MétaCan
Menu
Retour à la cohorte
Enregistrement W3116387215 · doi:10.1144/geochem2020-075

Use of field-portable XRF in exploration of PGE-enriched zones in the Pilanesberg PGE deposit, Bushveld Complex, South Africa

2020· article· en· W3116387215 sur OpenAlexaff
Alireza K. Somarin, Ingo Steinhage

Notice bibliographique

RevueGeochemistry Exploration Environment Analysis · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensBrandon University
Organismes subventionnairesnon disponible
Mots-clésGeologyGeochemistryField (mathematics)Mining engineeringMineralogy

Résumé

récupéré en direct d'OpenAlex

The field-portable X-ray fluorescence (FPXRF) spectrometer has evolved significantly in the last decade and has become one of the most innovative tools for field geologists. Portability and ease of use of FPXRF systems have opened up new and unique applications for even novice technicians. Application of FPXRF in precious metals exploration and mining appears to be challenging due to their low concentrations (lower than detection limit by FPXRF) in nature and even in most ore deposits. This case study shows the success of FPXRF in identifying anomalous zones of platinum group elements (PGE) and Au (target elements) using pathfinder elements in the Pilanesberg PGE deposit, Bushveld Complex, South Africa. Sixty-three core samples were analysed using both FPXRF and laboratory methods. In these samples, Pt <8 ppm, Pd <5 ppm and Au <1 ppm, which were not detected by FPXRF; however, Ni and Cu are up to 6540 and 3560 ppm, respectively, which were easily detected by the same method. These elements show positive correlation with the precious metals indicating that they can be used as pathfinders. Both direct shot analyses of core samples and their pulverized specimen assays show correlation with lab assay data suggesting that both methods can be used in the field; however, the accuracy of direct shot data is lower due to the heterogeneity of samples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,624
Score d'incertitude au seuil0,718

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,078
Tête enseignante GPT0,220
Écart entre enseignants0,142 · 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 tête enseignante, 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeochemistry Exploration Environment AnalysisMême sujetGeochemistry and Geologic MappingTravaux en français237 207