زمین شناسی اقتصادی
میثم نیک فرجام؛ اردشیر هزارخانی
چکیده
یکی از مهمترین لایههای اطلاعاتی در تهیه نقشههای پتانسیل معدنی، نقشههای شاهد ژئوشیمیایی هستند که در این پژوهش روشهای مختلف تلفیق برای تهیه آنها مورد بررسی قرار گرفته است. ناحیه مورد مطالعه (ورقه 1:100،000 ورزقان) در استان آذربایجان شرقی و زون متالوژنی اهر- ارسباران واقع میباشد. این ناحیه به دلیل موقعیت زمینشناسی ...
بیشتر
یکی از مهمترین لایههای اطلاعاتی در تهیه نقشههای پتانسیل معدنی، نقشههای شاهد ژئوشیمیایی هستند که در این پژوهش روشهای مختلف تلفیق برای تهیه آنها مورد بررسی قرار گرفته است. ناحیه مورد مطالعه (ورقه 1:100،000 ورزقان) در استان آذربایجان شرقی و زون متالوژنی اهر- ارسباران واقع میباشد. این ناحیه به دلیل موقعیت زمینشناسی و حضور اندیسهای مس پورفیری به ویژه معدن مس سونگون، به عنوان یک ایالت متالوژنی مهم در شمال غرب ایران بـه شمار میرود. در این پژوهش، از 1067 نمونه رسوب آبراههای بهعنوان داده اولیه برای انجام مطالعات ژئوشیمی استفاده گردید. با انتخاب عناصر Cu، Mo،Au ، Ag، Pb، Zn، Au و As به عنوان عناصر شاخص کانسارهای مس پورفیری، نقشه شاهد فازی شده هرکدام با استفاده از تابع لجستیکی ترسیم شدند. این نقشهها با استفاده از روشهای OR فازی، میانگین هندسی و ارزش همزمانی شواهد تلفیق گشتند. به منظور اعتبارسنجی نتایج، از نمودارهای نرخ پیشبینی- مساحت اشغال شده استفاده گردید. با استفاده از این نمودار، نقشه نهایی تلفیق یافته به روش ارزش همزمانی شواهد با اختصاص 76 درصد نرخ پیشبینی برای کانسارهای شناخته شده، به عنوان یک روش مناسب در شناسایی کانسارهای مس پورفیری در نظر گرفته شد.
اکتشاف و معدن
ملیحه عباس زاده؛ اردشیر هزارخانی؛ سعید سلطانی محمدی
چکیده
امروزه یکی از روشهای متداول در اکتشاف کانسارها، مطالعات زمینشناسی اقتصادی است. مدلسازی دادههای میانبارهای سیال یکی از روشهای متداول در مطالعات زمینشناسی اقتصادی به شمار میرود. در این مطالعه از روش شبکههای عصبی مصنوعی به عنوان یکی از روشهای الگوریتم یادگیری ماشین به منظور مدلسازی سهبعدی دادههای میانبارهای ...
بیشتر
امروزه یکی از روشهای متداول در اکتشاف کانسارها، مطالعات زمینشناسی اقتصادی است. مدلسازی دادههای میانبارهای سیال یکی از روشهای متداول در مطالعات زمینشناسی اقتصادی به شمار میرود. در این مطالعه از روش شبکههای عصبی مصنوعی به عنوان یکی از روشهای الگوریتم یادگیری ماشین به منظور مدلسازی سهبعدی دادههای میانبارهای سیال در کانسار مس پورفیری سونگون و کاربردی کردن نتایج حاصل از آنالیز میانبارهای سیال استفاده شده است. به این منظور دادههای حاصل از مطالعات میانبارهای سیال مستقیماً جهت تفکیک زونهای دگرسانی مرتبط با کانیزایی (پتاسیک، فیلیک و پتاسیک- فیلیک) در منطقه مورد مطالعه استفاده شده است. با توجه به ارتباطی که بین زونهای دگرسانی و نیز مناطق مستعد کانیسازی در کانسارهای پورفیری وجود دارد، بر اساس 173 داده میانبارهای سیال موجود، تفکیک زونهای دگرسانی در محدوده کانسار مس پورفیری سونگون بر اساس مدل سهبعدی حاصل از مطالعات میانبارهای سیال با استفاده از روش شبکههای عصبی مصنوعی صورت گرفت. بر اساس دقت نتایج حاصل از آزمایش مدل، میتوان نتیجه گرفت که دقت مدل شبکه عصبی به کار گرفته شده در تفکیک زونهای دگرسانی پتاسیک، فیلیک و پتاسیک- فیلیک در حدود 83 درصد بوده و مدل به کار گرفته شده به نحو مناسبی توانایی تفکیک زونهای دگرسانی مرتبط با کانیسازی را در محدوده کانسار مس پورفیری سونگون داشته است. امروزه یکی از روشهای متداول در اکتشاف کانسارها، مطالعات زمینشناسی اقتصادی است. مدلسازی دادههای میانبارهای سیال یکی از روشهای متداول در مطالعات زمینشناسی