MétaCan
Menu
Retour à la cohorte
Enregistrement W4390134795 · doi:10.1002/nsg.12288

ERT data assimilation to characterize aquifer hydraulic conductivity heterogeneity through a heat‐tracing experiment

2023· article· en· W4390134795 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueNear Surface Geophysics · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysical and Geoelectrical Methods
Établissements canadiensPolytechnique MontréalInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHydrogeologyAquiferGeologyElectrical resistivity tomographyBoreholeAquifer propertiesGroundwater flowHydraulic conductivityGroundwaterEnsemble Kalman filterPetrophysicsData assimilationGeothermal gradientContext (archaeology)Groundwater modelSoil scienceGeophysicsGroundwater rechargeGeotechnical engineeringExtended Kalman filterElectrical resistivity and conductivityKalman filterPorosityMeteorologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Geothermal energy systems, such as heat pumps relying on aquifers, use renewable sources of energy that are accessible in urban areas. It is necessary to characterize the subsurface hydraulic properties prior to the installation of such systems. In this context, a heat‐tracing experiment is a typical field test that can help with the characterization of the subsurface. During a heat‐tracing experiment, monitoring with downhole temperature sensors, water‐level pressure transducers and electrical resistivity tomography (ERT) can be used to help characterize the hydrogeological properties. Previous monitoring tools have shortcomings, such as low‐resolution data and over‐smoothing; thus, they fail to reproduce the heterogeneity of hydrogeological properties. Ensemble Kalman filter (EnKF) is a promising tool that can overcome the over‐smoothing problem to replicate the hydrogeological property heterogeneity. In this work, we proposed a new procedure to assimilate time‐lapse cross‐borehole ERT data into a numerical model of groundwater flow and heat transfer, where the groundwater is extracted and heated water is reinjected into an unconfined sandy‐gravel aquifer. The finite element model (FEFLOW 7.3) of groundwater flow and heat transfer is integrated with petrophysical relationship and electrical forward modelling (ResIPy) to estimate cross‐borehole ERT measurements. Then, the estimated apparent resistivity is assimilated to update the hydraulic conductivity model using EnKF. The results of the application of the proposed approach to an experimental site located in Quebec City (Canada) demonstrate that the heterogeneity of K is correctly reproduced as the updated K model is reasonably consistent with the lithological log. In addition, the proposed approach was able to replicate the cross‐borehole ERT field and temperature measurements. The comparison between prior and posterior distribution of K with slug test results shows that the EnKF made the final (assimilated) distribution of K move towards K values inferred with slug tests.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,784
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,322
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle