مدلسازی پتانسیل معدنی با به کارگیری شبکه خودرمزنگار عمیق در پهنه اکتشافی دهسلم، شرق ایران

شناسایی نواحی مستعد مرتبط با کانی سازی و تلفیق مجموعه داده های چندمنبعی اکتشافی در مدلسازی پتانسیل معدنی ضروری است. در این پژوهش، از روش تحلیل داده های حجیم و یک الگوریتم یادگیری عمیق بدون ناظر، جهت شناسایی اهداف اکتشافی مرتبط با کانی سازی مس- طلای پورفیری در پهنه اکتشافی دهسلم، شرق ایران استفاده شده است. بر اساس شرایط زمین شناسی و تشکیل این تیپ کانی سازی، در این پژوهش 32 متغیر ورودی، شامل داده های زمین شناسی (لیتولوژی و ساختاری)، سنجش از دور (دگرسانی های آرژیلیک و اکسید آهن)، آنالیز 27 عنصر ژیوشیمی رسوبات آبراهه ای و نقشه برگردان به قطب مغناطیس هوابرد جهت مدلسازی اکتشافی مس و طلای پورفیری با به کارگیری الگوریتم شبکه خودرمزنگار عمیق، استفاده و نتایج حاصل با خروجی مدل میانگین هندسی مقایسه گردید. ارزیابی عملکرد مدل های پتانسیل معدنی تولیدشده با استفاده از نمودار آهنگ پیش بینی- مساحت بهبودیافته بررسی شد. نتایج حاصل از این پژوهش نشان دهنده عملکرد مناسب مدل تولیدشده به روش خودرمزنگار عمیق، در شناسایی اهداف اکتشاف جهت برنامه ریزی فعالیت های اکتشافی تفصیلی است. خروجی مدل تولید شده منجر به شناسایی اهداف اکتشافی جدیدی در قسمت های شرق، شمال، غرب و جنوب غرب منطقه مورد مطالعه شده است. نتیجه این پژوهش، نشان دهنده پتانسیل روش های مبتنی برتحلیل داده های حجیم و یادگیری عمیق در مدلسازی پتانسیل معدنی است.