پديد آورنده :
بيكي حسن، داود
عنوان :
تعيين آنومالي‌هاي واقعي ژئوشيميايي در كانسار طلاي چاه زرد با استفاده از روش درخت تصميم
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
اكتشاف معدن
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
چهارده، 109ص.: مصور، جدول، نمودار
استاد راهنما :
حسن طباطبايي
استاد مشاور :
هوشنگ اسدي هاروني
توصيفگر ها :
داده‌كاوي , كانسار طلا-نقره اپي‌ترمال سولفيداسيون متوسط تا پايين چاهزرد , آناليز تمايز , شبكه عصبي مصنوعي , رگرسيون خطي چندگانه , ماشين بردار پشتيبان , درخت تصميم و درخت مدل
استاد داور :
احمدرضا مختاري، ابراهيم قاسمي
تاريخ ورود اطلاعات :
1397/12/08
دانشكده :
مهندسي برق و كامپيوتر
تاريخ ويرايش اطلاعات :
1397/12/13
چكيده فارسي :
چکیده با توجه به اکتشاف و بهرهبرداري کانسارهاي نمایان و سطحی کشف تودههاي کانساري زیرسطحی و عمیق بیش از پیش رونق یافته است طال عنصري زیبا و کمیاب است و در سالهاي اخیر به دلیل بازار عرضه و تقاضا به شدت مورد توجه قرار گرفته است یکی از مسائل اساسی اکتشاف طال در نظر گرفتن بهینهسازي زمانی و مالی میباشد تجزیه و تحلیل دادههاي ژئوشیمیایی به علت نمونه برداري سیستماتیک خاک و سنگ به صورت مستقیم مطالعه ارتباط بین عناصر و مشخص کردن عناصر داراي قدرت تحرک باال اهمیت ویژهاي نسبت به سایر تکنیک هاي اکتشافی پیدا کرده است به منظور آشکارسازي اطالعات با استفاده از داده هاي موجود از یک ابزار مهم و کارآمد به نام دادهکاوي استفاده شده است بنابراین به جاي طراحی شبکه حفاري بر اساس داده هاي سطحی از تکنیکهاي پردازش داده به منظور مشخص کردن نقاط بهینه حفاري استفاده کرده و در نتیجه این فرآیند منجربه کاهش ریسک و کاهش هزینه هاي مالی و زمانی خواهد شد در این پایان نامه از مطالعات آماري پایه و پیشرفته به منظور مدلسازي کانسار طال نقره اپیترمال سولفیداسیون متوسط تا پایین چاهزرد استفاده شده است این تیپ کانیسازي طال مرتبط با تودههاي نفوذي آتشفشانی دوران میوسن با ماگماي کالکآلکالن مقدار باالي پتاسیم و سنگهاي آندزیت تراکیآندزیت و گنبدهاي گدازهاي داسیت میباشد مدلسازي در این مطالعه به صورت مدلهاي کالسه بندي و مدلهاي پیشبینی جهت ارتباط داده هاي سطحی و عمقی مطرح شده است به منظور مطالعه این دو روش بلوکهاي زیرسطحی روي سطح تصویر شده و چهار پارامتر میانگین میانگین کل قدرت تولید خطی و آنومالی اقتصادي تعریف شده اند در بخش مدلهاي کالسهبندي به منظور مشخص کردن برچسب کالس نمونهها در هر یک از پارامترهاي تعریف شده از متدهاي آنالیز تمایز خطی و درجه دوم شبکه عصبی مصنوعی کالسهبندي بردار پشتیبان و درخت تصمیم استفاده شده است در این متدها به منظور صحت و اعتبارسنجی مدل 07 درصد داده ها به عنوان مجموعه دادههاي آموزشی و 03 درصد مابقی به عنوان مجموعه داده هاي تست معرفی شدند بر اساس نتایج به دست آمده روش درخت تصمیم 84 J با ضریب کاپاي بیش از 49 درصد و میانگین خطاي مطلق کمتر از 5 درصد دقت و تعمیمپذیري بیشتري نسبت به سایر روشها جهت جداسازي مناطق آنومال از زمینه و طبقهبندي کالسهاي آنومال داشته است در بخش مدلهاي پیشبینی به منظور تخمین مقادیر هرکدام از پارامترهاي تعریف شده از متدهاي رگرسیون خطی چندگانه شبکه عصبی مصنوعی پرسپترون چندالیه و شعاعی پایه رگرسیون بردار پشتیبان و درخت مدل استفاده شده است بر اساس این نتایج مدل تولید شده در روش درخت مدل M5P با ضریب تبیین بیش از 88 درصد و درصد میانگین خطاي مطلق کمتر از 11 درصد دقت بیشتر و عملکرد بهتري نسبت به سایر روشهاي فوق داشته است نتایج مدلهاي کالسهبندي و پیشبینی حاکی از توانایی باالي روشهاي پیشرفته درخت تصمیم در ارائه جواب بهینه با ریسک پایین میباشد در نهایت نیز با استفاده از قدرت تعمیمپذیري این مدلها نقاط حفاري تکمیلی در مناطق فاقد نمونه هاي زیرسطحی در بخش غربی پیشنهاد گردید کلمات کلیدی دادهکاوي کانسار طال نقره اپیترمال سولفیداسیون متوسط تا پایین چاهزرد آنالیز تمایز شبکه عصبی مصنوعی رگرسیون خطی چندگانه ماشین بردار پشتیبان درخت تصمیم و درخت مدل
