Gold prospectivity maps of the Red Lake greenstone belt: application of GIS technology
Notice bibliographique
Résumé
Recent advances in the use of Geographic Information Systems (GIS) software and analysis can be used in conjunction with traditional geoscience data sets to determine effective predictors for gold mineralization, from which mineral prospectivity maps can be generated that highlight potential exploration targets on a regional scale. In this paper, key components of the Archean lode gold deposit model for the Red Lake belt are selected and modeled using weights of evidence (WofE) analysis and logistic regression, leading to the creation of gold prospectivity maps. The best predictors for past and present gold producers in the Red Lake camp, according to WofE analysis include (1) elevated trace elements, Au, As, and Sb; (2) a number of alteration indices calculated from oxide geochemical data; (3) alteration characterized by pervasive and vein-style ferroan carbonate and elevated Au, As, Sb, and S anomalies; (4) proximity to the Mackenzie Island stock and diorite phases of the Dome stock; and, (5) tholeiitic basaltic flows and associated gabbroic rocks of the Balmer assemblage. Gold prospectivity maps produced by logistic regression using binary evidence maps highlight anomalous localities within known and highly prospective areas in the district (Madsen – Red Lake corridor, Balmertown – Cochenour – East Bay). In addition, a number of localities not known to contain significant deposits were also identified as prospective.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».