کاربرد مدل‌ سازی فرکتالی عیار- مساحت و شبکه عصبی مصنوعی برای شناسایی ناهنجاری‌ های زمین‌ شیمیایی Cu، Zn±Pb در منطقه هشتجین، شمال‌ غرب ایران

زمین شناسی اقتصادی

دوره 16، شماره 3 - شماره پیاپی 42، 1403، صفحه 101-122   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/econg.2024.1117

نویسندگان

علی امامعلی پور¹؛ حامد ابراهیمی^{* 2}؛ امیررضا عبدالله‌ پور³

¹دانشیار، گروه مهندسی معدن، دانشکده فنی مهندسی، دانشگاه ارومیه، ارومیه، ایران

²دانشجوی دکتری، گروه مهندسی معدن، دانشکده فنی مهندسی، دانشگاه ارومیه، ارومیه، ایران

³دانشجوی کارشناسی ارشد، گروه زمین‌شناسی، دانشکده علوم، دانشگاه تبریز، تبریز، ایران

چکیده

شناسایی ناهنجاری‌های زمین‌شیمیایی نقش مهمی را در اکتشافات معدنی ایفا می‌کند. پژوهش‌های اخیر نشان‌داده است که الگوریتم یادگیری ماشین می‌تواند ناهنجاری‌های زمین‌شیمیایی مرتبط با کانی‌سازی را که اهدافی برای اکتشاف مواد معدنی هستند، شناسایی کند. الگوریتم‌های یادگیری ماشین به دلیل قابلیت قوی در استخراج و نمایش ویژگی‌های سطح بالای نمونه‌های آموزشی، به طور گسترده در زمینه‌های مختلف استفاده می‌شوند. شبکه‌های رمزگذار خودکار توانایی بالایی در شناسایی ناهنجاری‌های زمین‌شیمیایی نشان می‌دهند. در این پژوهش، از روش ترکیبی شبکه خودکار رمزگذار با روش فرکتالی عیار- مساحت برای شناسایی ناهنجاری‌های زمین‌شیمیایی استفاده شد. نخست، با استفاده از آنالیز چند متغیره فاکتوری عناصر باریم، سرب، روی، مس، طلا، آهن، طلا و آرسنیک به عنوان شاخص انتخاب شدند. سپس نقشه‌های زمین‌شیمیایی تک عنصری این عناصر تهیه شد و به منظور یکسان‌سازی نقشه‌های به دست آمده از لحاظ مقادیر کمینه و بیشینه، تمام نقشه‌ها به صورت فازی درآمدند. با استفاده از عملگر گامای فازی نقشه‌های زمین‌شیمیایی تک عنصری با هم تلفیق شدند. سپس نقشه حاصل از روش رمزگذار خودکار عمیق با هشت لایه رمزگذار و رمزگشا بازسازی شد. سرانجام، با استفاده از روش فرکتال عیار- مساحت نقشه پتانسیل معدنی برای این منطقه تهیه شد. مدل ترکیبی پیشنهادی در این پژوهش، منطقه‌ای با پتانسیل کانی‌زایی بالا در شمال‌شرق محدوده مورد بررسی را معرفی می‌کند.

کلیدواژه‌ها

ناهنجاری زمین شیمیایی؛ یادگیری ماشین؛ مدل سازی فرکتالی؛ نقشه پتانسیل معدنی؛ هشتجین

مراجع