تلفیق لایه‏ های اطلاعاتی مس در منطقه نیسیان به کمک سیستم استنتاجگر فازی (FIS)

نوع مقاله: علمی - پژوهشی

نویسندگان

1 دانشگاه تهران

2 دانشگاه تهران-

3 دکترای مهندسی معدن گرایش اکتشاف معدن، دانشکده مهندسی معدن، پردیس دانشکده های فنی، دانشگاه تهران

چکیده

پردازش داده‏های اکتشافی با کمک فن‏آوری‏های جدید منجر به کسب نتایج مطلوب و کارآمد در زمینه اکتشاف کانسارهای پنهان می‏شود. در این پژوهش مدلسازی رایانهای سیستم استنتاجگر فازی (Fuzzy Inference System) با ارایه روشی با رویکرد شبیه‏سازی افکار انسانی برای اکتشاف کانسار مسمولیبدن پورفیری در منطقه نیسیان استفاده شده است. این سیستم سه مرحله فازی‏سازی، موتور سیستم استنتاجگر فازی و غیرفازی‏سازی دارد، به طوری‏که از متغیرهایی با ماهیت زبانی به جای متغیرهای با ماهیت عددی استفاده می‏کند که این امر باعث بهبود در نحوه تصمیم‏گیری برای اکتشاف کانسارها می‏شود. ورودی‏های این سیستم نقشه‏های فاکتور زمین‏شناسی، دگرسانی، ژئوشیمیایی و ژئوفیزیکی است. در لایه دگرسانی از تصاویر سنجنده استر استفاده شد. در لایه ژئوشیمیایی از نمونه‏های خاک برجا استفاده شد که برای تهیه آن از روش‏های آماری تک متغیره و چند متغیره استفاده شد که نتیجه آن دو عنصر مس و مولیبدن تاثیرگذارترین عناصر شناسایی شده و برای جداسازی آنومالی از زمینه از روش فرکتال عیار- تعداد استفاده شد و با تلفیق دو لایه مس و مولیبدن لایه ژئوشیمیایی به­دست آمد. لایه ژئوفیزیکی شامل داده‏های مغناطیس‏سنجی بود که با اعمال انواع فیلترهای مختلف نقشه سیگنال تحلیلی به عنوان لایه ژئوفیزیکی انتخاب شد. خروجی سیستم استنتاجگر فازی پس از تحلیل چهار لایه‏ در موتور سیستم استنتاجگر فازی شامل نقشه پتانسیل معدنی بوده که پس از مقایسه با 33 حلقه گمانه‏ حفر شده در منطقه و به کمک کلاس‏بندی 5 کلاسه، گویای 6/70 درصد انطباق است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

The Use of Fuzzy Inference System in the Integration of Copper Exploration Layers in Neysian

نویسندگان [English]

  • samaneh barak 1
  • Abbas Bahroudi 2
  • Golnaz Jozanikohan 3
1 tehran university
2 The University of Tehran
3 Ph.D in Mineral Exploration Engineering, School of Mining Engineering, University College of engineering, University of Tehran

کلیدواژه‌ها [English]

  • "fuzzy inference system"
  • "ArcGIS"
  • "Neysian"
  • "porphyry copper-molybdenum"
  • "Central Iran"

منابعومآخذ

 

1-     سالمی، م.، 1390، "توسعه یک سیستم حامی تصمیم‏گیری مبتنی بر منطق فازی در محیط GIS جهت تهیه نقشه پتانسیل معدنی در اندیس مس نوچون کرمان"، پایان‏نامه کارشناسی ارشد، دانشکده مهندسی معدن، دانشگاه تهران.

2-     شرکت سامانکاو، 1389، مطالعات ژئوفیزیکی بروش مغناطیس‏سنجی در محدوده کانسار مس پورفیری کهنگ

3-     شرکت کاوشگران، 1389، گزارش نهایی اکتشافات ژئوشیمیایی خاک در منطقه کهنگ شرقی در مقیاس 1:1000

4-     شرکت ملی صنایع مس ایران، 1389، گزارش مطالعات زمین‏شناسی و آلتراسیون محدوده کهنگ غربی در مقیاس 1:1000

5-     علائی مقدم، س.، 1390، " طراحی و ارزیابی سیستم استنتاجگر فازی جهت تهیه نقشه پتانسیل معدنی"، پایان‏نامه کارشناسی ارشد، دانشکده مهندسی ژئودزی و ژئوماتیک ، دانشگاه صنعتی خواجه نصیرالدین طوسی. 

6-     محبوبی، ح.، علیمحمدی، ع.، شریفی‎‏کیا، م.، 1389، تاثیر وزن قواعد سیستم استنتاج فازی ممدانی در دقت خروجی نقشه پتانسیل معدنی طلای اپی ترمال در منطقه تکاب، همایش ژئوماتیک 89، دوره 14، شماره 4، صفحات 251-272

 

7-      Afshooni, S. Z., Harooni, H. A., & Esmaili, D. (2011). The microthermometry study of fluid inclusions in quartz veins of Kahang deposit (north eastern of Isfahan). In 2nd National Symposium of Iranian Society of Economic Geology. Lorestan University (p. 144).

