MétaCan
Menu
Retour à la cohorte
Enregistrement W4405631822 · doi:10.1016/j.rines.2024.100051

Spatial characterisation of groundwater systems using fuzzy c-mean clustering: A multi-parameter approach in crystalline aquifers

2024· article· en· W4405631822 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.

Notice bibliographique

RevueResults in Earth Sciences · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Clustering Algorithms Research
Établissements canadiensAlberta Energy
Organismes subventionnairesnon disponible
Mots-clésAquiferGroundwaterCluster analysisFuzzy logicEnvironmental scienceGroundwater resourcesWater resource managementHydrology (agriculture)GeologyData miningSoil scienceComputer scienceGeotechnical engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Similarity based approaches to groundwater system characterization has proven to be of great value in describing groundwater system in terms of assessment and prediction of groundwater resource where data are scarce in heterogeneous basement complex environment. With this aim, a fuzzy c-means clustering approach was utilized to co-locate hydrogeophysical parameters according to their similarities into groups, that are internally homogeneous which informs a specific hydrogeological zone. The study was carried out in some part of Osun River catchment, Ilesa southwestern Nigeria, a data-scarce area, which currently suffer water scarcity due to many wells no longer being productive. The study utilizes data from remote sensing, borehole data and geophysical data, such as Landsat image, Digital Elevation Model (DEM), borehole yield, aeromagnetic, and electrical resistivity datasets. Factors influencing spatial-temporal variations of groundwater occurrence of an aquifer in crystalline rocks such as slope, lineament density, drainage density, structural density, aquifer thickness, aquifer resistivity, overburden thickness, transverse resistivity, longitudinal resistivity, anisotropy coefficient were assessed and subjected to fuzzy c-mean algorithm. The fuzzy c-means clustering analysis identified three distinct clusters, each representing zones with similar hydrogeological properties, and some overlap exists due to mixed characteristics at some locations. The cluster validity index results suggest a good well-separated, distinguishable cluster. The findings established that the study area is characterized with three hydrogeological zones, with no definite boundaries between the zones, different from the catchment. Moreover, the study presents an approach to define and describe the target system using the groundwater yield similarity to hydrogeophysical properties.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,481
Score d'incertitude au seuil0,655

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,332
Écart entre enseignants0,254 · 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