یک روش هیبریدی مبتنی بر آنالیز مولفه ی مستقل و تکنیک DBSCAN برای شناسایی چندمتغیره ی مقادیر خارج از ردیف در ژئوشیمی اکتشافی

شناسایی مقادیر خارج از ردیف، یکی از اهداف مهم پردازش مجموعه داده های ژئوشیمیایی است که به منظور آشکارسازی آنومالی های ناحیه ای مرتبط با فرآیندهای متالوژنیک، کاهش چولگی کاذب توزیع داده ها و شناسایی منابع آلودگیهای زیست محیطی استفاده میشود. تا کنون رویکردهای متنوعی برای انجام این تحلیل در مطالعات داده کاوی علوم زمین پیشنهاد شده است، که در این بین روشهای چندمتغیره از ارزش تئوری و عملی بالاتری برخوردارند. در این مقاله، یک روش چندمتغیرهی نوین تحت عنوان ICA-DBSCAN برای شناسایی مقادیر خارج از ردیف در ژئوشیمی کاربردی پیشنهاد شده است. رویکرد مورد بحث، یک روش هیبریدی سلسله مراتبی است که بر آنالیز مولفه ی مستقل (ICA) و خوشهبندی فضایی مبتنی بر چگالی با کاربردهای نویزی (DBSCAN) استوار است. فرض اساسی ICA-DBSCAN این است که مقادیر خارج از ردیف داده هایی هستند که توسط هیچ یک از فرآیندهای زمین شناسی فعال در ژئوسیستم تحت بررسی توجیه نمی شوند. بنابراین، ICA-DBSCAN مولفه های زمینشناسی نهان در مجموعه داده را توسط ICA استخراج نموده و سپس از طریق DBSCAN، نویزهای موجود در فضای مولفه های مستقل را به عنوان دادهی پرت معرفی میکند. این رویکرد بر روی مجموعه داده ی چندعنصری خاک برداشت شده در محدوده ی ایالت کلرادو اجرا گردیده است. در مقایسه با مقادیر خارج از ردیف شناسایی شده با روش متداول مبتنی بر اندازه گیری فاصله ی ماهالانوبیس در فضای ویژگی حاصل از آنالیز مولفه ی اصلی (PCA)، نتایج حاصل از به کارگیری ICA-DBSCAN نشان میدهند که روش پیشنهادی توانسته است به شکل معنیداری مقادیر خارج از ردیف حقیقی را از مقادیر کران فوقانی توزیع داده ها تمییز دهد.

Keywords:

داده کاوی , مقادیر خارج از ردیف , داده های ژئوشیمیایی , DBSCAN , آنالیز مولفه ی مستقل .(ICA)