 

8-      Alavi, M. (1994). Tectonics of the Zagros orogenic belt of Iran: new data and interpretations. Tectonophysics, 229(3-4), 211-238

9-      Afzal, P., Harati, H., Alghalandis, Y. F., & Yasrebi, A. B. (2013). Application of spectrum–area fractal model to identify of geochemical anomalies based on soil data in Kahang porphyry-type Cu deposit, Iran. Chemie der Erde-Geochemistry, 73(4), 533-543.

10-  Berberian, F., & Berberian, M. (1981). Tectono‐plutonic episodes in Iran. Zagros Hindu Kush Himalaya Geodynamic Evolution, 5-32.

11-  Acaroglu, O., Ozdemir, L., & Asbury, B. (2008). A fuzzy logic model to predict specific energy requirement for TBM performance prediction. Tunnelling and Underground Space Technology, 23(5), 600-608.

12-  Aydin, A. (2004). Fuzzy set approaches to classification of rock masses. Engineering Geology, 74(3), 227-245.

13-  Harati, H., )2011 (. Investigation of geology, alteration, mineralogy and geochemistry of Kahang Cu porphyry deposit (NE of Isfahan). Islamic Azad University, Science and Research Branch, Tehran, Iran, pp. 197 (Unpublished PhD thesis).

14-  Harati, H., Khakzad, A., Rashidnejad Omran, N., Afzal, P., Hosseini, M., Harati, S., )2013(. Determination of alteration’s geochemical particulars based on lithogeochemical data at Kahang Cu porphyry deposit, Central Iran. Iranian Journal of Earth Sciences 5, 1-12.

15-  Gokay, M. K. (1998). Fuzzy logic usage in rock mass classifications. J Chamb Min Eng Turk, 37(4), 3-11

16-  Gonzalez-Alvarez, I., Porwal, A., Beresford, S. W., McCuaig, T. C., & Maier, W. D. (2010). Hydrothermal Ni prospectivity analysis of Tasmania, Australia. Ore Geology Reviews, 38(3), 168-183.

17-  Jang, J. S. R. (1993). ANFIS: adaptive-network-based fuzzy inference system. Systems, Man and Cybernetics, IEEE Transactions on, 23(3), 665-685.

18-  Joly, A., Porwal, A., & McCuaig, T. C. (2012). Exploration targeting for orogenic gold deposits in the Granites-Tanami Orogen: mineral system analysis, targeting model and prospectivity analysis. Ore Geology Reviews, 48, 349-383.

19-  Klir, G. (1999). Yuan, b.(1995). Fuzzy Sets and Fuzzy Logic, Theory and applications.

20-  Luo, X., Dimitrakopoulos, R., (2003), Data-driven fuzzy analysis in quantitative mineral resource assessment, Computers & Geosciences, v. 29, p. 3–13.

21-  Masters, T., (1993), Practical Neural Network Recipes in C++, Morgan Kaufmann Publishers, California, 493 pp.

22-  Nefeslioglu, H. A., Gokceoglu, C., & Sonmez, H. (2006). Indirect determination of weighted joint density (wJd) by empirical and fuzzy models: Supren (Eskisehir, Turkey) marbles. Engineering Geology, 85(3), 251-269.

23-  Nguyen, V. U., & Ashworth, E. (1985, June). Rock mass classification by fuzzy sets. In Proceedings of the 26th US symposium on rock mechanics, Rapid City (pp. 937-945).

24-  Osna, T., Sezer, E. A., & Akgun, A. (2014). GeoFIS: an integrated tool for the assessment of landslide susceptibility. Computers & Geosciences, 66, 20-30.

25-  Porwal, A., Carranza, E. J. M., & Hale, M. (2004). A hybrid neuro-fuzzy model for mineral potential mapping. Mathematical Geology, 36(7), 803-826.

26-  Porwal, A., Das, R. D., Chaudhary, B., Gonzalez-Alvarez, I., & Kreuzer, O. (2015). Fuzzy inference systems for prospectivity modeling of mineral systems and a case-study for prospectivity mapping of surficial Uranium in Yeelirrie Area, Western Australia. Ore Geology Reviews.

27-  Shahabpour, J. (1994). Post-mineralization breccia dike from the Sar Cheshmeh porphyry copper deposit, Kerman, Iran. Exploration and Mining geology, 3(1), 39-43.

28-  Sonmez, H., Gokceoglu, C., & Ulusay, R. (2003). An application of fuzzy sets to the geological strength index (GSI) system used in rock engineering. Engineering Applications of Artificial Intelligence, 16(3), 251-269.

29-  Tabatabaei, S. H., & Asadi Haroni, H. (2006). Geochemical characteristics of Gor Gor Cu–Mo porphyry system. In 25th Iranian symposium on geosciences, Geological survey of Iran (Vol. 160).

30-  Yasrebi, A. B., Afzal, P., Wetherelt, A., Foster, P., & Esfahanipour, R. (2013). Correlation between geology and concentration-volume fractal models: significance for Cu and Mo mineralized zones separation in the Kahang porphyry deposit (Central Iran). Geologica Carpathica, 64(2), 153-163.

.