MétaCan
Menu
Retour à la cohorte
Enregistrement W4406299417 · doi:10.5194/gmd-18-71-2025

Checking the consistency of 3D geological models

2025· article· en· W4406299417 sur OpenAlexafffund
Marion Parquer, E A de Kemp, Boyan Brodaric, M. J. Hillier

Notice bibliographique

RevueGeoscientific model development · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological Modeling and Analysis
Établissements canadiensGeological Survey of CanadaNatural Resources Canada
Organismes subventionnairesNatural Resources CanadaGovernment of Canada
Mots-clésConsistency (knowledge bases)Computer scienceGeologic mapGeologic hazardsHazardGeologyData miningArtificial intelligenceSeismologyPaleontology

Résumé

récupéré en direct d'OpenAlex

Abstract. Three-dimensional geological modelling algorithms can generate multiple models that fit various mathematical and geometrical constraints. The results, however, are often meaningless to geological experts if the models do not respect accepted geological principles. This is problematic as use of the models is expected for various downstream purposes, such as hazard risk assessment, flow characterization, reservoir estimation, geological storage, or mineral and energy exploration. Verification of the geological reasonableness of such models is therefore important. If implausible models can be identified and eliminated, it will save countless hours and computational and human resources. To begin assessing geological reasonableness, we develop a framework for checking model consistency with geological knowledge and test it with a proof-of-concept tool. The framework consists of a space of consistent and inconsistent geological situations that can hold between a pair of geological objects, and the tool assesses a model's geological relations against the space to identify (in)consistent situations. The tool is successfully applied to several case studies as a first promising step toward automated assessment of geological reasonableness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,069
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,069
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,005
Communication savante0,0040,006
Science ouverte0,0040,006
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,224
Écart entre enseignants0,183 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeoscientific model developmentMême sujetGeological Modeling and AnalysisTravaux en français237 207