برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

عنوان نشریه: 
 
اطلاعات شماره: 
پاييز 1398 , دوره  29 , شماره  113 ; از صفحه 115 تا صفحه 122 .
 
عنوان مقاله: 

مرزبندي زون هاي دگرساني پتاسيک و فيليک بر اساس نتايج حاصل از مدل سازي سه بعدي داده هاي سيالات درگير به روش شبکه هاي عصبي مصنوعي

 
نویسندگان: 
 
آدرس:  
* گروه مهندسي معدن، دانشگاه کاشان، ايران
 
چکیده: 
امروزه يکي از روش هاي متداول در اکتشاف کانسارها، مطالعات زمين­ شناسي اقتصادي است. مدل سازي داده­ هاي ميانبارهاي سيال يکي از روش­ هاي متداول در مطالعات زمين­ شناسي اقتصادي به شمار مي­ رود. در اين مطالعه از روش شبکه هاي عصبي مصنوعي به عنوان يکي از روش هاي الگوريتم يادگيري ماشين به منظور مدل سازي سه بعدي داده هاي ميانبارهاي سيال در کانسار مس پورفيري سونگون و کاربردي کردن نتايج حاصل از آناليز ميانبارهاي سيال استفاده شده است. به اين منظور داده هاي حاصل از مطالعات ميانبارهاي سيال مستقيماً جهت تفکيک زون هاي دگرساني مرتبط با کاني زايي (پتاسيک، فيليک و پتاسيک-فيليک) در منطقه مورد مطالعه استفاده شده است. با توجه به ارتباطي که بين زون هاي دگرساني و نيز مناطق مستعد کاني سازي در کانسارهاي پورفيري وجود دارد، بر اساس 173 داده ميانبارهاي سيال موجود، تفکيک زون هاي دگرساني در محدوده کانسار مس پورفيري سونگون بر اساس مدل سه بعدي حاصل از مطالعات ميانبارهاي سيال با استفاده از روش شبکه هاي عصبي مصنوعي صورت گرفت. بر اساس دقت نتايج حاصل از آزمايش مدل، مي توان نتيجه گرفت که دقت مدل شبکه عصبي به کار گرفته شده در تفکيک زون هاي دگرساني پتاسيک، فيليک و پتاسيک-فيليک در حدود 83 درصد بوده و مدل به کار گرفته شده به نحو مناسبي توانايي تفکيک زون هاي دگرساني مرتبط با کاني­ سازي را در محدوده کانسار مس پورفيري سونگون داشته است. امروزه يکي از روش هاي متداول در اکتشاف کانسارها، مطالعات زمين­ شناسي اقتصادي است. مدل سازي داده­ هاي ميانبارهاي سيال يکي از روش­ هاي متداول در مطالعات زمين­ شناسي اقتصادي به شمار مي­ رود. در اين مطالعه از روش شبکه هاي عصبي مصنوعي به عنوان يکي از روش هاي الگوريتم يادگيري ماشين به منظور مدل سازي سه بعدي داده هاي ميانبارهاي سيال در کانسار مس پورفيري سونگون و کاربردي کردن نتايج حاصل از آناليز ميانبارهاي سيال استفاده شده است. به اين منظور داده هاي حاصل از مطالعات ميانبارهاي سيال مستقيماً جهت تفکيک زون هاي دگرساني مرتبط با کاني زايي (پتاسيک، فيليک و پتاسيک-فيليک) در منطقه مورد مطالعه استفاده شده است. با توجه به ارتباطي که بين زون هاي دگرساني و نيز مناطق مستعد کاني سازي در کانسارهاي پورفيري وجود دارد، بر اساس 173 داده ميانبارهاي سيال موجود، تفکيک زون هاي دگرساني در محدوده کانسار مس پورفيري سونگون بر اساس مدل سه بعدي حاصل از مطالعات ميانبارهاي سيال با استفاده از روش شبکه هاي عصبي مصنوعي صورت گرفت. بر اساس دقت نتايج حاصل از آزمايش مدل، مي توان نتيجه گرفت که دقت مدل شبکه عصبي به کار گرفته شده در تفکيک زون هاي دگرساني پتاسيک، فيليک و پتاسيک-فيليک در حدود 83 درصد بوده و مدل به کار گرفته شده به نحو مناسبي توانايي تفکيک زون هاي دگرساني مرتبط با کاني­ سازي را در محدوده کانسار مس پورفيري سونگون داشته است.
 
کلید واژه: 

 
موضوعات مرتبط: 
 
 
مقالات نشریه ای مرتبط:  
 
مقالات همایشی مرتبط: 
 
ارتباط خیلی زیاد ارتباط زیاد مرتبط ارتباط کمتر
 
ارجاعات: 
  • ثبت نشده است
 
استنادات: 
  • ثبت نشده است
 
+جهت ارجاع به این مقاله کلیک کنید(Cite).
APA : کپی

عباس زاده، م.، و هزارخانی، ا.، و سلطانی محمدی، س. (1398). مرزبندی زون های دگرسانی پتاسیک و فیلیک بر اساس نتایج حاصل از مدل سازی سه بعدی داده های سیالات درگیر به روش شبکه های عصبی مصنوعی. علوم زمین, 29(113 ), 115-122. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=499944



Vancouver : کپی

عباس زاده ملیحه، هزارخانی اردشیر، سلطانی محمدی سعید. مرزبندی زون های دگرسانی پتاسیک و فیلیک بر اساس نتایج حاصل از مدل سازی سه بعدی داده های سیالات درگیر به روش شبکه های عصبی مصنوعی. علوم زمین. 1398 [cited 2021September20];29(113 ):115-122. Available from: https://www.sid.ir/fa/journal/ViewPaper.aspx?id=499944



IEEE : کپی

عباس زاده، م.، هزارخانی، ا.، سلطانی محمدی، س.، 1398. مرزبندی زون های دگرسانی پتاسیک و فیلیک بر اساس نتایج حاصل از مدل سازی سه بعدی داده های سیالات درگیر به روش شبکه های عصبی مصنوعی. علوم زمین, [online] 29(113 ), pp.115-122. Available: https://www.sid.ir/fa/journal/ViewPaper.aspx?id=499944.



 

 
چکیده انگلیسی بازدید یکساله 61 مباني نظري و تجربي ونداليسم: مروري بر يافته هاي يك تحقيق
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی