3D conductivity models of Lalor Lake VMS deposit from ground loop and airborne EM data sets
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
Lalor Lake is a VMS deposit in central Manitoba, Canada. The deep ore body is buried under the cover rocks up to 1000 m. Multiple EM data sets were collected to delineate the compact and conductive alteration zones and two data sets are available to us. The first is HELITEM, an airborne time-domain EM survey that covers the entire exploration area. The second is a ground loop EM data measured by SQUID magnetometers that have high precision at late times. The two data sets map the conductivity structures at Lalor Lake in different ways: the airborne survey covers a broad area but has limited resolving power at depth; the ground survey provides information about the deep targets through very late times but the measurements were made in a smaller area. Individual 3D inversions were carried out for both data sets assuming little a prior information. Both are able to recover the trace of the expected ore body, but the airborne model is smooth and the ground model contains highly conductive anomalies. Then we invert the ground data again with the airborne model as the reference model. The new inversion again confirms the existence of the VMS ore body but also rearranges the conductive material according to the constraints from the reference model. The new model differs significantly from the blind inversion model at the deposit scale. Based on the information from the inversion so far, we conclude both surveys have picked up signals from the ore body in different levels of detail. More analysis and further data are still required to better delineate the target’s geometry.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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