17277

1870 دكتري

دكتري

اكتشاف مواد معدني

اصفهان : دانشگاه صنعتي اصفهان

1400

دوازده، 97ص.: مصور، جدول، نمودار

حسن طباطبايي

امانوئل جان ام. كارانزا، شهرام حسيني، ينيك دويل

احمدرضا مختاري، رسول اميرفتاحي، فرهاد محمد تراب

1400/11/24

كتابنامه

مهندسي معدن

مهندسي معدن

1400/11/25

2768516

در اين رساله، يك چارچوب محاسباتي براي بهبود فرآيندهاي مرتبط با بازشناسي الگوي كانه¬زايي در ژئوسيستم¬هاي پيچيده ارائه شده است. هدف كلي رساله شامل توسعه¬ي رياضي روش¬هايي براي جداسازي سيگنال¬هاي منبع ژئوشيميايي (با رويكردهاي پردازش سيگنال و آناليز ژئوفضايي) و نيز تكنولوژي¬هايي براي طبقه¬بندي ويژگي¬هاي استخراجي (با رويكردهاي وزن¬دار/ آگاه ژئوفضايي) جهت دستيابي به مدل¬هاي كارآمدي از كانه¬زايي است. براي هر يك از تكنيك¬هاي توسعه داده شده، فرمولاسيون دقيقي از ساختار رياضي روش ارائه شده است، برنامه¬هاي نرم¬افزاري مربوطه با توانايي پردازش سريع و كاربرپسند تأليف شده، و با اجرا و آزمايش بر روي مطالعات موردي حقيقي، قابليت¬هاي تئوري و عملي آن¬ها از جنبه¬هاي رياضي، ژئوشيميايي و متالوژنيكي به اثبات رسيده است. در بخش اول از رساله، يك راهكار جداسازي كور منبع (BSS) به منظور تخمين سيگنال¬هاي ژئوشيميايي سطحي مرتبط با كانسارهاي معدني چندعمقي معرفي شده است. به منظور طراحي توابع فيلتري كه به شكل كارآمدي قادر به تقويت تصاوير عنصري در باندهاي طيفي معين باشند، ويژگي-هاي تغييرناپذيري مقياس تصاوير عناصر در حوزه¬ي فركانس فوريه از طريق تخمين نمايي¬هاي مقياس¬سازي انيزوتروپي در حوزه¬ي چگالي طيف توان 2D آناليز شده¬اند. پس از يك مرحله كاهش نويز، با فرض لحظه¬اي و خطي بودن كانال انتقال، روش FastICA براي كدگذاري آماري پاسخ¬هاي فيلتر استفاده شده است تا سيگنال¬هاي منبع متناظر با فرآيندهاي زمين¬شناسي مختلف جداسازي شوند. تكنيك پيشنهادي بر روي سيگنال¬هاي 2D عناصر كانه¬ساز در يك سيستم پورفيري چندمنبعي آزمايش شده است. سيگنال¬هاي منبع در تمام توابع كرنل، صحت¬هاي طبقه¬بندي بهبود يافته¬تر و وابستگي بيش¬تري به الگوهاي كانه¬زايي سطحي و عميق آشكار كرده و نسبت به پاسخ¬هاي فيلتر و مخلوط¬هاي عنصري برتري داشته¬اند. در بخش دوم رساله، يك روش آناليز فاكتور وزن¬دار فضايي (SWFA) توسعه داده شده است تا سيگنال مرتبط با كانه¬زايي از طريق تلفيق اطلاعات غلظت-هاي ژئوشيميايي، خواص فضايي 3D و دانش زمين¬شناسي- متالوژنيكي موجود در نمونه¬برداري سطح زمين شناسايي شود. با در نظر گرفتن آلتراسيون¬هاي هيدروترمال به عنوان بردارهاي كارآمدي جهت هدف¬گيري كانه¬زايي در سيستم¬هاي ژئوشيميايي، يك تابع وزن به منظور حصول الگوهاي متالوژنيك منبع¬گرا طراحي شده است تا فاصله با زون¬هاي آلتراسيون اميدبخش و انيزوتروپي هندسي ليتولوژي¬هاي بارور در ميدان مورد مطالعه را در يك فرمولاسيون يكپارچه تركيب كند. نتايج نشان داده¬اند كه به كارگيري تابع وزن، جايگشت مقادير ويژه را به نحوي آرايش مي¬دهد كه روند نزولي واريانس منابع يك زون¬بندي فضايي را از داخل به بيرون ميدان كانه¬زايي آشكار مي¬كند، ضمن اين كه ضرايب بردارهاي ويژگي تفسيرپذيري بيش¬تري را براي عناصر كانه¬ساز به ارمغان مي¬آورند. نتايج آناليز ROC يك ارتباط فضايي معني¬دار ميان الگوي كانه¬زايي منبع¬گرا و شواهد متالوژنز در منطقه¬ي مطالعاتي نشان داده است كه حاكي از برتري مدل منبع¬گرا به مدل حاصل از FA است. در بخش سوم، يك روش طبقه¬بندي فازي هوشمند فضايي- زمين¬شناسي (SGIFC) براي مدل¬سازي توزيع فضايي كانه¬زايي از طريق تلفيق اطلاعات ژئوشيميايي، خواص فضايي 3D و دانش زمين¬شناسي موجود در مواد نمونه¬برداري شده در سطح زمين توسعه داده شده است. يك مدل برهمكنش فضايي- زمين¬شناسي (SGIM) تعريف شده است تا عضويت¬هاي فازي در هر سيكل از الگوريتم fuzzy c-means (FCM) بر اساس تلفيقي از تشابهات فضايي و زمين¬شناسي بين¬نمونه¬اي تعديل شوند. آناليز خودهمبستگي فضايي عضويت¬هاي فازي از طريق محاسبه¬ي Moranʹs I و شبيه¬سازي مونت كارلو نشان داده است كه SGIFC در مقايسه با مدل¬هاي FCM، الگوهاي مقاوم¬تر و از نظر فضايي پيوسته¬تري را ارائه مي¬كند. نتايج نشان داده¬اند كه الگوي توزيع فضايي- فركانسي عضويت¬هاي فازي مرتبط با كانسنگ حاصل از SGIFC در مقايسه با FCM سازگاري بيش¬تري با واقعيت¬هاي متالوژنيكي سطحي و عميق آشكار كرده و وابستگي كمي معني-دارتري با محتوي معدني زيرسطحي در منطقه¬ي مطالعاتي دارند. بنابراين، مشاركت دادن مدل SGIM در طبقه¬بندي فازي توانسته است اطلاعات جامع شبكه¬ي نمونه¬برداري سطح زمين را براي پيشگويي اهداف پتانسيل مورد نياز براي اكتشافات تفصيلي تجميع كند.

