شناسایی مناطق امیدبخش کانی زایی طلای زایلیک شمال غرب ایران با روش برهم نهی فازی اطلاعات

Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 21

This Paper With 22 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_MHRE-9-3_001

تاریخ نمایه سازی: 26 شهریور 1403

Abstract:

هدف از این پژوهش، استفاده هم زمان از عیار طلای به دست آمده از مدل سازی های ژئوشیمیایی و پارامتر های زمین شناسی، جهت شناسایی مناطق امیدبخش کانی زایی طلای اپی ترمال منطقه زایلیک در شمال غرب ایران است. شواهد زمین شناسی مورد استفاده در این منطقه، سنگ شناسی و دگرسانی های آرژیلیکی، پروپیلیتیکی، سیلیسی و اکسید آهن بوده و در مدل سازی های ژئوشیمیایی نیز از دو روش هوش مصنوعی ۱) شبکه عصبی مصنوعی و ۲) تلفیق آن با الگوریتم کرم شب تاب استفاده شد. شواهد زمین شناسی پس از کمی شدن، به همراه مقادیر تخمین زده شده طلا در روش های هوش مصنوعی، برای وزن دهی به سیستم سلسله مراتبی در نرم افزار Expert Choise وارد شدند. در این نرم افزار وزن دهی و تعیین درجه اهمیت نسبی پارامترهای زمین شناسی پس از مشورت با متخصصان زمین شناسی و اکتشاف صورت پذیرفته و روش های هوش مصنوعی نیز با استفاده از معیارهای کمی مانند ضریب تعیین و تابع جذر میانگین مربعات خطا با یکدیگر مقایسه شدند که روش تلفیقی شبکه عصبی مصنوعی با الگوریتم کرم شب تاب، با توجه به بیشتر بودن ضریب تعیین (R۲=۰.۶۴۳) و کمتر بودن تابع خطا (RMSE=۰.۷۵۴)، نتایج بهتری را نشان داد، بنابراین از درجه اهمیت بیشتر، جهت تشخیص مناطق امید بخش کانی زایی برخوردار شد. در نهایت تمامی پارامترهای یاد شده در نرم افزار Arc GIS به وسیله روش برهم نهی فازی با یکدیگر تلفیق شده و مناطق بهینه اکتشافی در شمال و شمال شرق منطقه ثبت و ادامه اکتشاف ریشه کانی زایی طلا با توجه به مدل معرفی شده در مناطق همجوار میسر شد.