چكيده انگليسي :
Determination of true geochemical anomalies in Chah e Zard gold deposit using decision tree method Davood Beykihasan d beykihasan@mi iut ac ir Date of Submission 2019 01 15 Department of Mining Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisor Seyed Hassan Tabatabaei tabatabaei@cc iut ac irAbstractDue to the discovery of shallow ore deposits the exploration of the subsurface and deep ore reserves hasflourished Gold is a precious rare element which has been heavily taken into account in recent years due to thesupply and demand market One of the fundamental issues in gold exploration is the consideration of temporaland financial optimization Analysis of geochemical data has become an important task due to a systematicsampling of soil and rock the study of the relationship between elements and the identification of high mobilityelements In order to discover knowledge from data an efficient tool titled Data Mining has been used Therefore instead of designing a drilling network based on the surface data data processing techniques areused to specify the optimal drilling points This process reduces the risk as well as the financial and temporalcosts In this thesis basic and advanced statistical techniques have been used to model the Chah e Zard lowto intermediate sulfidation epithermal Au Ag deposit The mineralization type is associated with Miocenevolcanic intrusive bodies along with calc alkaline magma andesite trachy andesite and dacite The modelingprocess is presented as classification and prediction models to investigate the relationship between surface anddepth data In the result section the subsurface blocks are projected on the surface Afterward four statisticalparameters of mean total mean linear productivity and economic anomaly are defined In the classificationmodel to specify the label of the surface samples the linear and quadratic discriminant analysis ArtificialNeural Network ANN Support Vector Machine SVM and decision tree are used To validate theclassification model 70 of the data was selected as the train data set and the remaining was considered as atest data set The validation results show that the J48 decision tree has more accuracy in the classification ofanomaly and background Kappa coefficient of 94 and Mean Absolute Error of 5 In the prediction models in order to estimate the each of the defined parameters multiple linear regression Multilayer Perceptron MLP and Radial Basis Function RBF neural network Support Vector Regression SVR and model tree techniqueare used Accordingly the model produced by the M5P model tree has a better performance compared to othermethods with an adjusted Coefficient of determination of 88 and Mean Absolute Error of 11 The resultsof classification and prediction models indicate the ability of decision tree techniques to provide optimal andlow risk solutions Based on the generalizability of these models additional drilling points were proposed inthe undrilled areas in the western part of the region Keywords Data mining Low to intermediate sulphidation epithermal deposit of Chah e Zard Discriminant Analysis Artificial Neural Network Multiple Linear Regression Support Vector Machines Decision Tree and Model Tree
استاد راهنما :
حسن طباطبايي
استاد مشاور :
هوشنگ اسدي هاروني
استاد داور :
احمدرضا مختاري، ابراهيم قاسمي
