Investigation geophysical by Magnetometry and Modeling Iron Ore desposit Bijar Kurdestan province

نویسندگان: ثبت نشده
چکیده مقاله:

Iron ore deposit Bijar area is located in east north in Kordestan province based of field observation, ore minerals are magnetite, magnetite-martitite and magnetite-pyrite. No. 922 points on the 16 profiles were collected over about 7500 meters in the area. Magnetometers treatment of advanced devices and new GSM-19T is made in Canada. The data were corrected and the magnetic field intensity map was prepared.The remaining amount was calculated regional field and deposit modeling was performed using reverse Euler and accordingly, in this area a mass burial was diagnosed with high magnetism. Due to the intensity of the magnetic field taken, This mass has a high content of metals and minerals are similar and based on geophysical data, location drilling boreholes, to deposit at least depth, have been proposed.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

Reprocessing of Sangan iron ore tailings by flotation

The Sangan processing plant consists of four consecutive low-intensity magnetic separation steps with the same magnetic field intensity of 1300 Gauss for upgradation of iron ore. Hence, the iron ore minerals with lower magnetic susceptibility or interlocked with gangue minerals have no opportunity for upgradation, and proceed to the tailing dam. Flotation is a powerful technique for upgradation...

متن کامل

Modeling Archives by Means of OAI-ORE

Currently, archival practice is moving towards the definition of complex relationships between the resources of interest as well as the constitution of compound digital objects. To this end archives can take advantage of using the Open Archives Initiative Object Reuse and Exchange (OAI-ORE) providing additional and flexible visualizations of archival resources. In this paper we define a formal ...

متن کامل

modeling loss data by phase-type distribution

بیمه گران همیشه بابت خسارات بیمه نامه های تحت پوشش خود نگران بوده و روش هایی را جستجو می کنند که بتوانند داده های خسارات گذشته را با هدف اتخاذ یک تصمیم بهینه مدل بندی نمایند. در این پژوهش توزیع های فیزتایپ در مدل بندی داده های خسارات معرفی شده که شامل استنباط آماری مربوطه و استفاده از الگوریتم em در برآورد پارامترهای توزیع است. در پایان امکان استفاده از این توزیع در مدل بندی داده های گروه بندی ...

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 5  شماره 1

صفحات  53- 60

تاریخ انتشار 2017-03-01

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023