مدل سازی پتانسیل کانی سازی مس و طلای پورفیری با به کارگیری روش یادگیری نیمه نظارتی در پهنه اکتشافی دهسلم، شرق ایران
نویسندگان
1 گروه مهندسی اکتشاف معدن، دانشکده مهندسی معدن و متالورژی، دانشگاه یزد، یزد، ایران
2 گروه مهندسی اکتشاف معدن، دانشکده مهندسی معدن و متالورژی، دانشگاه یزد، یزد، ایران
3 مرکز مطالعات مهندسی منابع، مرکز تکنولوژی بمبئی هند، بمبئی، هندوستان
4 گروه مهندسی اکتشاف معدن، دانشکده مهندسی معدن و متالورژی، دانشگاه یزد، یزد، ایران
doi
10.22067/econg.v13i1.81382چکیده
شناسایی نواحی امیدبخش معدنی در اکتشافات ناحیه ای برای برنامه ریزی عملیات اکتشاف تفصیلی با بهکارگیری و تحلیل داده های اکتشافی موجود در قالب مدلسازی پتانسیل معدنی توسعهیافته است. در این پژوهش، برای مدلسازی پتانسیل مس و طلای پورفیری در پهنه اکتشافی دهسلم واقع در جنوب بلوک لوت، شرق ایران، از روش یادگیری ماشین بردار پشتیبان نیمهنظارتی استفادهشده است. روشهای یادگیری نیمهنظارتی در مرحله یادگیری، از داده های برچسب دار و بدون برچسب اکتشافی در الگوریتم محاسباتی خود بهره می برند. در این مقاله، با بهکارگیری الگوریتم ماشین بردار پشتیبان نیمهنظارتی بر روی داده های اکتشافی منطقه دهسلم شامل داده های زمین شناسی (سنگشناسی و ساختاری)، ژئوشیمی رسوبات آبراهه ای، تصاویر ماهوارهای و مغناطیس هوابرد، مناطق هدف اکتشافی مس و طلای پورفیری شناسایی شد. در ادامه، نتیجه بهکارگیری این مدل با خروجی روش ماشین بردار پشتیبان در حالت نظارتشده مقایسه و ارزیابی عملکرد مدل های تولیدشده با استفاده از نمودارهای منحنی مشخصه عملکرد سیستم و میزان تغییرات پیش بینی-مساحت بهبودیافته، بررسی شد. بر این اساس، مدل پتانسیل نیمه نظارتی عملکرد بهتری را در شناسایی اهداف اکتشافی مس و طلای پورفیری داشته است. نواحی اهداف پتانسیل شناساییشده در مدل نیمه نظارتی، تمامی اندیس های معدنی شناختهشده در منطقه مورد بررسی را در 2/9 درصد از مساحت ناحیه مورد بررسی، به درستی پیش بینی کرده است. اهداف اکتشافی معرفیشده، اغلب همراستا با روند گسل های اصلی منطقه، در راستای شمالغربی- جنوبشرقی و مرتبط با واحدهای ولکانیک نظیر ریولیت، آندزیت، داسیت و ریوداسیت هستند. نتیجه حاصل از این پژوهش نشان دهنده برتری روش یادگیری نیمه نظارتی در شناسایی نواحی هدف معدنی برای برنامه ریزی عملیات تفصیلی اکتشافی است.
