17696

15468

كارشناسي ارشد

اكتشاف

اصفهان : دانشگاه صنعتي اصفهان

1400

دوازده، 82ص.: مصور (رنگي)، جدول، نمودار

حسن طباطبايي

احمدرضا مختاري، حمايت جمالي

1401/04/13

كتابنامه

معدن

مهندسي معدن

1401/04/15

2832594

از دهه 1970 تا كنون تكنيك¬هاي تشخيص الگو براي شناسايي و بررسي اطلاعات زمين¬شناسي و كاني¬زايي در داده¬هاي ژئوشيميايي به¬كار گرفته¬شده است. كه روش¬هاي چند¬متغيره گزينه ترحيجي در اين مورد مي¬باشد. الگوريتم FA و روش¬هاي بهبوديافتة آن كارايي و تأثير خود را در شناسايي الگوهاي ژئوشيميايي و استخراج ويژگي¬هاي ژئوشيميايي هدف اثبات كرده‌اند، بااين‌حال يكي از چالش¬هاي اصلي در استفاده از مدل FA و روش‌هاي بهبوديافته آن عدم تعامل با ساختار فضايي - زمين¬شناختي داده¬هاي ژئوشيميايي است كه مي‌تواند منجر به تفسير ناقصي از فرايندهاي پيچيده زمين‌شناسي شود. چراكه اين روش نيز مانند ساير الگوريتم‌هاي بازشناسي الگو صرفاً مقادير غلظت ژئوشيميايي را براي استخراج ويژگي‌هاي مطلوب در نظر مي‌گيرد. الگوريتم آناليز فاكتور وزن¬دار فضايي (SWFA) روش بهبوديافته مدل FA است كه با تعريف يا تخصيص توابع وزن‌دهي بر اساس ويژگي‌هاي فضايي - زمين‌شناسي يك سيستم كاني¬زايي، يك روش استخراج ويژگي "منبع گرا" را ارائه مي¬دهد. در اين پژوهش جهت بازشناسي الگوهاي ژئوشيميايي و استخراج ويژگي¬هاي مرتبط با كاني¬زايي از الگوريتم FA، SFA و SWFA استفاده شده است. به اين منظور داده¬هاي حاصل از 1033 نمونه برداشت شده از منطقه فيض¬آباد در شمال شرق ايران واقع بركمربند ولكانيك - پلوتونيكي خواف - كاشمر - بردسكن مورد بررسي قرار گرفت. در اين راستا جهت استفاده از داده¬هاي رسوبات آبراهه¬اي كه ماهيت تركيبي دارند و گزينه مناسبي جهت استفاده مستقيم در الگوريتم FA و روش¬هاي بهبوديافته آن نمي‌باشد از نوع خاصي از CDA و تركيبي از تبديلات Log-Ratio استفاده گرديد. دررابطه‌با مدل SWFA با بررسي ساختار زمين‌شناسي منطقه، سه عامل كنترل‌كننده احتمالي كاني¬زايي (گسل، توده نفوذي و دگرساني) به‌عنوان منابع بالقوه و معيار وزن¬دهي در نظر گرفته شدند. بررسي نتايج حاصل از هر سه روش حاكي از اين است كه مدل SWFA با درنظرگرفتن هر سه عامل كنترل¬كننده كاني¬زايي سبب افزايش معني¬دار مقادير ويژه و تفسيرپذير تر شدن بردار ويژه نسبت به دو مدل FA و SFA شده است. در خصوص بهبود الگوي توزيع فضايي ويژگي هدف نيز مدل SWF1-Fault با n=2.77 و AUC=%87.5 عملكرد بسيار خوبي نسبت به ساير گزينه¬ها داشته است كه بيانگر اين موضوع مي¬باشد كه آنومالي¬هاي حاصل و رخداد¬هاي معدني با زون گسل، به‌عنوان يك فاكتور اكتشافي جهت مطالعه سيستم¬هاي كاني-زايي موجود در منطقه، ارتباط ژنتيكي مناسبي نشان مي¬دهند و مي¬توان گسل را به‌عنوان بارزترين و مهم¬ترين عامل كنترل¬كننده كاني¬زايي در منطقه فيض¬آباد برشمرد.

Pattern recognition techniques have been used to identify and study geological and mineralization information in geochemical data since the 1970s. Multivariate methods are the preferred option in this case. The FA algorithm and its improved methods have proven their efficiency and effectiveness in identifying target geochemical patterns and geochemical properties. However, one of the main challenges in using the FA model and its improved methods is the lack of spatial-terrestrial structural features. Cognitive geochemical data that can lead to incomplete interpretations of complex geological processes. Because this method, like other recognition algorithms, considers the pattern only within the geochemical to investigate the desired properties. The Spatial Weight Factor Analysis (SWFA) algorithm is an improved method of the FA model that provides a "source-oriented" method of extracting a "source-oriented" feature by defining or characterizing weighting functions based on the spatial-geological features of a mineralization system. In this research, FA, SFA and SWFA algorithms have been used to identify geochemical patterns and properties related to mineralization. For this purpose, the data obtained from 1033 samples taken from Feyzabad region in northeastern Iran on the volcanic-plutonic belt of Khaf-Kashmar-Bardaskan were examined. In this regard, a special type of CDA and a combination of Log-Ratio transformations can not be used for the use of stream sediments that have a hybrid nature and a suitable option for direct use in the FA algorithm and its improved methods. In relation to the SWFA model, by examining the geological structure of the region, three possible controlling factors of mineralization (fault, intrusive mass and alteration) were considered as potential sources and weighting. Examination of the results of all three methods indicates that the SWFA model, taking into account each mineral controlling factor, causes a significant increase, which is interpreted as three special methods and more acceptance of special vectors than the two models FA and SFA. In improving the target properties, the SWF1-Fault model with n = 2.77 and AUC(%) = 87.5¬ has a very good performance compared to other options, which indicates that the resulting anomalies and mineral events. With the fault zone, as an exploratory factor for the study of mineralization systems in the region, they show a good genetic relationship and the fault can be considered as the most obvious and important factor controlling mineralization in the mineralization region in Feizabad region.

حسن طباطبايي

احمدرضا مختاري، حمايت جمالي