The Application of Various Mineral Prospectivity Modeling in the Exploration of Orogenic Gold Deposit in Saqez-Sardasht Region, Northwest Iran
Notice bibliographique
Résumé
Abstract The Saqez-Sardasht region (~2000) is located in the north Sanandaj-Sirjan Zone (SSZ), between longitudes of 46°00′67 00″ E to 46°30′00″ and latitudes of 36°00′00″ N to 36°30′00″, northwest Iran. The region was fully studied to recognize the promising areas for gold deposits using various methods of fuzzy fusion techniques. Accordingly, six evidential layers (i.e., lithological, tectonic, alteration, with Au, Sb, and W geochemical anomalies have been derived from three geo-data sets of geology, geochemistry, and remote sensing. A concentration–number (C–N) fractal method was used to determine the geochemical threshold values. The outcome was then combined, using the multiple indicator kriging (MIK) geochemical methods to improve the mineral potential mapping of gold deposits. In this study, four various fuzzy mineral prospectivity mapping (MPM) methods consisting of conventional VIKOR, modified VIKOR, multi-class index overlay, and Geo Fuzzy Inference System (GeoFIS) have been employed to detect the most promising areas in the Saqez-Sardasht region. The MPMs were numerically compared to each other based on the MPM efficiency index for the seven gold prospects in the study region. The Geo Fuzzy Inference System (GeoFIS) acquired 91.84% agreement, so it is selected as the superior technique to lead the prospect selection. With affiliation to the outcome of MPM maps, promising mineralized areas, controlled by shear zones, were located in the southwestern part of the Saqez region.
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 | 0,001 | 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 ».