مدل سازی پتانسیل کانی سازی مس و طلای پورفیری با به کارگیری روش یادگیری نیمه نظارتی در پهنه اکتشافی دهسلم، شرق ایران

شناسایی نواحی امیدبخش معدنی در اکتشافات ناحیه ­ای برای برنامه­ ریزی عملیات اکتشاف تفصیلی با به کارگیری و تحلیل داده ­های اکتشافی موجود در قالب مدل سازی پتانسیل معدنی توسعه یافته است. در این پژوهش، برای مدل سازی پتانسیل مس و طلای پورفیری در پهنه اکتشافی دهسلم واقع در جنوب بلوک لوت، شرق ایران، از روش یادگیری ماشین بردار پشتیبان نیمه نظارتی استفاده شده است. روش­های یادگیری نیمه نظارتی در مرحله یادگیری، از داده­ های برچسب ­دار و بدون برچسب اکتشافی در الگوریتم محاسباتی خود بهره می­ برند. در این مقاله، با به کارگیری الگوریتم ماشین بردار پشتیبان نیمه نظارتی بر روی داده­ های اکتشافی منطقه دهسلم شامل داده ­های زمین­ شناسی (سنگ شناسی و ساختاری)، ژئوشیمی رسوبات آبراهه­ ای، تصاویر ماهواره­ای و مغناطیس هوابرد، مناطق هدف اکتشافی مس و طلای پورفیری شناسایی شد. در ادامه، نتیجه به کارگیری این مدل با خروجی روش ماشین بردار پشتیبان در حالت نظارت شده مقایسه و ارزیابی عملکرد مدل­ های تولیدشده با استفاده از نمودارهای منحنی مشخصه عملکرد سیستم و میزان تغییرات پیش­ بینی-مساحت بهبودیافته، بررسی شد. بر این اساس، مدل پتانسیل نیمه­ نظارتی عملکرد بهتری را در شناسایی اهداف اکتشافی مس و طلای پورفیری داشته است. نواحی اهداف پتانسیل شناسایی شده در مدل نیمه­ نظارتی، تمامی اندیس­ های معدنی شناخته شده در منطقه مورد بررسی را در ۲/۹ درصد از مساحت ناحیه مورد بررسی، به ­درستی پیش­ بینی کرده است. اهداف اکتشافی معرفی شده، اغلب هم راستا با روند گسل­ های اصلی منطقه، در راستای شمال غربی- جنوب شرقی و مرتبط با واحدهای ولکانیک نظیر ریولیت، آندزیت، داسیت و ریوداسیت هستند. نتیجه حاصل از این پژوهش نشان ­دهنده برتری روش یادگیری نیمه ­نظارتی در شناسایی نواحی هدف معدنی برای برنامه ­ریزی عملیات تفصیلی اکتشافی است.

کلیدواژه ها:

مدل سازی پتانسیل معدنی ، مس و طلای پورفیری ، یادگیری نیمه نظارتی ، ماشین بردار پشتیبان ، دهسلم