MétaCan
Menu
Retour à la cohorte
Enregistrement W2958990572 · doi:10.35624/jminer2019.01.01

Sequential Indicator Simulation with Locally Varying Anisotropy – Simulating Mineralized Units in a Porphyry Copper Deposit

2019· article· en· W2958990572 sur OpenAlexaff
R. Gutiérrez, Julián M. Ortíz

Notice bibliographique

RevueJOURNAL OF MINING ENGINEERING AND RESEARCH · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésHypogeneMineralization (soil science)AnisotropyGeologyMineralogySoil science

Résumé

récupéré en direct d'OpenAlex

The definition of mineralized units is key to the predictive capacity of a resource model, since these units define homogeneous volumes where spatial estimation or simulation of the relevant grades can be performed. In this paper, we adapt sequential indicator simulation to model mineralization units in a large porphyry copper deposit, accounting for the weathering profile that defines the vertical zoning of these units. A locally varying anisotropy field is created from the geological interpretation of the contact between the mixed mineralized unit, where the rock mineralization transitions from supergene to hypogene sulphides. A sequential indicator simulation routine is modified to account for the local variations of the units, and all distances are computed through these folded surfaces. Sensitivities related to the main parameters of the simulation algorithm that accounts for the locally varying anisotropy are performed to select the optimum parameters. The final result is compared with conventional sequential indicator simulation, against the geological units logged in blast holes, at a much denser grid, showing an increase in the accuracy in predicting the mineralized unit from the drillhole logged data.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,032
Tête enseignante GPT0,288
Écart entre enseignants0,256 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJOURNAL OF MINING ENGINEERING AND RESEARCHMême sujetGeochemistry and Geologic MappingTravaux en français237 207