points, and when using different weighting functions, to assess the influence of these two factors on the forward-modelling accuracy and efficiency. Results indicate that denser point distributions and straightforward weighting functions result in better accuracy and efficiency.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».