Hydraulic Tomography for Characterizing Subsurface Heterogeneity in Fractured Rocks: Implications for In-Situ Recovery Mining
Notice bibliographique
Résumé
In-situ recovery (ISR) mining demands reliable forecasts of groundwater flow and solute transport, which are highly sensitive to subsurface heterogeneity. This study evaluated alternative modeling approaches for characterizing heterogeneity using data from Denison’s Wheeler River Property, Saskatchewan, Canada. Spatial distributions of hydraulic conductivity (K) and specific storage (Ss) were characterized using four modeling cases: a homogeneous case, a geology-based zonation case, and two hydraulic tomography (HT) cases. All models were calibrated against 17 cross-hole aquifer tests, with one HT model additionally constrained by long-term feasibility field test (FFT) responses. Estimated K and Ss fields from four cases were subsequently validated against independent tracer test data. Results revealed systematic improvements in predictive performance with increasing model complexity, with HT models reproduced observed hydraulic responses and breakthrough curves with higher fidelity. Incorporating FFT data further enhanced delineation of large-scale hydraulic connectivity and improved BTC prediction at the more distant extraction well. These findings underscore that treating K and Ss fields to be heterogeneous and accurately characterizing their spatial distributions are essential for realistic simulations of groundwater flow and solute transport in ISR operations. Overall, we conclude that HT is an effective approach to support ISR wellfield design, recovery optimization, and environmental protection.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».