3D inversion of a single profile MT data acquired on ip anomaly: Case history for mineral exploration in BC, Canada
Notice bibliographique
Résumé
<!--!introduction!--> In this study, we used state-of-the-art 3D inversion for inverting the MT data acquired along a single profile in BC, Canada. The objective of the field work was to reveal the deep mineralization structure which was recovered at the near surface by using resistivity and IP methods performed by third party contractors. We acquired full tensor MT data on 11 sites along the profile that has the strongest IP anomaly. Time series data recorded for average 10 h duration. Remote reference processing was applied to the time series data using a remote site located 50 km southeast of the survey area. We estimated the full impedance tensor as well as the vertical magnetic transfer function. The results of the 2D inversion applied to the MT data were consistent with those of the DC-IP survey. We also applied 3D inversion to the single profile data to compare it with the 2D results and also to evaluate the resistivity distribution around the profile area. In addition to the deep conductor that created the strongest anomaly, we also recovered another deep conductivity anomaly 300 m North of the profile. We tested the accuracy of this anomaly with a sensitivity matrix and also tested the 3D inversion results using a synthetic modeling study. It can be seen from this study that MT is a very important tool for understanding mineralization structure and is better used as an initial method for mineral exploration to localize an area for other geophysical methods such as DC/IP.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».