مشخصسازی نواحی دگرسانی در زون هیپوژن نهشته پورفیری مس طلا مسجد داغی، شمال شرق آذربایجان با استفاده از روشهای شبکه عصبی و فرکتال غلظت- حجم
در این پژوهش دو هدف خاص دنبال شده است. نخست، قابلیت تکنیک شبکه عصبی مصنوعی برای تخمین عیار معدنی بررسی شده است. الگوریتمهای آموزش و
تعداد نرونهای مخفی مختلف برای تخمین عیار مس با داده های گمانهای در زون هیپوژن نهشته مس- طلا، مسجد داغی آذربایجان شرقی استفاده شد. کارایی این نوع شبکه عصبی مصنوعی در یادگیری تابع و تخمین عیار با نتایج کریجینگ معمولی مقایسه شد .دوم، نتایج حاصل از تخمین به روش شبکه عصبی مصنوعی به همراه مدل فرکتال غلظت- مساحت برای مشخصسازی زونهای دگرسانی فیلیک و پتاسیک در زون هیپوژن منطقه مورد مطالعه بکار برده ش د. برای رسیدن به این مقصود، نخست نمودار لاگ- لاگ بر اساس تخمین به دست آمده از شبکه عصبی تابع پایه شعاعی تولید ش دو سپس نقاط شکست این نمودار برای تعیین مقادیر آستانه به منظور مشخصسازی زونهای دگرسانی استفاده شد. به منظور بررسی اعتبار و میزان همبستگی مدل به دست آمده از روش درصد عیار دارای بیشترین وکسل های 0/38 فرکتال غلظت- مساحت و مدل زمینشناسی منطقه از ماتریس لگاریتم ریشهای استفاده شد که مقادیر کمتر از بودند. بر اساس همبستگی فضایی بین زون دگرسانی پتاسیک منتجه از مدلسازی سهبعدی زمین شناسی و 0/72 همپوشان با زون دگرسانی فیلیک با صحت . دارای همپوشانی مناسبی با این زون میباشند 0/76 با صحت کلی 0/38 مقادیر غلظت بالا مدل فرکتال غلظت- مساحت نشان داده شده که مقادیر مس بالاتر از نتایج به دست آمده نشان داد که ترکیب روش های شبکه عصبی و مدل فرکتال غلظت- مساحت میتواند یک ابزار مناسب برای مدل سازی کمی زون های دگرسانی و در نتیجه مشخص سازی سه بعدی آن ها باشد
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.