مدل سازی پتانسیل کانی سازی مس و طلای پورفیری با به کارگیری روش یادگیری نیمه نظارتی در پهنه اکتشافی دهسلم، شرق ایران
Publish place: Journal of Economic Geology، Vol: 13، Issue: 1
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 242
This Paper With 23 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ECONG-13-1_008
تاریخ نمایه سازی: 27 مهر 1400
Abstract:
شناسایی نواحی امیدبخش معدنی در اکتشافات ناحیه ای برای برنامه ریزی عملیات اکتشاف تفصیلی با به کارگیری و تحلیل داده های اکتشافی موجود در قالب مدل سازی پتانسیل معدنی توسعه یافته است. در این پژوهش، برای مدل سازی پتانسیل مس و طلای پورفیری در پهنه اکتشافی دهسلم واقع در جنوب بلوک لوت، شرق ایران، از روش یادگیری ماشین بردار پشتیبان نیمه نظارتی استفاده شده است. روشهای یادگیری نیمه نظارتی در مرحله یادگیری، از داده های برچسب دار و بدون برچسب اکتشافی در الگوریتم محاسباتی خود بهره می برند. در این مقاله، با به کارگیری الگوریتم ماشین بردار پشتیبان نیمه نظارتی بر روی داده های اکتشافی منطقه دهسلم شامل داده های زمین شناسی (سنگ شناسی و ساختاری)، ژئوشیمی رسوبات آبراهه ای، تصاویر ماهوارهای و مغناطیس هوابرد، مناطق هدف اکتشافی مس و طلای پورفیری شناسایی شد. در ادامه، نتیجه به کارگیری این مدل با خروجی روش ماشین بردار پشتیبان در حالت نظارت شده مقایسه و ارزیابی عملکرد مدل های تولیدشده با استفاده از نمودارهای منحنی مشخصه عملکرد سیستم و میزان تغییرات پیش بینی-مساحت بهبودیافته، بررسی شد. بر این اساس، مدل پتانسیل نیمه نظارتی عملکرد بهتری را در شناسایی اهداف اکتشافی مس و طلای پورفیری داشته است. نواحی اهداف پتانسیل شناسایی شده در مدل نیمه نظارتی، تمامی اندیس های معدنی شناخته شده در منطقه مورد بررسی را در ۲/۹ درصد از مساحت ناحیه مورد بررسی، به درستی پیش بینی کرده است. اهداف اکتشافی معرفی شده، اغلب هم راستا با روند گسل های اصلی منطقه، در راستای شمال غربی- جنوب شرقی و مرتبط با واحدهای ولکانیک نظیر ریولیت، آندزیت، داسیت و ریوداسیت هستند. نتیجه حاصل از این پژوهش نشان دهنده برتری روش یادگیری نیمه نظارتی در شناسایی نواحی هدف معدنی برای برنامه ریزی عملیات تفصیلی اکتشافی است.
Keywords:
Authors
مجید کیخای حسین پور
گروه مهندسی اکتشاف معدن، دانشکده مهندسی معدن و متالورژی، دانشگاه یزد، یزد، ایران
امیرحسین کوهساری
گروه مهندسی اکتشاف معدن، دانشکده مهندسی معدن و متالورژی، دانشگاه یزد، یزد، ایران
امین حسین مرشدی
گروه مهندسی اکتشاف معدن، دانشکده مهندسی معدن و متالورژی، دانشگاه یزد، یزد، ایران
آلوک پروال
مرکز مطالعات مهندسی منابع، مرکز تکنولوژی بمبئی هند، بمبئی، هندوستان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :