Methodological bases of mineral resource potential assessment: international and Russian experience
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
Тhe paper considers the main approaches to the valuation of mineral deposits. The valuation of mineral resources is widely used in countries with developed mining industry, such as the USA, Canada, Australia, etc. Monitoring the value of mineral assets allows you to track current changes in their structure and serves as a basis for the fair withdrawal of mining rent. The methods of financial and economic evaluation of mineral deposits are based on the standard methodology for investment projects assessment. The most widely used is the net present value method, which is used only for the estimation of commercial reserves. The resource assessment can be carried out using comparative methods and be used to improve the infor-mativeness of the assessment. The paper reviews the methods used to access the mineral resource potential of Russian regions, forms of statistical observation, and standards of the Russian Society of Appraisers. Contemporary Russian legislation in the field of mineral raw material valuation is based on international experience, where the main valuation method of mineral assets is the method of net present value. With the approval in 2017 of the statistical form "Information on the current market value of mineral reserves”, official annual data on the value of mineral raw materials in the subsurface appeared in Russia for the first time. The methodology for assessing the mineral resource potential of the region should include such stages as ranking mineral deposits according to their investment attractiveness, evaluating selected deposits with approved reserves using the net present value method with determining the budget efficiency of projects, and evaluating the gross potential value of resources of promising mineral resource objects.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 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