MétaCan
Menu
Retour à la cohorte
Enregistrement W2699416601 · doi:10.1111/ter.12279

Formation of a giant Zn–Pb deposit from hot brines injecting into a shallow oil–gas reservoir in sandstones, Jinding, southwestern China

2017· article· en· W2699416601 sur OpenAlexafffund
Guoxiang Chi, Chunji Xue, Xianda Sun, Jianqing Lai, Peng Luo, Hao Song, Sheng Li, Rong Zeng

Notice bibliographique

RevueTerra Nova · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensSaskatchewan Research Council (Canada)University of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGeologyPetrographyGeochemistryFluid inclusionsSedimentary rockFossil fuelFormation waterPetroleum engineeringPaleontologyChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The association between mineralisation and hydrocarbons in sedimentary basins is widely recognised, but the nature and significance of their relationships are not fully understood. This paper provides an example of metalliferous brines injecting into a palaeo‐oil–gas reservoir to form a world‐class Zn–Pb deposit (Jinding, China). Petrographic and microthermometric studies of oil inclusions and PVT simulations suggest that oil and gas were charged in a shallow (<1300 m) environment before mineralisation. This environment favoured bacterial sulphate reduction (BSR), which produced large amounts of H2S that accumulated in the gas cap. Forceful injection of hot brines penetrated the oil zone to reach the H2S‐rich gas cap and precipitated sulphide ores. Individual fluid injection events were short‐lived, and the reservoir was only partly and briefly heated to beyond the bacterial survival temperature. Episodic injection of metalliferous brines and sustained supply of H2S through BSR resulted in the formation of a large Zn–Pb deposit.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,262
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTerra NovaMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207