Three-Dimensional Geostatistical Inverse Analyses of Transient Head and Temperature Data from a Long-Term Heat Tracer Test
Notice bibliographique
Résumé
Two long-duration heat tracer tests have been conducted at the Narashino Site, Japan. A three-dimensional highly parameterized model is inverted with transient head and temperature data, individually and simultaneously, using the pilot point method to investigate the performance of different data sets in characterizing hydraulic conductivity (K) distribution. The performance results are evaluated qualitatively and quantitatively in various aspects, including K fields comparison, head and temperature matches for both model calibration and validation, identifiability and sensitivity analyses. Results of this study reveal that: 1) K fields obtained by inverting head data reveal finer details of heterogeneity, while small scale heterogeneity is smoothed when inverting temperature data; 2) combination of heat and temperature data improves the prediction of groundwater flow and heat transport in an independent heat tracer test; 3) increasing the data density is able to reveal more heterogeneity information and further improve the prediction performance; and 4) identifiability and sensitivity analyses suggest that head and temperature data contain unique and nonredundant information of the K heterogeneity. These results jointly suggest that the integration of transient head and temperature data shows promising potential in the delineating subsurface distribution of K and obtaining reliable predictions of head responses and heat plume migration.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,003 | 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 ».