Multi-element association analysis of stream sediment geochemistry data for predicting gold deposits in south-central Yunnan Province, China
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
The use of traditional statistical and new methods of spatial analysis can provide suitable indicators of geochemical element dispersion, and aid in targeting potential areas for mineral exploration. A case study involving the analysis of stream sediment geochemistry data from an area in Yunnan province, South China, is presented. The area has two known areas of gold deposits where several mines are present. The study starts with an appraisal of the descriptive statistics of the data. Geological studies were conducted in the study area to obtain a thorough understanding of the regional geology, ore geology of known gold deposits, and mineralization, and to determine the mineral deposit model. Most of the GIS analysis was done using the stream sediment geochemical data. An inverse distance weighting interpolation algorithm was used to convert the point data to continuous surface (grid) maps for each element. Principal component analysis (PCA) was used to compress the information to a few maps and to assist in determining multi-element associations. The study revealed that most of the high element concentrations in stream sediments were found in the Ailaoshan metamorphic belt. Gold deposits were found to be associated with ultramafic intrusives within the Ailaoshan metamorphic belt and the ultramafic instrusives are associated with principal component images that represent multi-element associations related to gold mineralization. The first two principal components possibly represent two different types of gold associations and phases of mineralization. The study demonstrates the usefulness of applying PCA to geochemical data to produce maps that reveal different associations useful for gold exploration.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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