MétaCan
Menu
Back to cohort
Record W7062988155

Valutazione di differenti strategie di inversione dati (Airborne EM). Applicazione allo studio degli acquiferi superficiali nel bacino del Peace River (NE British Columbia, Canada)

2018· article· it· W7062988155 on OpenAlexaboutno aff

Bibliographic record

VenueElectronic Theses and Dissertations Repository (University of Pisa) · 2018
Typearticle
Languageit
FieldEngineering
TopicAdvanced Power Generation Technologies
Canadian institutionsnot available
Fundersnot available
KeywordsInternal forcesFrame problemPoison control
DOInot available

Abstract

fetched live from OpenAlex

Riassunto<br><br>Il lavoro di tesi ha l’obiettivo di valutare differenti strategie di inversione dati (Airborne Electro-Magnetic data) e le relative implicazioni legate al modelling geologico.<br>Il metodo EM è basato sul fenomeno fisico dell’induzione elettromagnetica che si stabilisce tra uno strumento d’indagine e il target da studiare (Nabighian &amp; Macnae,1991). Ciò che viene registrato dallo strumento è la risposta del terreno ad una sollecitazione esterna: in questo caso ad un campo magnetico variabile nel tempo che induce delle correnti nel terreno. Queste correnti si dissipano in tempi rapidissimi producendo a loro volta un capo elettromagnetico secondario di cui viene misurato il tasso di decadimento. Ciò che si misura è un valore di voltaggio, registrato da un’unità ricevente, che contiene le informazioni di resistività del sottosuolo. I dati vengono poi invertiti ottenendo come risultato una distribuzione tridimensionale della resistività elettrica del sottosuolo.<br>L’inversione dei dati AEM, in particolare, rappresenta un problema inverso di tipo non lineare e viene risolto utilizzando la formulazione di Gauss-Newton o di Levemberg-Marquardt. Come la maggior parte dei problemi geofisici, l’inversione dei dati AEM è un problema mal-posto e mal-condizionato. In questo progetto di tesi si è affrontato dunque il problema utilizzando varie strategie di inversione che implementano differenti parametri di regolarizzazione al fine di ottenere delle soluzioni stabili. L’algoritmo su cui si basa l’inversione utilizzata lavora con uno schema di inversione 1D ma si avvale di vincoli spaziali, detti constraints, al fine di produrre dei modelli pseudo-2D (o 3D) di resistività . I constraints operano vincolando i parametri del modello sia tra i sondaggi di una stessa linea di acquisizione sia tra surveys vicini. Viene generato così un risultato robusto che avvalora la connessione geofisico-geologica. Nello schema di inversione sono state aggiunte anche delle informazioni a priori. Con informazioni a priori si intendono sia le informazioni di tipo puntuale (geologiche, geofisiche, etc.) esterne all&#39;indagine, sia le modalità con cui una determinata proprietà fisica o parametro si distribuisce nel semispazio. L’utilizzo di queste informazioni ha permesso di direzionare l’inversione verso soluzioni che soffrono meno del problema della non-univocità .<br>Le differenti strategie di inversione sono state sperimentate sia su dataset sintetici che su dati reali. Questi ultimi provengono da una prospezione AEM condotta in British Columbia nel 2015, mentre i dati sintetici sono stati ottenuti considerando degli scenari che schematizzano alcuni assetti geologici presenti nel territorio del Canada occidentale. I risultati ottenuti dai dati sintetici hanno fornito le basi per la successiva analisi dei dati reali.<br>Lo scopo ultimo, del progetto di tesi, è stato ottenere dei risultati che potessero affinare le conoscenze geologiche relative agli acquiferi superficiali nello stato della British Columbia: il presente lavoro si inserisce infatti all&#39;interno di un progetto di più ampio respiro, il Peace Project , e ne rappresenta una diramazione o meglio un focus.<br><br>Nel primo capitolo dell’elaborato vengono definiti alcuni principi fisici alla base dell’induzione elettromagnetica.<br>Nel secondo capitolo sono riassunti i vari passaggi di processing del dato necessari al fine di ottenere, dai dati AEM, il massimo dell’informazione. L’applicazione del metodo AEM in campo idrogeologico è stata resa possibile anche grazie al raffinamento del processo di elaborazione dati: piccole variazioni nel dato possono infatti inficiare il successo dell’indagine (Auken et al., 2009).<br>Nel terzo capitolo sono descritte le tecniche di inversione utilizzate in questo lavoro di tesi. Per una comprensione più chiara vengono descritti in primo luogo i concetti base di inversione per problemi lineari e non lineari.<br>Le strategie di inversione utilizzate sono la Smooth inversion, la Few Layer inversion, e la Sharp inversion.<br>Il capitolo 4 presenta i risultati ottenuti applicando i suddetti approcci di inversione a vari datasets sintetici, utilizzando sia vincoli spaziali che informazioni a priori all’interno dello schema di inversione. L’obiettivo è stato valutare in che modo le varie strategie influenzano ognuno dei modelli, ponendo l’attenzione sul valore di data misfit, sulla sensitività (qualitativa) dello strumento e sul grado di coerenza delle distribuzioni di resistività ricostruite. Grazie a questo studio sistematico sui dati sintetici è stato possibile arrivare alle seguenti conclusioni:<br>• il risultato dell’inversione Smooth fornisce un quadro generale su quante e quali siano le principali features elettriche che compongono il semispazio investigato ricostruendo i contatti tra i vari elettrostrati in maniera graduale, ‘sfumati’ dai constraints applicati sia verticalmente che orizzontalmente.