بررسی رفتار ژئوشیمیایی عنصر مس به روش کا-میانگین و پیش‏بینی آن توسط شبکه عصبی مصنوعی در منطقه کیوی، استان اردبیل

Authors

  • عادل شیرازی اکتشاف معدن، دانشکده مهندسی معدن نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود
  • منصور ضیایی استاد یار- دانشگاه مهندسی معدن- دانشگاه صنعتی شاهرود
Abstract:

این پژوهش بر روی برگه یک‏صدهزارم ژئوشیمیایی کیوی انجام شد که توسط سازمان زمین‏شناسی و اکتشافات معدنی ایران با استفاده از آنالیز شیمیایی نمونه های رسوبات آبراهه‏ای تهیه شده است. منطقه کیوی در استان اردبیل قرار دارد. این ناحیه شامل سه واحد سنگی رسوبی، آذرین و دگرگونی می‏باشد. قدیمی ترین واحد رسوبی موجود، سنگ‏های قبل از کرتاسه و جدیدترین آن، مربوط به کواترنر و عهد حاضر است. با توجه به استعداد کانی‏سازی فلزی، بالاخص عنصر مس در این منطقه، بررسی دقیق آن با اهمیت است. بر این اساس، یافتن اطلاعاتی در مورد ارتباط و رفتار عناصر طلا، نقره و مولیبدن نسبت به عنصر مس در این منطقه اهمیت می‏یابد؛ هدف از این بررسی، رفتارسنجی هاله‏های ژئوشیمیایی در منطقه می باشد. در پژوهش حاضر با هدف رفتارسنجی عناصر نام برده، از روش مشهور و مفید کا میانگین استفاده شد. این روش از روش‏های خوشه‏بندی است که بر کمینه کردن مجموع فواصل اقلیدسی هر یک از نمونه‏ها از مرکز دسته‏هایی که به آن تخصیص می‏یابد، استوار می‏باشد. در این پژوهش از تابع کیفیت خوشه‏بندی و میزان مطلوبیت نمونه در خوشه مورد نظر (S(i)) برای تشخیص تعداد خوشه بهینه استفاده شد، سپس با در نظرگرفتن مراکز خوشه ها و نتایج‏ حاصل، معادلاتی به منظور پیش‏بینی مقدار عنصر مس ارائه شد. ا پس از بررسی های رفتاری عناصر، آزمایش شبکه عصبی مصنوعی برای تخمین میزان مس با استفاده از روش‏های رگرسیون عمومی و پس انتشار خطا انجام شد. مقدار صحت (R) تخمین در داده ‏های آزمایشی در شبکه عصبی مصنوعی رگرسیون عمومی و پس انتشار خطا به ترتیب 0.77 و 0.74 گزارش شد. در انتها مشخص شدکه روش شبکه عصبی مصنوعی رگرسیون عمومی در تخمین بهینه عنصر مس در منطقه مورد مطالعه دارای ارجحیت است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تخمین نگار کربن آلی کل با استفاده از داده‌های ژئوشیمیایی و پتروفیزیکی توسط شبکه عصبی مصنوعی در میدان نفتی آزادگان

یکی از پارامترهای مهم ژئوشیمیایی، مقدار کربن آلی کل (TOC) می‌باشد. این پارامتر جهت ارزیابی پتانسیل هیدروکربن‌زایی سنگ منشأ استفاده می‌شود و اندازه‌گیری این پارامتر مهم مستلزم انجام آزمایشات ژئوشیمیایی بر روی خرده‌های حفاری بوده که بسیار پرهزینه و وقت‌گیر می‌باشد و انجام آن بر روی تعداد محدودی نمونه صورت می‌گیرد. در حالی که ما اکثر چاه‌های حفاری شده در یک میدان نفتی، داده‌های پتروفیزیکی در اختیا...

full text

بررسی تأثیر عناصر اقلیمی بر افزایش دقت روش شبکه عصبی مصنوعی در پیش‌بینی خشک‌سالی منطقه یزد

Drought is a natural feature of the climate condition, and its recurrence is inevitable. The main purpose of this research is to evaluate the effects of climatic factors on prediction of drought in different areas of Yazd based on artificial neural networks technique. In most of the meteorological stations located in Yazd area, precipitation is the only measured factor while generally in synopt...

full text

بهینه‌سازی خواص کیوی پرتودهی‌شده به روش سطح پاسخ و پیش‌بینی با شبکه عصبی و رگرسیون

مقدمه: کاربرد پرتوهای یونیزه کننده (گاما، ایکس و الکترون) به عنوان روشی جدید در راستای حفظ و نگهداری محصولات کشاورزی از حدود 35 سال قبل مطرح­شد. روش پرتودهی گاما جزء روش­های نوین جهت حفظ و نگهداری محصولات کشاورزی است. مواد و روش­ها: در این تحقیق کیوی رقم هایوارد (Hayward) مورد استفاده قرار­گرفت. نمونه‌ها با دزهای صفر، 5/0، 1 و 2 کیلوگری و با استفاده ا...

full text

بررسی چگونگی رفتار عنصر مس نسبت به عناصر مولیبدن، سرب و روی در کانسار مس پورفیری پرکام در استان کرمان، با استفاده از روش K-Means

      یکی از دیدگاه­های مهم در علم داده­کاوی برای تحلیل و بررسی روی حجم زیادی از داده­ها و نمونه­ها با مشخصه­های گوناگون، دیدگاه خوشه­بندی می­باشد که خود شامل روش­ها و تکنیک­های مهمی همچون روش سلسله مراتبی، روش میانگین K، روش­های بر مبنای چگالی، روش کوهونن، و غیره در ادبیات موضوع است و تاکنون توسط پژوهشگران مختلف به کار گرفته شده است. یکی از معروف­ترین الگوریتم­های خوشه­بندی، الگوریتم K میانگین...

full text

پیشبینی آماری پهنه بندی خطر زلزله احتمالی با استفاده شبکه های عصبی مصنوعی

پیش‌بینی محل وقوع زلزله‌های آتی همراه با تعیین درصد احتمال رخداد، می‌تواند در کاهش خطرات ناشی از زلزله بسیار سودمند باشد. تعیین محل‌های پیش‌بینی شده، سبب افزایش توجه به طراحی، به‌سازی لرزه­ای و ارزیابی قابلیت اعتمادپذیری سازه‌های موجود در این مکان‌ها می‌شود. در پیش‌بینی زمان وقوع زلزله فرضیه‌ها و نظریه‌های گسترده‌ای مطرح است. هنوز شیوه‌ای دقیق برای پیش‌بینی زمان رخداد زلزله‌های آتی مورد تأیید ق...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 14  issue 45

pages  96- 112

publication date 2020-02-20

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023