این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم زمین، جلد ۲۴، شماره ۹۴- سنگ و کانی، صفحات ۲۷۷-۲۸۶
عنوان فارسی تهیه نقشه پتانسیل معدنی برای کانسارهای مس با استفاده از مدل ترکیبی نروفازی: مطالعه موردی برگه ۱۰۰۰۰۰/۱ چهارگنبد در استان کرمان
چکیده فارسی مقاله وجود ذخایر متعدد مس در ایران و اهمیت اکتشاف آنها، تهیه دقیق نقشه پتانسیل معدنی را به عنوان یک نیاز اساسی به‌وجود آورده است. فرایند تهیه نقشه پتانسیل معدنی یک فرایند پیچیده است که با استفاده از روش‌های مختلف قابل انجام است. یکی از روش‌های قدرتمند در تهیه نقشه پتانسیل معدنی استفاده از روش مدل ترکیبی نروفازی است که در آن تلفیقی از اطلاعات تجربی و استنباطی به طور همزمان مورد استفاده قرار می‌گیرد که این مسئله سبب افزایش سطح اعتماد این روش می‌شود. در این مطالعه از روش نروفازی برای تهیه نقشه پتانسیل معدنی در برگه 100000/1 چهارگنبد در استان کرمان استفاده شد. لایه‌های اطلاعاتی شامل نقشه‌های فاکتور زمین‌شناسی، ژئوشیمی، ژئوفیزیک، ساختارهای خطی، دگرسانی و 22 اندیس معدنی بودند. پس از تهیه این لایه‌ها در محیط نرم‌افزار GIS با اندازه سلول 100 متر، اطلاعات حاصل از آنها برای آموزش شبکه آماده‌سازی شد. ابتدا باید شبکه با استفاده از اندیس‌های معدنی آموزش داده شود، با این حال یکی از مشکلات استفاده از این روش تعداد کم داده‌های آموزشی بود. برای حل این مشکل به هر یک از اندیس‌ها بیش از یک سلول نسبت داده شد، این کار با تعیین فواصل 100 تا 1000 متر برای اندیس‌های معدنی، انجام شد. سپس شبکه با استفاده از سری‌های متفاوت داده‌ها آموزش داده شد و در نهایت اقدام به تهیه نقشه پتانسیل معدنی شد. نتایج حاصل نشان داد که بهترین جواب برای شعاع تأثیرهای 500 متر برای اندیس‌های معدنی به‌دست می‌آید که در آن 80% از اندیس‌ها در محدوده‌ با پتانسیل بالا قرار می‌گیرند. 
کلیدواژه‌های فارسی مقاله نقشه پتانسیل معدنی، مدل ترکیبی نروفازی، GIS، برگه چهارگنبد،
عنوان انگلیسی Mineral Potential Mapping for Cu Deposit Exploration Using Neuro-Fuzzy Modeling: Case Study of Chahar-Gonbad Area 1:100000 Sheet
چکیده انگلیسی مقاله Considering the existence of many copper deposits in Iran and the importance of their exploration, mineral potential mapping with high accuracy is an important tool. The process of mineral potential mapping is a cumbersome process which can be performed using different methods. The Hybrid Neuro-Fuzzy approach is one of the powerful ones for mineral potential mapping in which both conceptual and empirical components of earth science information are employed, so using both components simultaneously increase the confidence interval. In this paper we were used Adaptive Neuro-Fuzzy Inference System (ANFIS) for mineral potential mapping in Chahar-Gonbad area 1:100000 sheet, Kerman province. The database consists of geology, geochemistry, airborne radiometric, regional faults, ETM+ data, and 22 deposit and occurrence locations. At first, the factor maps were provided in GIS environment in which each cell in the grid data represents a 100 m square on the ground, and then the outputs of this layer were used for training the network. As this technique requires some data for training the network, the occurrence locations were used for training and checking points. Since, the training points were not enough for this procedure, we assigned buffer from 100 to 1000 m for occurrence locations. The results showed that when the buffer is 500 m, the best classification which ANFIS identify about 80% of the known deposits and occurrence locations in high favorability zones.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله صادق کیانپوریان | کیانپوریان
کارشناسی ارشد، جهاد دانشگاهی، واحد صنعتی اصفهان، اصفهان، ایران

مهران فرهمندیان |
کارشناسی ارشد، جهاد دانشگاهی، واحد صنعتی اصفهان، اصفهان، ایران

محمد کریمی |
استادیار، دانشکده مهندسی نقشه برداری و ژئودزی، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

عباس بحرودی |
استادیار، دانشکده مهندسی معدن، دانشگاه تهران، تهران، ایران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://www.gsjournal.ir/article_42944_1d36e39e231166c52ad3518daaa7c3d1.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/960/article-960-406649.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات