MétaCan
Menu
Retour à la cohorte
Enregistrement W2098733118 · doi:10.1144/geochem2012-163

Improving lithological discrimination in exploration drill-cores using portable X-ray fluorescence measurements: (1) testing three Olympus Innov-X analysers on unprepared cores

2014· article· en· W2098733118 sur OpenAlexaff
Pierre‐Simon Ross, A. Bourke, Bastien Fresia

Notice bibliographique

RevueGeochemistry Exploration Environment Analysis · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésDrillX-ray fluorescenceMaterials scienceFluorescencePhysicsOpticsMetallurgy

Résumé

récupéré en direct d'OpenAlex

Portable X-ray fluorescence (pXRF) analysers are increasingly popular tools for geoscientific applications, including mineral exploration. One promising application, illustrated in the companion paper, is to obtain high-spatial resolution down-hole geochemical profiles using pXRF on unprepared exploration drill-cores. However, the precision and accuracy of pXRF analysers on such samples is not well studied. We have tested three Olympus Innov-X analysers, both on a sediment standard (NIST 2702, ‘Inorganics in Marine Sediment’) and in-situ on unmineralized rock cores from volcanic and intrusive, mafic to felsic lithologies. We conclude that pXRF is quite precise for a number of elements, but not very accurate using factory calibrations. For example, the 1σ precision of one Delta Premium analyser tested on a basaltic core, in mining plus mode, with a 60 s integration time, is better than 5 % for Al, Ca, Fe, K, Mn, S, Si, Ti, Zn and Zr. The same analyser, tested on a range of volcanic and intrusive core samples, yielded the following average systematic errors: Al -23 %, Ca -4 %, Fe +1 %, K -9 %, Mg -17 %, Mn -15 %, P +218 %, Si +4 %, Ti -23 %, Cu +220 %, Zn +151 %, and Zr +17 %. These systematic errors can largely be removed by the application of correction factors, which are unique to each analyser and each project. Without such corrections, the three analysers tested, including two ‘identical’ Delta Premium models, yield different results on the same sample. Another important finding is that within 20 cm long core samples, the effect of mineralogical heterogeneity on in-situ pXRF data is much larger than that of the instrument precision. Finally, with the Delta analysers, both the ‘mining plus’ and the ‘soil’ modes are needed to determine as many elements as possible with the best data quality possible.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,249
Écart entre enseignants0,176 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations53
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeochemistry Exploration Environment AnalysisMême sujetGeochemistry and Geologic MappingTravaux en français237 207