Geologisen suunta-aineiston 3D-visualisointi Suomusjärven alueella
Notice bibliographique
Résumé
Kallioperän 3D-mallintamista hyödynnetään nykyisin niin geologisissa perustutkimuksissa, kalliorakentamisessa, kuin kaivosympäristöissä. Tässä tutkielmassa perehdytään geologisen 3D-mallintamisen menetelmiin ja ohjelmistojen toimintaperiaatteisiin. \n \nSuomusjärvellä sijaitseva tutkimusalue on osa Svekofennistä akkreetio-orogeniavyöhykettä, joka koostuu toisiinsa liittyneistä terraaneista. Suomusjärven alue on osa Suomen Svekofennidien eteläisintä terraania, Etelä-Suomen kaarikompleksia, jonka monivaiheinen metamorfinen ja rakenteellinen kehitys kulminoitui noin 1830-1810 Ma sitten. \n \nTutkimusaineistona hyödynnettiin alueella tätä työtä varten tehtyjä maastohavaintoja ja vanhoja kartoituksia. Lisäksi hyödynnettiin Suomen kallioperän-DigiKP – karttatietokantaa sekä laserkeilausaineistoa. Kerätystä aineistosta rakennettiin kahdella eri ohjelmistolla kaksi Suomusjärven alueen geologiaa kuvaavaa mallia. Ensimmäinen malli laadittiin käyttämällä Paradigm™:n GOCAD® Mining Suiteen kehitettyä SPARSE-moduulia. Toinen malli tehtiin Intrepidin GeoModeller-ohjelmiston avulla. Tarkoituksena oli vertailla sekä malleja, että käytettyjen ohjelmistojen toimivuutta Suomen kallioperän monimutkaisten rakenteiden mallintamisessa. \nKoska mallit perustuivat paljolti vanhoihin paljastumahavaintoihin, ei niiden avulla saatu alueelta uutta geologista tietoa. Käytettyjen ohjelmistojen vahvuudet ja heikkoudet kävivät ilmi tutkielman aikana. Kumpikin ohjelmisto soveltuu Suomen kallioperän mallintamiseen tiettyine rajoituksineen.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».