3D inversion of magnetic data seeking sharp boundaries: a case study for a porphyry copper deposit from Now Chun in central Iran
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT This paper describes an application of 3D inversion of magnetic data to recover a susceptibility model from magnetic anomalies. For this purpose, the subsurface of the desired area of the magnetic anomaly is divided into a mesh with a large number of rectangular prisms with unknown susceptibilities. A Tikhonov cost function with multi‐term regularizers involving boundaries of susceptibility distribution and an edge‐preserving penalty function, as a tool to recover sharp boundaries, was used. Three methods (i.e., the U‐curve, Tikhonov‐curve and L‐curve methods) are applied to determine the optimum regularization parameter during the inversion process. Testing of the applied methods showed that the application of the U‐curve (a well‐known method in applied mathematics) in geophysical inverse problems and Tikhonov‐curve as a proposed technique can be appropriate candidates, like a common L‐curve method, for choosing the optimal regularization parameter. To avoid the natural tendency of magnetic structures to concentrate at the shallow depths in models created by inversion, a depth weighting function derived from information of the depth‐to‐the‐bottom of a generating source was applied. The AN‐EUL technique as a combination of the analytic signal and the Euler deconvolution methods is used to estimate the structural index of causative sources in order to construct an appropriate depth weighting function. Here, it is assumed that there is no remanent magnetization and the observed data are influenced by only the induced magnetization. A case study involving ground based measurements over a porphyry‐Cu deposit located in Kerman providence of Iran, Now Chun deposit, is included. The recovered 3D susceptibility model provided beneficial information for design of the exploration drilling programme. The susceptibility lows in the constructed model, in particular, their depths down to 410 m, coincides with the known locations of copper mineralization.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle