مدل سازی معکوس پارامتری داده های پلاریزاسیون و مقاومت ویژه اندیس معدنی پاینده
Publish place: 8th Symposium of Geological Society of Iran
Publish Year: 1383
Type: Conference paper
Language: Persian
View: 1,904
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
SGSI08_141
Index date: 15 October 2006
مدل سازی معکوس پارامتری داده های پلاریزاسیون و مقاومت ویژه اندیس معدنی پاینده abstract
روش پلاریزاسیون القایی از روش های کارآمد تشخیص منابع معدنی فلزی افشان است. از انجا که داده های حام اندازه گیری شده سرزمین، برای تعبیر و تفسیرهای کیفی کمی مناسب نمی باشند. از این رو لازم است بطور سیستماتیک آماده سازی شوند و با انجام مدل سازی های مناسب مورد تعبیر و تفسیر قرار گیرند. در اینمقاهل سعی بر آن است تا از رشو مدل سازی معکوس پارامتری برای تعبیر و تفسیر داده های اندازه گیری شده پلاریزاسیون القایی (IP) ومقاومت ویژه (RS) در اکتشاف زون یا زون های کانی سایز مس در اندیس پیاند دربردسیر کرمان استفاده شود و نتایج آن با مدلسازی های انجام شده قبلی مورد مقایسه قرار گیرد و از مجموع نتایج به دست آمده بتوان برای ارزیابی های دقیق تر کانی سازی استفاده نمود.
نتایج تعبیر، تفسیر و مدل سازی های هموارر قبلی داده های منطقه فوق الذکر نشانگر آن استکه یک زون کانی سازی مهم با گسترش جانبی نسبتا قابل ملاحظه در اعماق نزدیک به 40 تا 70 متری سطح زمین وجود دارد و علاوه بر آن کانی سازی کم اهمیت تر دیگری در سمت چپ کانی سای فوق در عمق کم با گسترش جانبی زیاد قرار دارد. برای ارزیابی صحت وجود کانی سازی فوق مدل سازی معکوس پارامتری داده های RS , IP به صورت ترکیبی انجام گردید وبدین وسیله حضور دو زون کانی سازی یکی در بازه 270 تا 370 متری مبدا پروفیل و با حداکثر عمق 60 متری و دیگری در فاصله 120 تا 270 متری مبدا پروفیل و با عمق متوسط 45 متری با دقت بیشتری تائید گردید. در نهایت بر اساس نتایج مدل سازی پارامتری پیشنهادهای حفاری ارائه گردید.
مدل سازی معکوس پارامتری داده های پلاریزاسیون و مقاومت ویژه اندیس معدنی پاینده authors
علی مرادزاده
دانشکده مهندسی معدن و ژئوفیزیک، دانشگاه صنعتی شاهرود
علیرضا عرب امیری
دانشکده مهندسی معدن و ژئوفیزیک، دانشگاه صنعتی شاهرود
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 :