شناسایی نواحی امیدبخش کانی سازی مس پورفیری در ناحیه شهربابک استان کرمان با استفاده از روش یادگیری ماشین و به کمک نرم افزار ARCGIS

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 64

فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ECONG-15-2_003

تاریخ نمایه سازی: 10 آبان 1402

چکیده مقاله:

امروزه تولید مدل پتانسیل معدنی با استفاده از نرم افزار GIS کاربرد روزافزونی پیدا کرده است. در این پزوهش با استفاده از نرم افزار ARCGIS نقشه های پیشگو شامل لایه دگرسانی آرژیلیک، فیلیک، اکسید آهن، برگردان به قطب لایه مغناطیس هوایی، خط واره ها، نقشه آنومالی زمین شیمی مس و آنالیز مولفه ­های اصلی (مولفه ۳) از منطقه شهربابک در استان کرمان تهیه شد. برای آموزش مدل از ۳۷ رخنمون کانی سازی استفاده شده است. همچنین برای تهیه نقاط غیر کانی سازی برای ورود به مدل، از روش آنالیز نقطه ای استفاده شده است. برای آموزش مدل از شبکه عصبی دولایه پرسپترون استفاده شد و مدل آموزشی برای تهیه مدل نهایی پتانسیل معدنی به کار برده شد. بر اساس مدل ذکرشده نواحی امیدبخش اصلی در بخش شمال غرب و شرق محدوده مشخص شد. همچنین دو ناحیه در قسمت شمالی و جنوب غرب محدوده برای بررسی های تکمیلی مشخص شد. برای ارزیابی مدل از نمودار ارزیابی عملکرد سامانه استفاده شده است که این نمودار بیانگر درستی بالای مدل پتانسیل معدنی تولید شده، است. همچنین برای ارزیابی مدل پتانسیل معدنی، ضرایب حساسیت و دقت، مقدار پیشگویی مثبت برای نقاط کانی سازی، مقدار پیشگویی منفی برای نقاط غیر کانی سازی و شاخص کاپا محاسبه شد که مقادیر آن به ترتیب برابر  ۷/۹۴، ۸/۹۱، ۳/۹۲، ۴/۹۴، ۳/۹۳ و ۸۹ درصد است که این ضرایب نیز دقت بالای مدل پتانسیل معدنی را تایید می کند. نواحی پرپتانسیل در قسمت شرقی و غربی محدوده مورد بررسی قرار دارد.

نویسندگان

مسلم جهانتیغ

دانشجوی دکتری، گروه مهندسی اکتشاف معدن، دانشکده معدن، دانشگاه صنعتی امیر کبیر، تهران، ایران

حمیدرضا رمضی

استاد، گروه مهندسی اکتشاف معدن، دانشکده معدن، دانشگاه صنعتی امیر کبیر، تهران، ایران

حسین فردوسی

دانشجوی دکتری، گروه مهندسی اکتشاف معدن، دانشکده معدن، دانشگاه تهران، تهران، ایران

زهرا جعفری

کارشناسی ارشد، گروه زمین شناسی، دانشکده علوم پایه، دانشگاه شهید باهنر، کرمان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Abedi, M., Norouzi, G.H. and Torabi, S.A., ۲۰۱۳. Clustering of ...
  • Rao., Z., ۲۰۰۰. Artificial Neural Networks in Hydrology. Water Science ...
  • نمایش کامل مراجع