حسین زاده, حسن, نوروزی, غلامرضا, گورابجیری پور, آرش, دادپور, معصومه. (1405). به‌کارگیری الگوریتم‌های یادگیری ماشین SVM و RF در تهیه نقشه پتانسیل معدنی محدوده مس – طلای پورفیری شادان ، خراسان جنوبی، ایران. هنرهای کاربردی, 24(84), 227-251. doi: 10.22075/jme.2025.35411.2743
حسن حسین زاده; غلامرضا نوروزی; آرش گورابجیری پور; معصومه دادپور. "به‌کارگیری الگوریتم‌های یادگیری ماشین SVM و RF در تهیه نقشه پتانسیل معدنی محدوده مس – طلای پورفیری شادان ، خراسان جنوبی، ایران". هنرهای کاربردی, 24, 84, 1405, 227-251. doi: 10.22075/jme.2025.35411.2743
حسین زاده, حسن, نوروزی, غلامرضا, گورابجیری پور, آرش, دادپور, معصومه. (1405). 'به‌کارگیری الگوریتم‌های یادگیری ماشین SVM و RF در تهیه نقشه پتانسیل معدنی محدوده مس – طلای پورفیری شادان ، خراسان جنوبی، ایران', هنرهای کاربردی, 24(84), pp. 227-251. doi: 10.22075/jme.2025.35411.2743
حسین زاده, حسن, نوروزی, غلامرضا, گورابجیری پور, آرش, دادپور, معصومه. به‌کارگیری الگوریتم‌های یادگیری ماشین SVM و RF در تهیه نقشه پتانسیل معدنی محدوده مس – طلای پورفیری شادان ، خراسان جنوبی، ایران. هنرهای کاربردی, 1405; 24(84): 227-251. doi: 10.22075/jme.2025.35411.2743

به‌کارگیری الگوریتم‌های یادگیری ماشین SVM و RF در تهیه نقشه پتانسیل معدنی محدوده مس – طلای پورفیری شادان ، خراسان جنوبی، ایران

مدل سازی در مهندسی
دوره 24، شماره 84، بهار 1405، صفحه 227-251    اصل مقاله (986.64 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22075/jme.2025.35411.2743
نویسندگان
حسن حسین زاده* 1؛ غلامرضا نوروزی1؛ آرش گورابجیری پور2؛ معصومه دادپور3
1دانشکده فنی و مهندسی، دانشگاه بیرجند، بیرجند، ایران
2دانشکده علوم، دانشگاه آزاد اسلامی واحد میانه، میانه، ایران
3دانشکده علوم، دانشگاه صنعتی شاهرود، شاهرود، ایران
چکیده
شناسایی مناطق با پتانسیل معدنی در اکتشافات تفصیلی به‌منظور طراحی دقیق‌تر برنامه‌های اکتشافی، از طریق تحلیل و ارزیابی داده‌های موجود انجام می‌گیرد. این فرایند در چارچوب مدل‌سازی پتانسیل معدنی توسعه داده شده و به بهینه‌سازی عملیات اکتشاف کمک می‌کند. در این تحقیق، از الگوریتم‌های یادگیری ماشین نظارت‌شده شامل ماشین بردار پشتیبان (SVM) و جنگل تصادفی (Random Forest) برای تهیه نقشه پتانسیل معدنی محدوده شادان استفاده شده است. منطقه شادان که بخشی از بلوک لوت و زون فلیشی - کمربند افیولیتی شرق ایران است. در این پژوهش، با به‌کارگیری الگوریتم‌های یادگیری ماشین بر روی داده‌های اکتشافی منطقه، شامل داده‌های زمین‌شناسی (سنگ‌شناسی و ساختاری)، ژئوشیمی نمونه‌های سنگی، تصاویر ماهواره‌ای و ژئومغناطیسی، مناطق هدف برای حفاری‌های بیشتر شناسایی شدند. سپس، عملکرد مدل‌های تولیدشده با استفاده از شاخص‌هایی مانند Accuracy، Sensitivity، نمودار ROC و نمودار P-A ارزیابی و مقایسه شد. نتایج نشان داد که مدل پتانسیل معدنی حاصل از روش SVM عملکرد بهتری در شناسایی اهداف اکتشافی مس و طلای پورفیری داشته است. این مدل توانست 13 درصد از مساحت ناحیه موردبررسی را به‌عنوان نواحی مطلوب برای حفاری‌های آتی که با حفاری‌های انجام‌شده قبلی نیز مطابقت داشت، به‌درستی پیش‌بینی کند. نواحی شناسایی‌شده عمدتاً در مناطقی با تکتونیزه بالا و مرتبط با واحدهای سنگی آندزیت، گرانیت و گرانودیوریت قرار دارند. این پژوهش نشان‌دهنده برتری روش SVM در شناسایی نواحی مطلوب اکتشافی است و می‌تواند به‌عنوان مبنایی برای برنامه‌ریزی مراحل بعدی فرایند اکتشاف استفاده شود.
کلیدواژه‌ها
نقشه پتانسیل معدنی؛ یادگیری ماشین؛ الگوریتم SVM؛ الگوریتم RF؛ شادان
مراجع
آمار
تعداد مشاهده مقاله: 530
تعداد دریافت فایل اصل مقاله: 201
دانشگاه سمنان
پیوندهای مفید
آمار
تعداد نشریات22
تعداد شماره‌ها718
تعداد مقالات10,319
تعداد مشاهده مقاله72,321,801
تعداد دریافت فایل اصل مقاله64,044,999