Apprentissage statistique pour la rationalisation des processus d’exploration minière : applications à une province uranifère de classe mondiale (bassin de l’Athabasca, Canada)
Notice bibliographique
Résumé
Le bassin paléoprotérozoique de l'Athabasca (Saskatchewan, Canada) contient les gisements d'uranium à plus forte teneur connue (jusqu'à 25% à McArthur River) et a été prospecté par les compagnies d'exploration de manière continue depuis les années 1960. Le paradigme actuel de l'exploration de ces gisements postule que leur localisation préférentielle se situe à la proximité immédiate de l'intersection entre la discordance bassin-socle et des linéaments structuraux riches en graphites, appelés conducteurs graphiteux, réactivés dans le bassin. À la suite d'une première étape de délinéation des conducteurs graphiteux par géophysique, des campagnes de forages visent à cibler les zones potentiellement favorables pour la découverte de nouveaux gisements. Ces campagnes de forages génèrent des volumes importants de données (spectroscopie à ondes courtes [SWIR], géochimie, pétrophysique, photographies de carottes standardisées), habituellement étudiées dans le cadre de campagnes de forages annuelles mais rarement intégrées à l'échelle de l'ensemble des bases de données disponibles. L'objectif du manuscrit de thèse présenté ici est d'évaluer le potentiel des méthodes d'analyse multivariée et d'apprentissage statistique pour améliorer la connaissance actuelle des empreintes associées aux gisements, et leur intégration dans une perspective opérationnelle d'exploration. Un modèle global pour le développement de jeux de données d'exploration (de la structuration des données, à la définition d'empreintes puis à l'étude des stratégies de forage permettant leur détection en exploration) est proposé et mis en application pour différents jeux de données acquis dans l'exploration minière.
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 | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».