Data mining of petrophysical and lithogeochemical borehole data to elucidate the origin of seismic reflectivity within the Kevitsa Ni–Cu–PGE bearing intrusion, northern Finland
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
ABSTRACT The Kevitsa mafic‐ultramafic intrusion, located within the Central Lapland Greenstone Belt in northern Finland, hosts a large, disseminated Ni–Cu–PGE sulphide deposit. A three‐dimensional seismic reflection survey was conducted over the Kevitsa intrusion in 2010 primarily for open‐pit mine planning and for deep mineral exploration purposes. In the Kevitsa three‐dimensional seismic data, laterally continuous reflections are observed within a constrained region within the intrusion. In earlier studies, it has been suggested that this internal reflectivity mainly originates from contacts between the tops and more sulphide‐rich bottoms of smaller scale, internally differentiated magma layers that represent a spectrum of olivine pyroxenites. However, this interpretation is not unequivocally supported by the borehole data. In this study, data mining, namely the Self‐Organizing Map analysis, of extensive Kevitsa borehole data is used to investigate the possible causes for the observed internal reflectivity within the Kevitsa intrusion. Modelling of the effect of mineralization and alteration on the reflectivity properties of Kevitsa rock types, based on average modal compositions of the rock types, is presented to support the results of the Self‐Organizing Map analysis. Based on the results, we suggest that the seismic reflectivity observed within the Kevitsa intrusion can possibly be attributed to alteration, and may also be linked to the presence of sulphide minerals.
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 | 0,001 | 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 | 0,001 |
| 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