Metalliferous mining geophysics — State of the art after a decade in the new millennium
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
Abstract Mining exploration was very active during the first decade of the twenty-first century because there were numerous advances in the science and technology that geophysicists were using for mineral exploration. Development came from different sources: instrumentation improvements, new numerical algorithms, and cross-fertilization with the seismic industry. In gravity, gradiometry kept its promise and is on the cusp of becoming a key technology for mining exploration. In potential-field methods in general, numerous techniques have been developed for automatic interpretation, and 3D inversion schemes came into frequent use. These inversions will have even greater use when geologic constraints can be applied easily. In airborne electromagnetic (EM) methods, the development of time-domain helicopter EM systems changed the industry. In parallel, improvements in EM modeling and interpretation occurred; in particular, the strengths and weaknesses of the various algorithms became better understood. Simpler imaging schemes came into standard use, whereas layered inversion seldom is used in the mining industry today. Improvements in ground EM methods were associated with the development of SQUID technology and distributed-acquisition systems; the latter also impacted ground induced-polarization (IP) methods. Developments in borehole geophysics for mining and exploration were numerous. Borehole logging to measure physical properties received significant interest. Perhaps one reason for that interest was the desire to develop links between geophysical and geologic results, which also is a topic of great importance to mining geologists and geophysicists.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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