Efficient base metal exploration in northern New Brunswick, Canada through a hybrid ANN integrated with ABC and PSO methods
Notice bibliographique
Résumé
This study investigates the application of a hybrid neural network model for delineating sulfide mineralization in complex geological settings. By integrating Artificial Neural Networks (ANN) with metaheuristic algorithms, specifically Artificial Bee Colony (ABC) and Particle Swarm Optimization (PSO), the research optimizes resistivity inversion techniques to enhance geophysical exploration. Field data were collected from the Nash Creek region in New Brunswick, Canada, utilizing electromagnetic (EM) surveys and Direct Current/Induced Polarization (DC/IP) methods across six survey lines configured with a Wenner array and 10-m electrode spacing. The results demonstrate that the hybrid model significantly outperforms traditional 2D resistivity inversion methods, effectively mapping mineralization zones characterized by low resistivity (< 50 Ω·m) and high chargeability Because the region is characterized by a significant glacial overburden and minimal outcrop exposure, verification was conducted using borehole drilling and core sampling within the western part of the study area. Notably, pyrite alteration zones were identified in regions with resistivity below 50 Ω·m, exhibiting significant chargeability. Strong correlations between Versatile Time-Domain Electromagnetic (VTEM) survey results and IP data were observed, with Transient Electromagnetic (TEM) Reduced to Pole (RTP) data aligning closely with resistivity measurements. This study underscores a significant inverse correlation between resistivity and chargeability, effectively identifying pyrite-rich alteration zones. These findings validate the efficacy of the hybrid ANN-ABC-PSO model for geophysical exploration in challenging environments, offering valuable insights into mineral deposit structures and informing future exploration strategies. While shallow alteration zones were successfully mapped, further drilling is essential to confirm the extent and characteristics of the identified mineralization.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».