بررسی رفتار ژئوشیمیایی عنصر مس به روش کا-میانگین و پیشبینی آن توسط شبکه عصبی مصنوعی در منطقه کیوی، استان اردبیل
Authors
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.
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 textبررسی 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 textبهینهسازی 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 textبررسی 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 textپیشبینی 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 textMy Resources
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