MétaCan
Menu
Retour à la cohorte
Enregistrement W4213421088 · doi:10.1111/1755-6724.14903

Hydrodynamic Links between Shallow and Deep Mineralization Systems and Implications for Deep Mineral Exploration

2022· article· en· W4213421088 sur OpenAlexaff
Guoxiang Chi, Deru Xu, Chunji Xue, Zenghua LI, Patrick Ledru, Teng Deng, Yumeng Wang, Hao Song

Notice bibliographique

RevueActa Geologica Sinica - English Edition · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geochemical Analysis
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésMineralization (soil science)Hydrothermal circulationMineral resource classificationMineral explorationGeologyGeochemistrySedimentary rockEarth scienceSoil sciencePaleontology

Résumé

récupéré en direct d'OpenAlex

Abstract Deep mineral exploration is increasingly important for finding new mineral resources but there are many uncertainties. Understanding the factors controlling the localization of mineralization at depth can reduce the risk in deep mineral exploration. One of the relatively poorly constrained but important factors is the hydrodynamics of mineralization. This paper reviews the principles of hydrodynamics of mineralization, especially the nature of relationships between mineralization and structures, and their applications to various types of mineralization systems in the context of hydrodynamic linkage between shallow and deep parts of the systems. Three categories of mineralization systems were examined, i.e., magmatic‐hydrothermal systems, structurally controlled hydrothermal systems with uncertain fluid sources, and hydrothermal systems associated with sedimentary basins. The implications for deep mineral exploration, including potentials for new mineral resources at depth, favorable locations for mineralization, as well as uncertainties, are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,023
Tête enseignante GPT0,221
Écart entre enseignants0,199 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations48
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActa Geologica Sinica - English EditionMême sujetGeological and Geochemical AnalysisTravaux en français237 207