<br>• La strategia Few Layers definisce bene i limiti tra le features a differente contrasto di resistività . Lavorando senza alcun tipo di regolarizzazione (verticale), l’inversione ricostruisce un semispazio con un numero limitato di strati definiti dall’utente. Localmente introduce artefatti ogni qualvolta la geologia diviene più o meno complessa e/o lo starting model risulta non adeguato.<br>• L’inversione Sharp produce dei modelli capaci di distinguere le varie unità elettriche ricostruendo, a partire da una discretizzazione multistrato, un semispazio costituito da pochi blocchi in cui vi è un gradiente non evanescente di resistività elettrica.<br><br>In base ai risultati ottenuti dal modelling sintetico e considerando gli assetti geologico-strutturali presenti in British Columbia sono state scelte le strategie con cui sono stati invertiti i dati AEM reali: l’attenzione è stata posta sulla Sharp. L’obiettivo dell’inversione di dati reali è stato quindi produrre dei modelli con contatti netti tra le differenti features elettriche cercando di definire al meglio le strutture sepolte presenti nell&#39;area interpretabili come paleovalli (reservoirs di acque dolci).<br>I diversi risultati, presentati nel capitolo 5, sono stati ottenuti variando i settings di inversione della strategia Sharp e inserendo una serie di informazioni a priori esterne. I modelli geofisici hanno mostrato un semispazio che diveniva via via più complesso aggiungendo progressivamente più struttura al variare dei parametri contenuti nei termini di regolarizzazione.<br>L’inserimento di informazioni a priori all’interno dello schema di inversione ha permesso di valutare se i risultati erano in linea con l’a priori impostata o se al contrario restituivano un modello peggiore con valori di misfit più elevati.<br>Nell’ultima parte del lavoro di tesi è stata posta particolare attenzione alle varie implicazioni geologiche derivanti dall’interpretazione dei differenti modelli geofisici presentati nel capitolo 5. Nello specifico sono stati scelti tre modelli sharp su cui si è condotta un’interpretazione in chiave geologica. L’obiettivo, partendo dal modello più sharp fino al meno sharp, è stato quello di ottenere una migliore definizione dei contatti stratigrafici tra i vari elettrostrati, una completa definizione delle unità sedimentarie e una marcata continuità laterale delle strutture elettriche ove presente. Dall’interpretazione di questi modelli geofisici sono stati creati tre differenti modelli geologici (voxel) attraverso l’utilizzo del software GeoScene3D. Il modelling geologico ha previsto l’utilizzo di:<br>1. carta geologica dell’area di studio dove sono mappati i contatti delle unità superficiali.<br>2. un modello Voxel costruito dal servizio geologico danese (GEUS) che rappresenta le principali unità formazionali che caratterizzano l’area.<br>3. due differenti contributi di data misfit: un LM e un HM data misfit.<br>Il sistema SkyTEM utilizzato per l’acquisizione dei dati reali energizza il semispazio con due differenti momenti magnetici. I dati provenienti da una registrazione in High Moment sono direttamente legati alla risposta del terreno più profondo in quanto le correnti indotte che si propagano nel semispazio si diramano in profondità allargandosi progressivamente come degli anelli di fumo. Al contrario i dati registrati in Low Moment provengono dalla risposta EM del semispazio più superficiale.<br>I due data misfit sono stati utilizzati durante le fasi di interpretazione al fine di valutare quali strutture elettriche presenti nel modello (superficiali e profonde) erano correttamente interpretabili da un punto di vista geofisico (misfit). Il confronto tra i voxels ha messo in evidenza degli aspetti importanti riguardanti le paleovalli presenti nell’area.<br><br>In questo lavoro di tesi è stata quindi provata l’efficacia della strategia sharp sia sui dati sintetici che sui dati reali. Si può affermare che l’utilizzo della Sharp permette di ottenere dei modelli in cui le brusche variazioni orizzontali di resistività vengono ricostruite in maniera eccellente senza ricorrere all’utilizzo di un’inversione discreta del tipo Few Layer; allo stesso tempo, utilizzando una discretizzazione verticale fissa come la smooth inversion, è capace di produrre dei modelli con variazioni di resistività quasi-3D utilizzando dei sottodomini di resistività (quasi-) omogenea.<br>L’inversione Sharp si basa su una metodologia di regolarizzazione flessibile (Vignoli et al., 2014) che può essere utilizzata in altri campi di applicazione in cui si intende risolvere un modello che presenta variazioni brusche sia laterali che in profondità .<br>L’interpretazione geologica condotta sui differenti modelli geofisici ha poi messo in luce degli aspetti importanti che potrebbero costituire la base per lo sviluppo di un lavoro futuro, come la creazione di un nuovo modello concettuale per un’area interna al Peace Project. <br>

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.640
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.001
Science and technology studies0.0020.001
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.007
GPT teacher head0.188
Teacher spread0.181 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueElectronic Theses and Dissertations Repository (University of Pisa)Same topicAdvanced Power Generation TechnologiesFrench-language works237,207