عنوان :
شناسايي مناطق پر پتانسيل طلا و سرب و روي با استفاده از معيارهاي اكتشافي به روش هاي تلفيق تركيبي در محور محلات – خمين
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
اكتشاف معدن
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
پانزده، 127ص. : مصور (رنگي)، جدول، نمودار
استاد راهنما :
هوشنگ اسدي هاروني، حسن طباطبائي
توصيفگر ها :
نقشه پتانسيل معدني , برگه محلات , مدل هيبريدي نروفازي , روش FAHP , تيپ كارلين , تيپ مي سي سي پي و سدكس
استاد داور :
نادر فتحيان پور، ميثم عابدي
تاريخ ورود اطلاعات :
1401/01/21
رشته تحصيلي :
مهندسي معدن
تاريخ ويرايش اطلاعات :
1401/01/21
چكيده فارسي :
اكتشاف معدن و به طور كلي تمامي علوم مرتبط با زمين به دليل فعاليت هاي پيچيده، متفاوت و ناشناخته زمين شناسي همواره با عدم قطعيت بالا همراه است و از اين رو باعث به وجود آمدن ريسك سرمايه گذاري مي گردد. از اين رو جهت كاهش ريسك و افزايش قطعيت كار در اكتشاف معادن نياز هست تا روش هايي براي پتانسيل يابي و مدل سازي ذخاير معدني استفاده شود كه بازدهي بيشتر و نتايج قابل اعتمادتري داشته باشند. تهيه نقشه هاي پتانسيل معدني در مراحل مختلف اكتشاف به ويژه پي جويي فرآيندي است كه نيازمند دقت فراوان است تا لايه هاي مختلف اكتشافي به نحوي تركيب شوند كه نتايج مطلوبي در بر داشته باشد. روش هاي متفاوتي براي تلفيق لايه هاي اكتشافي وجود دارد كه به انواع دانش محور، داده محور و روش هاي ديگر و حتي تلفيقي از آن ها تقسيم بندي مي شوند. در اين پژوهش هدف تهيه نقشه هاي پتانسيل طلا و سرب و روي در برگه 1:100000 محلات با استفاده از روش هاي AHP فازي براي طلا و شبكه عصبي فازي براي پتانسيل يابي سرب و روي مي باشد. لايه هاي اكتشافي استفاده شده در اين پژوهش شامل زمين شناسي، دورسنجي، ژئوفيزيك هوابرد، ژئوشيمي و لايه گسل ها و خطواره ها هستند كه به صورت جداگانه براي كاني سازي هاي طلا (تيپ كارلين) و سرب و روي (MVT ، Sedex ) در محيط GIS تهيه شدند. در پتانسيل يابي طلا از انديس هاي اطراف محدوده اخترچي براي كنترل و تهيه لايه ها استفاده شد. براي تهيه اين لايه هاي شاهد (تلفيقي از زير لايه ها) و همينطور نقشه نهايي پتانسيل روش FAHP بكار برده شد. در پتانسيل يابي سرب و روي محدوده، تمامي نقشه هاي شاهد (حاصل شده از تركيب زير لايه ها) به صورت نقشه هايي با اندازه پيكسل (120 متر×120 متر) و تعداد پيكسل يكسان براي ورود به شبكه عصبي خروجي گرفته شد، از 24 انديس سرب و روي موجود در محدوده تعداد 22 انديس كه حاوي اطلاعات مفيد بودند براي آموزش شبكه استفاده شد و با توجه به كم بودن داده هاي آموزش فاصله 300 متر به عنوان شعاع محدوده انديس ها در نظر گرفته شد و مانند لايه هاي ديگر از آن خروجي گرفته شد در ادامه نيز تعدادي از نقاط به عنوان مناطق فاقد كاني سازي و تعدادي نيز به عنوان مناطق متوسط براي لايه آموزشي به شبكه وارد شدند. از مدل هيبريدي نروفازي براي تهيه نقشه سه كلاسه پتانسيل سرب و روي استفاده شد كه نقشه حاصل شده از اين روش با استفاده از 22 انديس موجود اعتبار سنجي شد كه از اين تعداد، 13 انديس (حدود 60 %) در كلاس اول ( كلاس با اهميت تر) و 7 انديس (حدود 30 درصد) در كلاس دوم (كلاس متوسط) قرار گرفتند.
چكيده انگليسي :
Mineral exploration and in general, all earth-related sciences are always associated with high uncertainty due to complex, different and unknown geological activities, and therefore cause investment risk. Hence, it is necessary to use methods for mineral potential detection and modeling of mineral reserves that have higher efficiency and more reliable results, in order to reduce the risk and increase the certainty in mine exploration. Preparation of mineral potential maps in different stages of exploration, especially tracking, is a process that requires great precision to combine different exploratory layers in a way that has desirable results. There are different methods for integrating exploratory layers, which are divided into knowledge-based, data-driven, other methods, and even a combination of them. In this research, the aim is to prepare gold and lead and zinc potential maps in 1:100000 Mahalat sheet using FAHP methods for gold and fuzzy neural network for lead and zinc potential. Exploratory layers used in this research include geology, remote sensing, airborne geophysics, geochemistry and faults which are prepared separately for gold (Carlin type) and lead and zinc mineralization (MVT, Sedex) in the GIS software. In gold potential detection, indices of the Akhtarchi area were used to control and prepare the layers. Furthermore, the FAHP method was used to prepare these control layers (a combination of sub-layers) as well as the final potential map. In the lead and zinc potential detection, all control maps (obtained from the combination of sublayers) were taken as maps with pixel size of (120 × 120 m) and the equal number of pixels (the same row and column number) to enter the output neural network. Of the 24 lead and zinc indices in the area, 22 indices that contained useful information were used for network training and due to the lack of training data, a distance of 300 meters was considered as the radius of the index range and like other layers an output was taken from it. Subsequently, a number of points as areas without mineralization and a number as intermediate areas for the training layer were entered into the network. Neurofuzzy hybrid model was used to prepare a three-class map of lead and zinc potential. The map obtained from this method was validated using 22 available indices, of which 13 indices (about 60%) were categorized in the first class (the more important class) and 7 indices (about 30%) were categorized in the second class (the middle class).
استاد راهنما :
هوشنگ اسدي هاروني، حسن طباطبائي
استاد داور :
نادر فتحيان پور، ميثم عابدي
