On signal contribution functions and sensitivity for frequency‐domain electromagnetic and direct current electrical resistivity methods
Notice bibliographique
Résumé
Abstract Signal contribution functions can be integrated over space to calculate the response of an electrical or electromagnetic technique to a given resistivity distribution. On the other hand, sensitivity functions show how the measured signal changes with a change in resistivity in a region of the ground. Signal contribution functions and sensitivity have been previously presented for the direct current resistivity technique. While useful forms of both the signal contribution function and sensitivity are proportional to the correlation of the current densities from the normal and reciprocal configurations, it has not previously been shown how sensitivity can be derived directly from the signal contribution. For frequency‐domain electromagnetic techniques, there are existing expressions for sensitivity but not for the signal contribution. In this contribution, I show how the direct current signal contribution can be differentiated to obtain the sensitivity. I also derive an expression for the signal contribution function for frequency‐domain electromagnetics and show how it can be differentiated to obtain the sensitivity. The new signal contribution function has a term that, like the sensitivity, is proportional to the electrical current densities from the normal and reciprocal configurations and an additional term that is proportional to the correlation of the magnetic fields from the normal and reciprocal configurations. I show plots of these two terms and investigate their magnitudes as a function of the induction number. This new expression will be useful for testing numerical models and aids in understanding the measured results in frequency‐domain electromagnetics.
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 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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».