This thesis describes a computational framework to improve the procedures of mineralization pattern recognition within complex geosystems. The research aims to develop mathematical methods for blind separation of geochemical sources as well as techniques for classification of the extracted features (by geospatially weighted/informed approaches) to achieve more effective mineralization models. For each developed technique, the exact formulation of mathematical setting was described, the relevant software programs with fast processing capability and user-friendly interfaces were implemented. The first chapter, describes a blind source separation (BSS) approach to estimate surface geochemical signals induced by multi-depth mineral deposits in a complex geosystem. The BSS system proposed herein conducts two consecutive modules to tackle complexities; The first is to decompose elemental mixture images into frequency components using a 2D spectral-spatial filtering, the second is to statistically separate the sources across the filter responses through independent component analysis (ICA). The results revealed significant superiority of source signals over elemental mixtures and filter responses by delivering improved classification accuracies in all kernel scenarios and a more effective spatial coincidence with both shallow and deep-seated metallogenic patterns. Mathematical, geochemical, and metallogenic surveys suggested that proposed BSS holds potential to provide efficient source signals for acquiring robust prospective models with both grade and depth resolutions to support detailed follow-up operations in complex mineral systems. The second chapter proposes a spatially-weighted factor analysis (SWFA) to recognize effectively the underlying mineralization-related feature(s) in geochemical signals. Perceiving the hydrothermal alterations as mineralization-indicating vectors in geochemical systems, a weighting function integrates the distance to prospective alteration zones and the geometry of productive geo-objects into a monolith formulation to achieve the source-oriented results. A covariance matrix tuned by the system localization function reformulates the standard factor analysis (FA) model to manifest source-oriented mineralization factor(s). The results indicated that the use of a weighting function configures the permutation of eigenvalues in such a way as to reflect spatial zoning from proximal to distal signals while providing clearly interpretable eigenvectors for ore-forming elements. The results revealed a significant spatial coincidence between the source-oriented metallogenic pattern and mineralization evidence, implying superiority over the model derived by standard FA. The third chapter describes a spatio-geologically informed fuzzy classification (SGIFC) for portraying the spatial-frequency distribution of mineralization through integration of geochemical concentrations, 3D spatial properties, and geological knowledge contained in surface samples. A spatio-geological interaction model (SGIM) was defined to constitute an SGIFC by modulating fuzzy memberships in each iteration of standard fuzzy c-means (FCM) according to the incorporation of both spatial and geological inter-sample similarities. Spatial autocorrelation analysis of fuzzy memberships through Moranʹs I calculation and Monte Carlo simulation indicated that SGIFC leads to more robust spatially-connected patterns compared to FCM models. The results reveal that the distribution pattern of mineralization-related memberships for SGIFC, compared to that of FCM, is more consistent with sub-outcropping and deep metallogenic realities and describes a more significant quantitative association with subsurface mineral content within the study region. The incorporation of SGIM into fuzzy classification has demonstrated the sufficiency to synthesize the comprehensive information of samples to predict effectively potential targets for follow-up exploration.

حسن طباطبايي

امانوئل جان ام. كارانزا، شهرام حسيني، ينيك دويل

احمدرضا مختاري، رسول اميرفتاحي، فرهاد محمد تراب