اقتصادی به شمار میرود. در این مطالعه از روش شبکههای عصبی مصنوعی به عنوان یکی از روشهای الگوریتم یادگیری ماشین به منظور مدلسازی سهبعدی دادههای میانبارهای سیال در کانسار مس پورفیری سونگون و کاربردی کردن نتایج حاصل از آنالیز میانبارهای سیال استفاده شده است. به این منظور دادههای حاصل از مطالعات میانبارهای سیال مستقیماً جهت تفکیک زونهای دگرسانی مرتبط با کانیزایی (پتاسیک، فیلیک و پتاسیک- فیلیک) در منطقه مورد مطالعه استفاده شده است. با توجه به ارتباطی که بین زونهای دگرسانی و نیز مناطق مستعد کانیسازی در کانسارهای پورفیری وجود دارد، بر اساس 173 داده میانبارهای سیال موجود، تفکیک زونهای دگرسانی در محدوده کانسار مس پورفیری سونگون بر اساس مدل سهبعدی حاصل از مطالعات میانبارهای سیال با استفاده از روش شبکههای عصبی مصنوعی صورت گرفت. بر اساس دقت نتایج حاصل از آزمایش مدل، میتوان نتیجه گرفت که دقت مدل شبکه عصبی به کار گرفته شده در تفکیک زونهای دگرسانی پتاسیک، فیلیک و پتاسیک- فیلیک در حدود 83 درصد بوده و مدل به کار گرفته شده به نحو مناسبی توانایی تفکیک زونهای دگرسانی مرتبط با کانیسازی را در محدوده کانسار مس پورفیری سونگون داشته است.
زمین شناسی اقتصادی
میثم نیک فرجام؛ اردشیر هزارخانی؛ کاوه پازند
چکیده
منطقه موردمطالعه (ورقه یکصد هزار ورزقان) در استان آذربایجان شرقی و در زون اهر- ارسباران واقع است. این منطقه شاهد ماگماتیسم گسترده بوده که نتیجه آن وجود کانسارهای پراهمیتی نظیر مس سونگون در این منطقه میباشد. با توجه به اهمیت منطقه موردمطالعه ازنظر کانیسازی مس- مولیبدن پورفیری، از روشهای ساختاری مانند روشهای چندفرکتال ...
بیشتر
منطقه موردمطالعه (ورقه یکصد هزار ورزقان) در استان آذربایجان شرقی و در زون اهر- ارسباران واقع است. این منطقه شاهد ماگماتیسم گسترده بوده که نتیجه آن وجود کانسارهای پراهمیتی نظیر مس سونگون در این منطقه میباشد. با توجه به اهمیت منطقه موردمطالعه ازنظر کانیسازی مس- مولیبدن پورفیری، از روشهای ساختاری مانند روشهای چندفرکتال جهت تعیین بیهنجاریهای ژئوشیمیایی عناصر مس و مولیبدن، بهعنوان عناصر شاخص این کانسارها استفاده شد تا برتری این روشها بر یکدیگر مشخص شود. در این مقاله از دو روش C-A (عیار- مساحت) و N-S (اندازه- تعداد) که از روشهای چندفرکتال میباشند، جهت تفکیک بیهنجاریهای ژئوشیمیایی از زمینه استفاده گردید و با استفاده از ماتریس logratio مشخص گردید که روش عیار- مساحت از دقت بیشتری در همپوشانی آنومالیها با کانسارهای مس پورفیری دارد. بدین منظور ابتدا حوضههای مربوط به 1067 نمونه رسوب آبراههای با استفاده از مدل ارتفاع دیجیتالی و الگوریتم PFS (Priority-First-Search)، ترسیم گشتند. در روش C-A، تعداد چهار جامعه برای هر دو عنصر مس و مولیبدن شناسایی شد. همینطور برای روش N-S، تعداد چهار جامعه برای مس و پنج جامعه برای عنصر مولیبدن به دست آمد. در هر دو روشهای انجام شده بهخوبی میتوان مطابقت مکانهای بیهنجار را با کانسارهای شناخته شده موجود نظیر کانسار سونگون، مشاهده کرد که با توجه به راستی آزمایی انجام شده، روش عیار- مساحت از دقت بیشتری برخوردار میباشد. همچنین میتوان نقش جنس سنگ را که یکی از فاکتورهای مهم در شناسایی کانسارهای پورفیری است، در مکانهای ناهنجار بهخوبی مشاهده کرد.
پژمان طهماسبی؛ اردشیر هزارخانی
چکیده
در این پژوهش، برآورد الگوریتمهای یادگیری مختلف در شبکه عصبی برای برآورد عیار در سامانه مس پورفیری سوناجیل مقایسه شده است. هدف این پژوهش، بهینه کردن ساختار شبکه مورد استفاده و ارائه روند بهینهسازی ساختاری آن برای برآورد عیار مس برای شناسایی بهتر منطقه است. بر این اساس، دوازده الگوریتم یادگیری پس انتشار خطا برای این هدف بررسی ...
