Multiplicative cascade processes and information integration for predictive mapping
Notice bibliographique
Résumé
Abstract. This paper presents a new model proposed on the basis of multiplicative cascade process (MCP) theory for integrating spatial information to be used for mineral resources prediction and environmental impact assessment. Probability of a spatial point event is defined as the probability that a small map calculating unit (map unit) randomly selected from a study area contains one or more points. The probability that such unit randomly selected from a subarea with known spatial binary map patterns (evidential layers) contains one or more points is defined as the posterior point event probability. In this paper, processes of integrating multiple binary map patterns that divide the study area into smaller areas with updated posterior probabilities are viewed as multiplicative cascade processes resulting in a new log-linear model for calculating conditional probabilities from the multiple evidential input layers. The coefficients (weights) involved in this model measuring degree of spatial correlation between point event and the evidential layers are found to be associated with singularity indices involved in multifractal modeling. It is demonstrated that the model is simple and easy to be implemented in comparison with the existing weights of evidence model which is commonly applied in spatial decision modeling. In addition, the posterior probability as the end product of a multiplicative cascade process can be used to describe multifractality and singularity which are useful properties for characterizing spatial distribution of predicted point events. A case study of tin mineral potential mapping in the Gejiu mineral district in China is used to illustrate principles and use of the modeling process. Four binary layers: formation of limestone, buffer distance for intersections of three groups of faults, local and regional geochemical anomalies of elements As, Sn, Cu, Pb, Zn and Cd, were combined for mapping potential areas for occurrence of tin mineral deposits.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».