مقایسه روش های مختلف سنجش از دور و مدل های شبکه عصبی کانولوشن، ماشین بردار پشتیبان و درخت تصمیم جهت تعیین مناطق مستعد و امیدبخش کانی سازی در منطقه سیاه چشمه و دیزج، استان آذربایجان غربی
Publish place: Science of construction techniques، Vol: 3، Issue: 2
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 139
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_STC-3-2_005
تاریخ نمایه سازی: 20 آبان 1401
Abstract:
امروزه روش های مختلف سنجش از دور یکی از کاربردی ترین روش ها در حوزه اکتشافات معدنی در مناطق کوهستانی، مرزی و فاقد نمونه های ژئوشیمی و رسوبات آبراهه معتبر در مرحله شناسایی محسوب می گردد. روش های طیفی نظیر فیلتر تنظیم پیکسل های مخلوط همسان (MTMF)، نقشه بردار زاویه طیفی (SAM) و ناآمیختگی طیفی خطی (LSU) بر اساس طیف هر پیکسل تصویر عارضه های مختلف را شناسایی می کنند. این مطالعه به منظور تعیین مناطق آلتراسیون، تفکیک سنگ ها و کانی های مختلف، طبقه بندی تصاویر و در نهایت تعیین مناطق مستعد و امیدبخش کانی سازی افیولیتی، سرپانتینیت ها، هاربورژیت های سرپانتینی شده، لیستونیت ها، کرومیت و منگنز در محدوده سیاه چشمه و دیزج صورت گرفته است. در مرحله پردازش از روش نوین ساعت شنی اتوماتیک (ASH) مبتنی بر روش های طیفی مذکور به منظور تعیین مناطق دگرسان شده و تفکیک کانی ها استفاده شده است. به منظور طبقه بندی تصاویر نیز از روش های شبکه عصبی کانولوشن عمیق (CNN)، ماشین بردار پشتیبان (SVM) و درخت تصمیم J۴۸ (DT) استفاده شده است. در نهایت نیز عملکرد مدل های مختلف براساس معیارهای ارزیابی مختلف مقایسه و مدل CNN با دقت و صحت ۹۸% نسبت به دو مدل SVM و DT با دقت و صحت ۹۶% به عنوان بهترین مدل برای تهیه نقشه کلاسه بندی استفاده شده است.
Keywords:
Authors
داود بیکی حسن
دانشکده مهندسی معدن، دانشگاه صنعتی اصفهان، اصفهان، ایران
مسعود اسمعیل زاده
دانشکده مهندسی معدن، دانشگاه ارومیه، ارومیه، ایران