پتانسیل یابی سرب و روی با استفاده از تلفیق اطلاعات اکتشافی در سیستم GIS درمنطقه ایرانکوه اصفهان
Publish place: 2nd Iranian Mining Engineering Conference
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,801
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IMEC02_071
تاریخ نمایه سازی: 19 آبان 1387
Abstract:
به علت کاهش ذخایر سطحی و پیچیدگیهای ژنتیکی کانی سازی در محدوده رشته کوه ایرانکوه (معادن باما)، بکارگیری روشهای نوین اکتشافی به منظور تامین خوراک کارخانه کانه آرایی امری اجتناب ناپذیر مینماید. همچنین تلفیق و تحلیل کلیه اطلاعات در سیستم اطلاعات زمین مرجع (GIS) و الگوسازی اکتشافی، می تواند منجر به شناسایی مناطق امید بخش معدنی برای مطالعات بعدی باشد. به دلیل وجود اطلاعات اکتشافی و استخراجی مناسب از گذشته، جهت استفاده از تمام مدارک موجود و همچنین بکارگیری دورسنجی جهت شناخت واحدهای سنگی و پدیده های مرتبط با کانی سازی، پروژهای در راستای شناسایی مناطق امید بخش با استفاده از سیستم GIS در برنامه کار شرکت باما قرار گرفت در این مقاله لایه های شاهد از مدارک موجود شامل ژئوفیزیک، ژئوشیمی، باریتیزاسیون، دورسنجی، رخنمون ماده معدنی و نقاط آزمایشی برای استفاده در سیستم اطلاعات جغرافیایی (GIS) تهیه شده است. سپس با استفاده از روش اوزان شواهد، وزن های داده شده برای هشت لایه ژئوفیزیک، گسل، ژئوشیمی، دولومیت، باریتیزاسیون، رخنمون ماده معدنی، اکسیداسیون و هیدروکسیدها محاسبه میگردد. در مرحله بعد میزان وابستگی لایه ها با استفاده از آزمون استقلال شرطی مورد بررسی قرار گرفته و نقشه نهایی پتانسیل سنجی با استفاده از روش های اوزان شواهد و رگرسیون لجستیک ترسیم و اولویت بندی مناطق مستعد بر اساس اوزان هشت لایه فوق برحسب احتمال رخداد ماده معدنی و عدم قطعیت نشان داده شده است. در پایان مناطق مستعد جهت اکتشاف تفصیلی اولویت بندی و پیشنهاد شده است
Keywords:
Authors
مهدی حاضری
کارشناس ارشد اکتشاف معدن از دانشگاه صنعتی اصفهان
حمزه صادقی سرخنی
کارشناس ارشد اکتشاف معدن از دانشکده فنی دانشگاه تهران
نادر فتحیان پور
دانشیار دانشکده مهندسی معدن دانشگاه صنعتی اصفهان
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 :