Modelling lake sediment geochemical distribution using principal component, indicator kriging and multifractal power-spectrum analysis: a case study from Gowganda, Ontario
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
Combined geostatistical and multifractal power-spectrum modelling of geochemical distributions can provide suitable indicators of metal dispersion, and is capable of analysing complex problems for targeting potential areas for mineral exploration. A case study analysing lake sediment geochemical data for the Gowganda area is presented and development of the methodology for spatial analysis of the data is described. The Gowganda-Cobalt area of northeastern Ontario is a textbook example of Co, Ag-Co vein-type deposit, which by 1984 had yielded one-half billion ounces of Ag. The area is also known for shear-zone-hosted Au mineralization. This paper uses the spatial and geometric distribution of lake sediment data to discriminate geochemical anomalies from background values. The application of two geostatistical techniques (spatial principal component analysis and indicator kriging) allows the estimation of geochemical distributions by utilizing their statistical and spatial properties. The newly developed multifractal power-spectrum method additionally allows for the geochemical distributions to be modelled by their multifractal Fourier-transformed power-spectrum characteristics. Verification of the estimates produced by these techniques has been enabled through spatial analysis of bedrock geology and mineral deposit occurrences in the area.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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