Three-dimensional stochastic assimilation of gravity data in Lalor volcanogenic massive sulphide, Manitoba, Canada
Notice bibliographique
Résumé
We propose a new numerical workflow based on stochastic data integration where we merge a conceptual geological model, drillhole geophysical and geological logs, and surface geophysical data to compute a unified numerical model of a volcanogenic massive sulphide (VMS) deposit. The first step of the workflow consists in building a three-dimensional (3D) numerical conceptual model of the geology. This conceptual model, as well as geological logs, is then used to generate multiple equiprobable scenarios of the geology by means of multiple-point simulation (MPS). The MPS method studies high-order statistics in the space of a numerical conceptual model, making it possible to reproduce complex geological structures. We then use conventional conditional sequential Gaussian simulation, which is a method based on a node-by-node sequential process, to stochastically populate the geological grid with densities. For this purpose we use available density logs to simulate multiple equiprobable spatial distributions of the density at high spatial resolution within each geological unit separately. The stochastic high-resolution density models are iteratively combined by the gradual deformation method to minimize the difference between measured Bouguer anomaly data and the data computed on the combined realizations of density. Application of the proposed method to the Lalor deposit, a VMS deposit in Manitoba, Canada, produces a density model that honours the geology of the deposit and the Bouguer anomaly data. This unified model has the advantage to include all the available information (geological and density logs and surface geophysics) at scales appropriate for mining applications.
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 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 | 0,001 | 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 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».