Forward Modelling of Electrical Resistivity and Induced Polarization Using the Spectral‐Infinite‐Element Method
Notice bibliographique
Résumé
ABSTRACT Accurate and efficient modelling of subsurface electrical properties is critical for a wide range of applications, including mineral exploration, environmental studies and hydrogeological investigations. Traditional numerical approaches often use low‐order discretization and impose artificial boundary conditions to approximate the unbounded spatial domain. These approximations can lead to inaccuracies and computational inefficiency, particularly in geologically complex environments. In this study, we present a spectral‐infinite‐element method (SIEM) for forward modelling of electrical resistivity and induced polarization. The approach couples high‐order spectral elements within the finite domain with a single outer layer of mapped infinite elements, enabling precise representation of far‐field boundary conditions. To achieve optimal numerical performance, we employ two distinct quadrature schemes: Gauss–Legendre–Lobatto quadrature for the spectral elements and Gauss–Radau quadrature for the infinite elements. We first verify the accuracy of our method by comparing the computed electric potential from a buried charged block with direct numerical integration. We conducted a convergence study by refining the mesh and increasing the order of the interpolation polynomials. To further evaluate the robustness of SIEM, we benchmark its results for a layered earth model against an analytical solution and an open‐source Python‐based geophysical modelling library, SimPEG. The comparisons demonstrate the accuracy, convergence and efficiency of SIEM. Finally, we apply SIEM to a complex heterogeneous conductivity model incorporating topography, generating apparent resistivity and chargeability pseudo‐sections to illustrate its practical applicability under realistic survey conditions.
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 | 0,000 |
| 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 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 ».