Multivariate analysis for geochemical process identification using stream sediment geochemical data: A perspective from compositional data
Notice bibliographique
Résumé
Identification of underlying geochemical processes based on samples of different types such as stream sediments, soils, and water is important for a range of applications including mineral exploration, land use planning, and environmental assessment of both natural and anthropogenic factors. However, almost all geochemical compositions of these samples are subject two limitations: outliers and the data closure effect. In the present study, bivariate relationships between selected major elements are examined to illustrate their spurious correlation by using centered log ratio (clr) transformation. In addition, robust factor analysis (FA) and compositional data analysis are used to prevent the effect of outliers and to reduce the influence of data closure in the identification of geochemical processes. First, a k-means algorithm is applied to partition geochemical data into three clusters to enhance the interpretation of the geochemical data. Then, robust FA is applied to log ratio-transformed geochemical data. The first five factors are extracted on the basis of the scree plot of eigenvalues. The results indicate that robust FA applied to log ratio-transformed data can be used to effectively identify geochemical processes and to determine the extent of anthropogenic and natural influences such as mineralization, weathering and diagenesis, heavy metal accumulation or contamination, or a combination of these factors. Several geochemical processes are indicated by the first five factors, explained as follows: (a) F1 reflects granitic rocks and natural or industrial contamination by Cu, Ni, Sb, As, Cd, and Cr; (b) F2 reflects W polymetallic mineralization; (c) F3 reflects Au anomalies and heavy metal contamination by Zn, Cd, Mn, and Pb; (d) F4 reflects Mo and Au anomalies; and (e) F5 reflects Ag-W-Be-La mineralization and heavy metal contamination by Hg and Sb.
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 | 0,008 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».