Modeling of mineralization using minimum/maximum autocorrelation factor: case study Sury Gunay gold deposit NW of Iran
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
The importance of modeling geological units and mineralization factor, as a key step in evaluating mineral deposits, is undeniable. Multivariate geostatistical methods are very useful tools in the case of geochemical modeling. In this study, the minimum/maximum autocorrelation factor (MAF), a multivariate geostatistical method, and the sequential indicator simulation (SIS) were used in order to model the Sury Gunay epithermal gold deposit, NW of Iran. The analyses were done using core samples obtained from drill holes. The MAF is a geospatially modified version of principal component analysis, which decorrelates factors for all lag distances. By applying the MAF on alr-transformed data, four MAF were obtained and the fourth factor represents the mineralization factor. Joint simulation of the mineralization elements was carried out by applying the sequential Gaussian simulation to the fourth factor scores. The main rock types and alterations of the deposit were also modeled using SIS and the probabilistic models of the rock types, and alterations were obtained using E-type maps resulting from 20 realizations. The results indicate that there are better relations with higher values of the mineralization factor and the existence of the volcanogenic breccia and dacite porphyry rock types. Furthermore, the simulated alterations demonstrate that the higher probability of silicification existence may have better correlation with higher concentrations of the mineralization elements.
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 | 0,001 | 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