توصيفگر ها :
تلفيق اطلاعات , روش جنگل تصادفي , مس توده ايي نوع قبرسي , منطقه گزيك- آهنگران , مس پروفيري
چكيده فارسي :
امروزه كاهش هزينه¬ها در انجام پروژه¬هاي معدني از اهداف بسيار مهم مي¬باشد. اين امر به دليل پر هزينه بودن و پر ريسك بودن فعاليت¬هاي اكتشافي بسيار مهم مي¬باشد.كه در اين مرحله منطقه¬ي پر پتانسيل¬تر شناسايي و براي بررسي انتخاب مي¬شود. در اين پژوهش سعي به بررسي برگه 1:100000 آهنگران و معرفي بخش¬هايي از منطقه به عنوان نواحي محتمل¬تر تشكيل كانسار مس توده¬اي نوع قبرسي شده است. همچنين اين پژوهش كاربرد اميدوار كننده روش جنگل تصادفي براي تركيب اطلاعات پايگاه داده اكتشافي جهت تهيه نقشه پتانسيل معدني بيان مي¬كند. اطلاعات به كار گرفته شده براي انجام اين كار شامل نقشه زمين¬شناسي 1:100000 منطقه، داده¬هاي ژئوشيميايي رسوبات آبراهه¬اي منطقه كه به روش IDW پردازش شد و نقشه گسل¬ها كه به روش فاصله از گسل مورد پردازش قرار گرفت. به منظور رسيدن به نتيجه¬ي دقيق¬تر، از انديس¬هاي معدني موجود در منطقه به عنوان معادن مس استفاده شد. با بررسي اطلاعات اكتشافي معادن نامبرده مشخص شد كاني سازي مس در منطقه در ارتباط با واحد افيوليتي مختلفي ديده مي‌شوند كه در اين ميان مي‌توان به كانه‌زايي كروميت و عناصر گروه پلاتين همراه واحدهاي الترامافيكي، كانه‌زايي كبالت ، نيكل همراه با واحد گابرويي، كانه‌زايي مس توده‌اي تيپ قبرس همراه با گدازه‌هاي بالشي و همچنين منگنز اشاره كرد همچنين واحد¬هاي راديولاريت¬ها، جاسپر و توف كه از واحد¬هاي افيوليتي مي¬باشند و در بيشتر قسمت¬هاي منطقه اكتشافي ديده¬ مي¬شود، كه در اين واحد همانطور كه انتظار مي¬رود انديس مس توده¬ايي نوع قبرسي ديده مي¬شود. بعد از پردازش لايه¬ها، كدنويسي پايتون براي تلفيق نهايي با روش جنگل تصادفي نوشته شد. سرانجام نقشه نهايي در نرم افزار Arc Gis رسم شد و نقشه¬ پتانسيل معدني نهايي تطابق خوبي بين نواحي پتانسيل¬دار و محل انديس¬هاي معدني موجود در منطقه نشان مي¬دهند.
چكيده انگليسي :
Today, one of the most important goals is to reduce the costs of mining projects since the exploration operations are associated with high risk and cost. For this purpose, regions with higher potential are identified for investigation. The present study is aimed to investigate Ahangaran's 1:100000 sheet and introduce areas with a higher probability of the formation of Cypriot mass copper ore deposits. Also, this study presents a promising application of the random forest method for combining the data of the exploratory database in order to depict the mineral potential map. The data used for this purpose include the geological 1:100000 map of the region, geochemical data of the deposits of the waterways in the region, which were processed using the IDW method, and the fault map, which was processed using the fault distance estimation method. To achieve more accurate results, the mineral indices existing in the region were used as copper mines. Analyzing the exploratory data obtained from these mines showed that the copper mineralization in the region is associated with different ophiolite units, including the mineralization of chromite and other elements of the Platine group along with ultramafic units, the mineralization of cobalt and nickel along with gabbroid units, the mineralization of Cypriot mass copper along with pillow lava, manganese, as well as units, jasper, and tuff units that are considered among the ophiolite units and can be seen in most parts of the exploration region. In this unit, as it is expected, the Cypriot mass copper index can be observed. After processing the layers, Python coding was used for the final integration with the random forest method. Finally, the final map was drawn in Arc Gis software. The final mineral potential map exhibited good consistency between the potent areas and locations of the mineral indices existing in the region.
