3D Primary Geochemical Halo Modeling and Its Application to the Ore Prediction of the Jiama Polymetallic Deposit, Tibet, China
Notice bibliographique
Résumé
The identification of primary geochemical haloes can be used to predict mineral resources in deep-seated orebodies through the delineation of element distributions. The Jiama deposits a typical skarn–porphyry Cu–polymetallic deposit in the Gangdese metallogenic belt of Tibet. The Cu–polymetallic skarn, Cu–Mo hornfels, and Mo ± Cu porphyry mineralization there exhibit superimposed geochemical haloes at depth. Three-dimensional (3D) primary geochemical halo modeling was undertaken for the deposit with the aim of providing geochemical data to describe element distributions in 3D space. An overall geochemical zonation of Zn(Pb) → Au → Cu(Ag) → Mo gained from geochemical cross-sections, together with dip-direction skarn zonation Pb–Zn(Cu) → Cu(Au–Ag–Mo) → Mo(Cu) → Cu–Mo(Au–Ag) and vertical zonation Cu–(Pb–Zn) → Mo–(Cu) → Mo–Cu–(Ag–Au–Pb–Zn) → Mo in the #24 exploration profile, indicates potential mineralization at depth. Integrated geochemical anomalies were extracted by kernel principal component analysis, which has the advantage of accommodating nonlinear data. A maximum-entropy model was constructed for deep mineral resources of uncertainty prediction. Three potential deep mineral targets are proposed on the basis of the obtained geochemical information and background.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».