Petrophysics and mineral exploration: a workflow for data analysis and a new interpretation framework
Notice bibliographique
Résumé
ABSTRACT As mineral exploration seeks deeper targets, there will be a greater reliance on geophysical data and a better understanding of the geological meaning of the responses will be required, and this must be achieved with less geological control from drilling. Also, exploring based on the mineral system concept requires particular understanding of geophysical responses associated with altered rocks. Where petrophysical datasets of adequate sample size and measurement quality are available, physical properties show complex variations, reflecting the combined effects of various geological processes. Large datasets, analysed as populations, are required to understand the variations. We recommend the display of petrophysical data as frequency histograms because the nature of the data distribution is easily seen with this form of display. A petrophysical dataset commonly contains a combination of overlapping sub‐populations, influenced by different geological factors. To understand the geological controls on physical properties in hard rock environments, it is necessary to analyse the petrophysical data not only in terms of the properties of different rock types. It is also necessary to consider the effects of processes such as alteration, weathering, metamorphism and strain, and variables such as porosity and stratigraphy. To address this complexity requires that much more supporting geological information be acquired than in current practice. The widespread availability of field portable instruments means quantitative geochemical and mineralogical data can now be readily acquired, making it unnecessary to rely primarily on categorical rock classification schemes. The petrophysical data can be combined with geochemical, petrological and mineralogical data to derive explanations for observed physical property variations based not only on rigorous rock classification methods, but also in combination with quantitative estimates of alteration and weathering. To understand how geological processes will affect different physical properties, it is useful to define three end‐member forms of behaviour. Bulk behaviour depends on the physical properties of the dominant mineral components. Density and, to a lesser extent, seismic velocity show such behaviour. Grain and texture behaviour occur when minor components of the rock are the dominate controls on its physical properties. Grain size and shape control grain properties, and for texture properties the relative positions of these grains are also important. Magnetic and electrical properties behave in this fashion. Thinking in terms of how geological processes change the key characteristics of the major and minor mineralogical components allows the resulting changes in physical properties to be understood and anticipated.
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 | 0,012 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,016 | 0,010 |
| Science ouverte | 0,005 | 0,014 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,016 |
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 ».