کاربرد ماشین بردار پشتیبان در تفکیک زونهای دگرسانی هیدروترمال با استفاده از سنجنده آستر

در این پژوهش با استفاده از سنجنده آستر تلاش شده است کاربرد الگوریتم ماشین بردار پشتیبان در تفکیک دگرسانیهای هیدروترمال ذخایر مس پورفیری بررسی شود. برای آموزش این الگوریتم در مجموع ۲۲۰۴ پیکسل از مناطق کانیسازی شده انتخاب شد. باندهای ۴، ۶، ۷ و ۸ سنجنده آستر برای شناسایی دگرسانیهای فیلیک و آرژیلیک و ۹ باند محدوده مرئی و مادون قرمز نزدیک برای شناسایی دگرسانی پروپیلیتیک بهعنوان ورودی این الگوریتم انتخاب شدند. بهمنظور ارزیابی خطای طبقهبندی، ماتریس درهم آمیختگی بررسی شد. نتایج ماتریس در هم آمیختگی بیانگر آن است که خطای طبقهبندی برای زون فیلیک و آرژیلیک نسبتا بالاست و امکان تفکیک این دو زون به سادگی امکانپذیر نیست در حالیکه دگرسانی پروپیلیتیک بهخوبی طبقهبندی شده است. همچنین این تحقیق تابع خطای جدیدی بهنام خطای کور را تعریف کرد که با استفاده از ماتریس درهم آمیختگی نسبت پیکسلهای دگرسان طبقهبندی نشده را محاسبه میکند. بر اساس مقدار این خطا، ماشین بردار پشتیبان ۶/۷۳ درصد از پیکسلهای دگرسان را طبقهبندی نمیکند. همچنین صحت کل طبقهبندی الگوریتم ماشین بردار پشتیبان برابر۰۶/۶۶ درصد و ضریب کاپا برابر۶۵۲۲/۰ است.

Keywords:

Phyllic , Arjilic , Prophylitic , Porphyry Copper , Support vector machine , دگرسانی آرژیلیک , دگرسانی فیلیک , دگرسانی پروپیلیتیک , مس پورفیری , ماشین بردار پشتیبان