فهرست نشریات علمی دسترسی آزاد ایران

مدلسازی پتانسیل معدنی با تلفیق داده‌های اکتشافی مختلف، منجر به شناسایی نواحی امیدبخش )نمونه‌های ناهنجار) می‌شود. در این فرآیند، بهره‌گیری از روش‌های تشخیص ناهنجاری نقش مؤثری دارد. در این پژوهش، به‌منظور تلفیق لایه‌های شاهد و شناسایی اهداف اکتشافی مرتبط با ذخایر مس پورفیری از الگوریتم نظارت نشده جنگل ایزوله (IF) استفاده شده است. ابتدا 7 لایه شاهد، شامل 4 لایه فاصله از دگرسانی‌های گرمابی آرژیلیک، فیلیک، پروپیلیتیک و اکسید آهن، لایه شاهد آنومالی ژئوشیمیایی چند متغیره، چگالی گسل و لایه شاهد فاصله از توده نفوذی ساخته شد. هایپرپارامترها با استفاده از نمودار نرخ پیش‌بینی-مساحت انتخاب شدند. نمودار نرخ پیش‌بینی-مساحت، نشان دهنده مؤثر بودن این الگوریتم در تلفیق لایه‌های اکتشافی پیچیده و غیرخطی است. همچنین اهداف شناسایی شده توسط این روش انطباق مناسبی با سنگ‌های میزبان‌ مرتبط با کانی‌سازی مس پورفیری نشان می‌دهند و مناطقی در مرکز و شمال غربی محدوده به‌عنوان مناطق امیدبخش شناسایی شده‌اند. علاوه‌بر این، به‌منظور تأیید عملکرد الگوریتم IF در مدلسازی پتانسیل معدنی ذخایر مس پورفیری، مدل نهایی تولید شده توسط این روش با مدل تولید شده توسط میانگین هندسی مقایسه شد. وزن مدل تولید شده توسط IF و میانگین هندسی به‌ترتیب برابر با 85/0 و 71/0 ‌‌است، که نشان دهنده برتری الگوریتم IF در شناسایی رخداد‌های شناخته شده ‌است. همچنین تحلیل تأثیر هایپرپارامترهای الگوریتم IF بیانگر تأثیر مستقیم هایپرپارامتر "حداکثر ویژگی" بر عملکرد مدل نهایی است و با افزایش آن، عملکرد مدل در شناسایی مناطق امیدبخش افزایش می‌یابد.