پديد آورنده :
حقيقت، فاضل
عنوان :
مدل سازي ژئوشيميايي كانسار مس پورفيري دره زار با استفاده از روش هاي چندمتغيره آماري
مقطع تحصيلي :
كارشناسي ارشد
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده مهندسي معدن
صفحه شمار :
دوازده، 82ص.: مصور
استاد راهنما :
حسن طباطبايي، غلامرضا رحيمي پور
توصيفگر ها :
تك متغيره , كانسار مس دره زار -آناليز مولفه هاي اصلي , آناليز فاكتوري - تحليل خوشه اي , ماشين بردار پشتيبان , قدرت توليد , تابع گوسين
استاد داور :
نادر فتحيان پور، مهيار يوسفي
تاريخ ورود اطلاعات :
1395/03/16
چكيده فارسي :
چكيده امروزه استفاده از روشهاي آماري به دليل هزينه پايين و نتايج مطلوب در اكتشافات ژئوشيميايي از جايگاه خوبي برخوردار است در اين پاياننامه از روشهاي آماري تكمتغيره و چندمتغيره جهت تحليل و پردازش دادههاي ژئوشيميايي سطحي محيط سنگي كانسار مس درهزار استفاده شده است بررسي و پردازش دادههاي سطحي با استفاده از روش تك متغيره آمار كالسيك و از روشهاي چندمتغيره ازجمله آناليز مؤلفههاي اصلي آناليز فاكتوري و تحليل خوشهاي جهت استخراج عناصر مؤثر در كانيزايي انجام شده است جهت تعيين حد آستانه و آنوماليها از روش غيرساختاري انحراف مطلق از ميانه و مقاد ير انحراف معيار و روش ساختاري هندسه فركتال استفاده شده است براي پردازش دادههاي عمقي كانسار نيز روش فركتال براي تعيين حد آستانه و آنومالي مربوط به سه متغير عيار ميانگين مجموع عيار و قدرت توليد عنصر مس در گمانههاي حفاري به كار برده شده است همچنين از روشهاي آناليز تمايز و ماشين بردار پشتيبان جهت مدلسازي ژئوشيميايي سه متغير مذكور و تعيين ارتباط كانيزايي در عمق با دادههاي سطحي استفاده شده است نتايج آناليز تمايز خطي براي متغير عيار ميانگين كانيزايي اصلي را در مركز منطقه و داراي روند شمال غرب جنوب شرق نشان مي دهد نقشه پراكندگي مربوط به متغيرهاي مجموع عيارها و قدرت توليد نيز مشابه يكديگر هستند و نتايج آناليز تمايز خطي مربوط به هر دو متغير آنوماليهاي گستردهاي را هم در مركز و هم در اطراف منطقه نشان ميدهند آناليز تمايز غيرخطي نيز براي هيچ كدام از متغيرها روند خاصي را نشان نميدهد در نهايت به منظور مدلسازي ژئوشيميايي ازماشين بردار پشتيبان نوع خطي و غيرخطي با تابع كرنل گوسين استفاده شده است كه در اين مدلسازي 17 درصد دادهها بهعنوان داده آموزشي و 19 درصد باقيمانده بهعنوان داده آزمايشي در نظر گرفتهشده است نتايج مدلسازي نشاندهنده برتري نوع غيرخطي روش ماشين بردار پشتيبان با تابع گوسين نسبت به روش آناليز تمايز است كلمات كليدي تكمتغيره چندمتغيره كانسار مس درهزار آناليز مؤلفههاي اصلي آناليز فاكتوري تحليل خوشهاي ماشين بردار پشتيبان قدرت توليد تابع گوسين
چكيده انگليسي :
Geochemical modeling of Darreh Zar porphyry copper deposit using multivariate statistical methods Fazel Haghighat fazel haghighat@mi iut ac ir Date of Submission 2016 01 16 Department of Mining Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisor Seyed Hassan Tabatabaei tabatabaei@cc iut ac ir Gholamreza Rahimipour rahimipour@uk ac irAbstractApplying statistical methods in geochemical exploration is highly attractive due to their lowerexpenses and better results In this research univariate and multivariate statistical methods are usedin order to process and interpret surface rock geochemical data of the Darreh Zar porphyry copperdeposit Processing and analyzing surface data were done by using classic univariate statisticalmethods as well as multivariate methods such as principle component analysis PCA factor analysis FA and clustering methods by specifying effective elements associated with porphyry coppermineralization Non structural methods such as median absolute deviation MAD and standarddeviation values and structural methods including fractal geometry are used to determine thresholdsof copper to identify further anomalies Moreover fractal method is also used to obtain threshold ofcopper deposit and further anomalies related to three variables of average assay assay summationand productivity of copper which have been used in processing bore hole data Support vectormachine SVM and linear discriminant analysis LDA were used for geochemical modeling fromthe three mentioned variables and their relationship with sub surface mineralization and surface data The results of LDA for average assay variable are located in the central part of the ore deposit in aNW SE direction Anomalies obtained by quadratic discriminant analysis do not show anymeaningful trends Plotted distribution map of assay summation and productivity variables weresimilar to LDA results Additionally linear and non linear SVM methods with Gaussian kernelfunction are used for geochemical modeling Among these methods 70 percent of data were usedas training data while the remaining 30 percent were considered as the testing data The results showthat non linear support vector machine method with Gaussian kernel function is more accurate thandiscriminant analysis Keywords Univariate Multivariate Darreh Zar Copper Deposit PCA FA SVM LDA Productivity GaussianKernel Function
استاد راهنما :
حسن طباطبايي، غلامرضا رحيمي پور
استاد داور :
نادر فتحيان پور، مهيار يوسفي
