نوع مقاله: علمی - پژوهشی

نویسندگان

1 دانشکده مهندسی معدن، دانشگاه صنعتی اصفهان

2 دانشکده مهندسی معدن دانشگاه صنعتی اصفهان

چکیده

محدوده اکتشافی داشکسن از دو کانسار ساری گونای و آق‌داغ تشکیل شده است. کانسار طلای اپی‌ترمال ساری گونای با ذخیره 120 میلیون تن با عیار متوسط 2 گرم بر تن مهم‌ترین کانسار طلای ایران در کلاس جهانی است. با استفاده از داده‌های ژئوشیمیایی محیط خاکی و به کمک دو روش طبقه‌بندی آنالیز تمایز (LDA و QDA) و ماشین بردار پشتیبان (c-SVM و nu-SVM) وضعیت کانی‌زایی طلا در این کانسار مدل‌سازی شده است. پارامتر شاخص تولید (مجموع حاصل‌ضرب عیار بلوک‌ها در ارتفاع آن‌ها) برای سلول‌هایی به ابعاد 25×25 متر در سطح زمین تعریف شده است. این متغیر وابسته به سه کلاس زمینه، شاخص تولید متوسط و بالا طبقه‌بندی شده است. سپس به‌منظور محاسبه توابع کلاسه‌بندی از داده‌های ژئوشیمیایی که با سلول‌ها بالا همپوشانی دارند، استفاده شده است. 70% داده‌ها، به‌عنوان داده‌های آموزشی و 30% باقیمانده به‌عنوان داده‌های آزمایشی به کار رفته‌اند. نتایج نشان داده است که در داده‌های آزمایشی روش nu-SVM با صحت 6/78% ، روش LDA با صحت 80% و روش‌های nu-SVM ، c-SVM و LDA با صحت 9/57% به ترتیب برای تفکیک نواحی زمینه، شاخص تولید متوسط و بالا کاربرد دارد. بنابراین ترکیب دو روش آنالیز تمایز و ماشین بردار پشتیبان می‌تواند کانی‌زایی طلا را در تپه ساری گونای مدل‌سازی نماید. با مدل‌سازی به کمک کلیه داده‌ها ژئوشیمیایی ضمن شناسائی موقعیت کانی‌زایی طلا در تپه آق‌داغ مشابه ساری گونای ولی با گسترش کمتر، اتصال این دو کانی‌زایی در عمق مشخص شده است. در نهایت دو ناحیه در تپه ساری گونای، یک ناحیه در تپه آق‌داغ و یک ناحیه در دره بین این دو تپه برای حفاری تکمیلی پیشنهاد شده است. 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Application of discrimination analysis and support vector machine methods for modelling in the epithermal gold deposits in Dashkasan area

نویسنده [English]

  • Seyed Hassan Tabatabaei 2

2 Department of Mining Engineering, Isfahan University of Technology

چکیده [English]

Dashkasan exploration area contains Sari Gunay and Agh Dagh deposits. The Sari Gunay epithermal gold deposit, with 120 Mt reserve with a mean grade of 2 g/t, is the most important Iranian gold deposit in the world-class. The locus of the gold mineralization has been modelled by geochemical soil data through two classification methods including the discrimination analysis (LDA and QDA) and support vector machine (c-SVM and nu-SVM). The productivity index, sum of the multiplication of block grade by its height, is defined for each surface cell by 25×25 meters. This dependent variable has been classified to background, medium and high productivity indices. Geochemical data overlapping with these cells are used to calculate the classifying functions. 70% of data are used as train and the rest as the test data. The results show that the nu-SVM with 57.9%, LDA with 80% and nu-SVM, c-SVM and LDA with 57.9% accuracy can be applied to divide background, medium and high productivity index areas in the test data, respectively. Therefore, combined discrimination analysis and support vector machine methods can model gold mineralization in Sari Gunay hill. Modelling using all geochemical data show that the gold mineralization in Agh Dagh hill is similar to Sari Gunay hill but less extensive and the connection between the two mineralization is in depth. In the two areas in Sari Gunay hill, one area in Agh Dagh hill and one area in the valley between these two hills are recommended for further drilling.
 

کلیدواژه‌ها [English]

  • Stepwise classification
  • Discriminant analysis
  • Support Vector Machine
  • Gold Modelling
  • Dashkasan Gold Deposits