Constructing piecewise-constant conductivity models for 3D magnetotelluric inversions
Notice bibliographique
Résumé
ABSTRACT The models constructed using the minimum-structure, or Occam’s, style of inversion are smeared-out and fuzzy. These blurred models may be sufficient and appropriate in the early stages of an exploration project and in regions where the subsurface structure is smooth; however, they do not give a realistic representation of thin structures or localized ore bodies that are essentially uniform geologic units separated by sharp interfaces from their surrounding host rocks. To construct piecewise-constant models with sharp interfaces, ℓ1 measure, ℓ0 measure, and fuzzy c-mean (FCM) clustering approaches were implemented and compared for the 3D magnetotelluric (MT) inverse problem using unstructured tetrahedral meshes. These methods were applied to 3D synthetic MT data and real audio-magnetotelluric (AMT) data collected in an exploration project over the McArthur River uranium mine in the Athabasca Basin, Canada, to demonstrate the effectiveness of the approaches. For the real example, geologic orientation information of the structure was also incorporated into the inversion framework. The examples showed that these approaches, in particular the clustering approach, can construct piecewise-constant models with sharp interfaces and clear boundaries between anomalous targets and their surrounding host rocks. The examples also demonstrated that the clustering approach introduced more nonlinearity into an objective function than non-ℓ2 measures, and this approach was more sensitive to the user-provided a priori information for an inversion than non-ℓ2 measures. Including geologic orientation information in the inversion framework improved the quality of the constructed models and allowed AMT data to be inverted in the coordinate system in which they were measured; there was no need to rotate the data.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».