بیشتر
در این پژوهش، برآورد الگوریتمهای یادگیری مختلف در شبکه عصبی برای برآورد عیار در سامانه مس پورفیری سوناجیل مقایسه شده است. هدف این پژوهش، بهینه کردن ساختار شبکه مورد استفاده و ارائه روند بهینهسازی ساختاری آن برای برآورد عیار مس برای شناسایی بهتر منطقه است. بر این اساس، دوازده الگوریتم یادگیری پس انتشار خطا برای این هدف بررسی شدند. نتایج مطالعه بیانگر آن است که در الگوریتمهای مورد استفاده دو الگوریتم LM و BFG بهترین کارایی را دارند. دلایل برای نشان دادن کارایی تقریباً مساوی الگوریتمهای یادگیری دیگر بهصورت کمی بیان شده است. متغیرهای ورودی شبکه، موقعیت طول و عرض جغرافیایی و خروجی آن، عیار کانسار در آن مختصات است. همچنین برای بهدست آوردن ساختار بهینه شبکه مورد نظر از شبکههای با تعداد لایههای مختلف استفاده شد که در پایان شبکه با تعداد دوازده نرون مورد استفاده قرار گرفت. برای بررسی تأثیر شکل عادی کردن دادهها از شکلهای مختلف دادهها استفاده شد که دادههای عادی شده در بازه ]1 0 [ نتایج بهتری داشتند. در پایان برای بهینهتر شدن شبکه همچنین از توابع مختلف انتقال در این شبکه استفاده شد که تابع انتقال تانژانت سیگموییدی با کمترین خطای ممکن همراه بود و این تابع بهعنوان تابع بهینه برگزیده شد. با در نظر گرفتن شرایط بهینه مقدار R2 برای شبکه 946/0 بهدست آمد که نویدگر استفاده از شبکههای عصبی با ساختار بهینه برای بهبود شرایط برآورد است.
ملیحه عباس زاده؛ اردشیر هزارخانی
چکیده
منطقه رابر در 160 کیلومتری جنوب کرمان و 40 کیلومتری خاور بافت واقع است. با توجه به وجود شواهدی حاکی از کانیسازی مس پورفیری در این ناحیه و بویژه قرارگیری این ناحیه در نوار آتشفشانی ارومیه- دختر که دهها استوک پورفیری را در خود جای داده است، شناسایی نواحی امید بخش معدنی و تهیه نقشه پتانسیل کانیزایی مس پورفیری در این منطقه ضروری است. ...
بیشتر
منطقه رابر در 160 کیلومتری جنوب کرمان و 40 کیلومتری خاور بافت واقع است. با توجه به وجود شواهدی حاکی از کانیسازی مس پورفیری در این ناحیه و بویژه قرارگیری این ناحیه در نوار آتشفشانی ارومیه- دختر که دهها استوک پورفیری را در خود جای داده است، شناسایی نواحی امید بخش معدنی و تهیه نقشه پتانسیل کانیزایی مس پورفیری در این منطقه ضروری است. از این رو، مناطق کانیسازی احتمالی و یا هالههای دگرسانی مرتبط با کانیسازی مس پورفیری در منطقه مورد مطالعه، شناسایی شد. در این مقاله، با استفاده از پردازش تصاویر ماهوارهای سنجنده ASTER و بهکارگیری روشهایی چون نسبت باندی، تجزیه مؤلفه اصلی (PCA)، تجزیه مؤلفه اصلی انتخابی (Crosta)، بهرهگیری از اطلاعات زمینشناسی استخراج شده از نقشه 1:100000 بافت و با تکیه بر تئوریهای فلززایی و مدلهای کانیسازی مس پورفیری، تصاویر و نقشههای فراوانی کانیهای رسی موجود در منطقه تهیه شد که بهعنوان یکی از شواهد کانیسازی مس پورفیری مطرح هستند. با بهکارگیری روش نسبت باندی، نواحی دگرسان شده و بکر از هم جدا و همچنین سنگشناسی منطقه، حدود کانسار مس پورفیری و کانیهای شاخصی چون کائولینیت، آلونیت و ایلیت در منطقه شناسایی شد. با استفاده از تجزیه مؤلفه اصلی انتخابی، نقشه فراوانی کانیهای رسی شاخص در منطقه رابر تهیه و نواحی امید بخش و آماده برای کانیسازی مس پورفیری در منطقه مورد مطالعه، شناسایی شد. قرارگیری نشانه معدنی پینگین در محدوده معرفی شده، نشاندهنده میزان دقت و کارایی روش تجزیه مؤلفه اصلی انتخابی بر روی دادههای ماهواره ای ASTER برای ثبت و جدایش نواحی دگرسانشده است.