فهرست نشریات علمی دسترسی آزاد ایران

شناسایی ناهنجاری‌های زمین‌شیمیایی نقش مهمی را در اکتشافات معدنی ایفا می‌کند. پژوهش‌های اخیر نشان‌داده است که الگوریتم یادگیری ماشین می‌تواند ناهنجاری‌های زمین‌شیمیایی مرتبط با کانی‌سازی را که اهدافی برای اکتشاف مواد معدنی هستند، شناسایی کند. الگوریتم‌های یادگیری ماشین به دلیل قابلیت قوی در استخراج و نمایش ویژگی‌های سطح بالای نمونه‌های آموزشی، به طور گسترده در زمینه‌های مختلف استفاده می‌شوند. شبکه‌های رمزگذار خودکار توانایی بالایی در شناسایی ناهنجاری‌های زمین‌شیمیایی نشان می‌دهند. در این پژوهش، از روش ترکیبی شبکه خودکار رمزگذار با روش فرکتالی عیار- مساحت برای شناسایی ناهنجاری‌های زمین‌شیمیایی استفاده شد. نخست، با استفاده از آنالیز چند متغیره فاکتوری عناصر باریم، سرب، روی، مس، طلا، آهن، طلا و آرسنیک به عنوان شاخص انتخاب شدند. سپس نقشه‌های زمین‌شیمیایی تک عنصری این عناصر تهیه شد و به منظور یکسان‌سازی نقشه‌های به دست آمده از لحاظ مقادیر کمینه و بیشینه، تمام نقشه‌ها به صورت فازی درآمدند. با استفاده از عملگر گامای فازی نقشه‌های زمین‌شیمیایی تک عنصری با هم تلفیق شدند. سپس نقشه حاصل از روش رمزگذار خودکار عمیق با هشت لایه رمزگذار و رمزگشا بازسازی شد. سرانجام، با استفاده از روش فرکتال عیار- مساحت نقشه پتانسیل معدنی برای این منطقه تهیه شد. مدل ترکیبی پیشنهادی در این پژوهش، منطقه‌ای با پتانسیل کانی‌زایی بالا در شمال‌شرق محدوده مورد بررسی را معرفی می‌کند.