Joint and constrained inversion of magnetic and gravity data: A case history from the McArthur River area, Canada
Notice bibliographique
Résumé
ABSTRACT Magnetic and gravity data are used in the early stages of exploration for uranium deposits in the Athabasca Basin of Canada, just as for many other mineral exploration scenarios. Uranium mineralization in the Athabasca Basin is located where faults in the basement intersect the unconformity between the basement and the overlying sandstones. The gravity and magnetic data are dominated by signatures from the basement and an overburden of glacial sediments. The gravity and magnetic data are effective at mapping the basement geology. Any subtle gravity signal from the mineralization related to the formation of the uranium deposits is masked by the signal from the variable-thickness overburden. Three-dimensional joint inversion of gravity and magnetic data, first without and then with constraints, is evaluated as a means of better determining the structure of the three main lithologies (overburden, sandstones, and basement) in the Athabasca Basin. A significant amount of physical property information is available for the main rock units (and overburden), which makes the use of the compositional approach to joint inversion appropriate. For the joint inversion, the fuzzy c-means clustering method is used. Results from representative synthetic examples indicate that the joint inversions can construct the overburden and basement structures better than the independent inversions of gravity and magnetic data. Furthermore, constrained joint inversion allows delineation of all three major layers in the area. The same inversion strategies then are applied to real airborne gravity and magnetic data from the McArthur River area in the eastern Athabasca Basin. The results we obtain demonstrate the capabilities of joint inversion for real-life situations.
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 | 0,000 | 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 | 0,000 | 0,000 |
| 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 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 ».