Mineral potential evaluation based on airborne geophysical data
Notice bibliographique
Résumé
A prediction model, based on the differences between the distribution functions of geophysical survey data from mineralised and non-mineralised areas, has been developed to identify exploration targets. Exploration for mineral resources is conducted in a step-by-step approach, and the proposed prediction model is applicable to each of these steps. Empirical probabilities of discovering new deposits are estimated by a cross-validation technique. The cross-validation technique is central to the proposed methodology.The first study area, located in north-east Guinea, West Africa, covers 46000 km2. Magnetic and radiometric data from a 1 km line spacing airborne survey were used to create a mineral prediction map for lateritic-type gold deposits. This can be considered a reconnaissance study to identify further exploration areas likely to contain undiscovered deposits. These areas should be small enough to carry out further geologic study. From the prediction model, we have identified target areas, covering approximately 2300 km2 or 5% of the study area. We expect that the target areas contain 55% of all undiscovered lateritic gold deposits in the study region. The best prediction results are obtained when the total magnetic field, potassium abundance and uranium to thorium ratio data are used.The second example is from the Bathurst Mining Camp in New Brunswick, eastern Canada. Geophysical data are from a high-resolution helicopter-borne magnetic, electromagnetic and radiometric survey flown during the summer of 1995. This prediction study can be considered as a second step after a first reconnaissance study. The area covers approximately 4100 km2 and many volcanogenic massive sulphide (VMS) deposits are found in this region. The best prediction results are obtained using magnetic and electromagnetic data only, without radiometric data. The target areas delineated in the prediction map cover 41 km2 or 1% of the study area. From the cross-validation analysis these target areas are expected to contain 40% of all undiscovered VMS deposits in the Bathurst Mining Camp.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».