مدل سازی پتانسیل کانی سازی مس و طلای پورفیری با به کارگیری روش یادگیری نیمه نظارتی در پهنه اکتشافی دهسلم، شرق ایران
شناسایی نواحی امیدبخش معدنی در اکتشافات ناحیه ای برای برنامه ریزی عملیات اکتشاف تفصیلی با به کارگیری و تحلیل داده های اکتشافی موجود در قالب مدل سازی پتانسیل معدنی توسعه یافته است. در این پژوهش، برای مدل سازی پتانسیل مس و طلای پورفیری در پهنه اکتشافی دهسلم واقع در جنوب بلوک لوت، شرق ایران، از روش یادگیری ماشین بردار پشتیبان نیمه نظارتی استفاده شده است. روش های یادگیری نیمه نظارتی در مرحله یادگیری، از داده های برچسب دار و بدون برچسب اکتشافی در الگوریتم محاسباتی خود بهره می برند. در این مقاله، با به کارگیری الگوریتم ماشین بردار پشتیبان نیمه نظارتی بر روی داده های اکتشافی منطقه دهسلم شامل داده های زمین شناسی (سنگ شناسی و ساختاری)، ژیوشیمی رسوبات آبراهه ای، تصاویر ماهواره ای و مغناطیس هوابرد، مناطق هدف اکتشافی مس و طلای پورفیری شناسایی شد. در ادامه، نتیجه به کارگیری این مدل با خروجی روش ماشین بردار پشتیبان در حالت نظارت شده مقایسه و ارزیابی عملکرد مدل های تولیدشده با استفاده از نمودارهای منحنی مشخصه عملکرد سیستم و میزان تغییرات پیش بینی-مساحت بهبودیافته، بررسی شد. بر این اساس، مدل پتانسیل نیمه نظارتی عملکرد بهتری را در شناسایی اهداف اکتشافی مس و طلای پورفیری داشته است. نواحی اهداف پتانسیل شناسایی شده در مدل نیمه نظارتی، تمامی اندیس های معدنی شناخته شده در منطقه مورد بررسی را در 2/9 درصد از مساحت ناحیه مورد بررسی، به درستی پیش بینی کرده است. اهداف اکتشافی معرفی شده، اغلب هم راستا با روند گسل های اصلی منطقه، در راستای شمال غربی- جنوب شرقی و مرتبط با واحدهای ولکانیک نظیر ریولیت، آندزیت، داسیت و ریوداسیت هستند. نتیجه حاصل از این پژوهش نشان دهنده برتری روش یادگیری نیمه نظارتی در شناسایی نواحی هدف معدنی برای برنامه ریزی عملیات تفصیلی اکتشافی است.
- 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.