Authors

محمد جعفر محمد زاده

دانشیار، دانشکده مهندسی معدن، دانشگاه صنعتی سهند، تبریز

محمد مهدی رجایی

دانشجوی دکتری ، دانشکده مهندسی معدن، دانشگاه صنعتی سهند، تبریز

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 :
  • Parsa, M., Carranza, E. J. M., and Ahmadi, B. (۲۰۲۲). ...
  • Ehteram, M., Khozani, Z. S., Soltani-Mohammadi, S., and Abbaszadeh, M. ...
  • Dumakor-Dupey, N. K., and Arya, S. (۲۰۲۱). “Machine Learning—A Review ...
  • Ahmadi, R., and Sadat Koodehi, S. M. (۲۰۱۸). “Classification and ...
  • Bastante, F., Ordóñez, C., Taboada, J., and Matías, J. (۲۰۰۸). ...
  • Pardo-Igúzquiza, E., Dowd, P. A., Baltuille, J., and Chica-Olmo, M. ...
  • Wu, X., and Zhou, Y. (۱۹۹۳). “Reserve estimation using neural ...
  • Jafrasteh, B., Fathianpour, N., and Suárez, A. (۲۰۱۸). “Comparison of ...
  • Chudasama, B. (۲۰۲۲). “Fuzzy inference systems for mineral prospectivity modeling-optimized ...
  • Ziaii, M., Doulati Ardejani, F., Ziaei, M., and Soleymani, A. ...
  • Tenorio, V. O., Bandopadhyay, S., Misra, D., Naidu, S., and ...
  • Mahmoudabadi, H., Izadi, M., and Menhaj, M. B. (۲۰۰۹). “A ...
  • Moeini, H., and Torab, F. M. (۲۰۱۷). “Comparing compositional multivariate ...
  • Soltani-Mohammadi, S., Hoseinian, F. S., Abbaszadeh, M., and Khodadadzadeh, M. ...
  • Sun, T., Li, H., Wu, K., Chen, F., Zhu, Z., ...
  • Ghezelbash, R., Maghsoudi, A., and Carranza, E. J. M. (۲۰۲۰). ...
  • Bazdar, H., Fattahi, H., and Ghadimi, F. (۲۰۱۵). “Hybrid ANN ...
  • Fattahi, H., and Ghadimi, F. (۲۰۱۶). “A hybrid artificial neural ...
  • Tahmasebi, P., and Hezarkhani, A. (۲۰۱۲). “A hybrid neural networks-fuzzy ...
  • Ghezelbash, R., Maghsoudi, A., and Carranza, E. J. M. (۲۰۲۰). ...
  • Chen, Y., and An, A. (۲۰۱۶). “Application of ant colony ...
  • Gu, Y., Bao, Z., Song, X., Patil, S., and Ling, ...
  • Roshanravan, B., Aghajani, H., Yousefi, M., and Kreuzer, O. (۲۰۱۹). ...
  • Ghezelbash, R., Daviran, M., Maghsoudi, A., Ghaeminejad, H., and Niknezhad, ...
  • Fister, I., Fister Jr, I., Yang, X.-S., and Brest, J. ...
  • Das, S., Maity, S., Qu, B.-Y., and Suganthan, P. N. ...
  • Yang, X.-S. (۲۰۱۰). “Nature-inspired metaheuristic algorithms”. Luniver Press, pp. ۱۴۸ ...
  • Zhang, Y., and Wu, L. (۲۰۱۲). “A novel method for ...
  • Dutta, R., Ganguli, R., and Mani, V. (۲۰۱۱). “Exploring isospectral ...
  • Apostolopoulos, T., and Vlachos, A. (۲۰۱۱). “Application of the Firefly ...
  • Horng, M.-H., and Liou, R.-J. (۲۰۱۱). “Multilevel minimum cross entropy ...
  • Basu, B., and Mahanti, G. K. (۲۰۱۱). “Fire fly and ...
  • Zaman, M. A., and Abdul Matin, M. (۲۰۱۲). “Nonuniformly spaced ...
  • Giannakouris, G., Vassiliadis, V., and Dounias, G. (۲۰۱۰). “Experimental study ...
  • Yang, X.-S., Deb, S., and Fong, S. (۲۰۱۱). “Accelerated particle ...
  • Gholizadeh, S., and Barati, H. (۲۰۱۲). “A comprative study of ...
  • Jakimovski, B., Meyer, B., and Maehle, E. (۲۰۱۰). “Firefly flashing ...
  • Nayak, J., Naik, B., Pelusi, D., and Krishna, A. V. ...
  • Lin, N., Chen, Y., Liu, H., and Liu, H. (۲۰۲۱). ...
  • Nabavi, M. (۱۹۸۴). “An introduction to the geology of Iran, ...
  • Calagari, A., Siahcheshm, K., and Sohrabi, G. (۲۰۱۹). “Geochemical study ...
  • Poli, R., Kennedy, J., and Blackwell, T. (۲۰۰۷). “Particle swarm ...
  • TSai, P.-W., Pan, J.-S., Liao, B.-Y., and Chu, S.-C. (۲۰۰۹). ...
  • A hybrid meta-heuristic algorithm based on ABC and Firefly algorithms [مقاله ژورنالی]
  • Khaze, S. R., Maleki, I., Hojjatkhah, S., and Bagherinia, A. ...
  • Wang, G.-G., Guo, L., Duan, H., and Wang, H. (۲۰۱۴). ...
  • Shamshirband, S., Esmaeilbeiki, F., Zarehaghi, D., Neyshabouri, M., Samadianfard, S., ...
  • Mohammadzadeh, M., Nasseri, A., Mahboubiaghdam, M., and Jahangiri, M. (۲۰۲۱). ...
  • Ghezelbash, R., and Maghsoudi, A. (۲۰۱۸). “Comparison of U-spatial statistics ...
  • Saaty, R. W. (۱۹۸۷). “The analytic hierarchy process—what it is ...
  • Carranza, E. J. M. (۲۰۰۸). “Geochemical anomaly and mineral prospectivity ...
  • Riahi, S., Bahroudi, A., Abedi, M., Aslani, S., and Lentz, ...
  • Boadi, B., Sunder Raju, P. V., and Wemegah, D. D. ...
  • نمایش کامل مراجع