3-D probability density imaging of Euler solutions using gravity data: a case study of Mount Milligan, Canada
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.
Notice bibliographique
Résumé
Abstract Euler deconvolution is a widely used automatic or semi-automatic method for potential field data. However, it yields many spurious solutions that complicate interpretation and must be reduced, eliminated, recognized, or ignored during interpretation. This study proposes a post-processing algorithm that converts Euler solutions produced by tensor Euler deconvolution of gravity data with an unprescribed structural index into probability values ( p values) using the B-spline series density estimation (BSS) method. The p values of the Euler solution set form a probability density distribution on the estimation grid. The BSS method relies on the fact that while spurious solutions are sparse and ubiquitous, Euler deconvolution yields many similar or duplicate solutions, which may tightly cluster near real sources. The p values of the Euler solution clusters form multi-layered isosurfaces that can be used to discriminate neighboring target sources because the p values of spurious solutions are vanishingly small, making it simple to remove their interference from the probability density distribution. In all synthetic cases, the geometric outlines of anomaly sources are estimated from probability density isosurfaces approximating synthetic model parameters. The BSS method was then applied to airborne gravity data from Mount Milligan, British Columbia, Canada. Subsequently, results from synthetic models and field data show that the proposed method can successfully localize meaningful geological targets.
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 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) | 0,000 | 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 découle