کاربرد شبکه های عصبی در تهیه نقشه پتانسیل معدنی : مطالعه موردی کانی زایی پروتروزوییک درمنطقه ساغند- چادرملو، ایران مرکزی

ایران مرکزی دارای کانسارهای متعددی از آهن، آپاتیت و اورانیم به سن پروتروزوییک است. در این مطالعه، به منظور تهیه نقشه پتانسیل معدنی برای کانی زایی تیپ اکسید آهن(Cu-U-Au-REE ) پروتروزوییک، ازسامانه شبکه های عصبی استفاده شد. سامانه استفاده شده نوعی شبکه عصبی به اسم RBFLN است که شکل تغییریافته ای از شبکه عصبی بر پایه تابع شعاعی (RBFNN) می باشد.دراین مطالعه داده های چینه شناسی، ساختاری، ژئوفیزیکی وژئوشیمیایی به عنوان بردارهای چند بعدی وارد شبکه عصبی شدند. به منظور یادگیری شبکه از ۵۸ کانسار و ۵۸ غیرکانساراستفاده شد. برای تهیه نقشه های ورودی از دو روش استفاده شد. در روش اول تلفیقی از نقشه های چندکلاسه و دو کلاسه وارد شبکه عصبی شد. در روش دوم تمام نقشه های نشانگر به نقشه های دوکلاسه دسته بندی شدند. اعمال RBFLN بر روی داده های ورودی مختلف نشان داد که افزایش تعداد نقشه های ورودی و در نتیجه افزایش تعداد کلاسها منجر به بالا رفتن خطای  مجموع مربعها (SSE) دسته بندی می شود. به طورکلی تکراردفعات یادگیری باعث بهبود خطای SSE در حین یادگیری  می شود. نتیجه این مطالعه همچنین نشان داد که پراکندگی مناسب نقاط کانساری و غیر کانساری و فراوانی آنها نسبت به هم  تاثیر زیادی در نتیجه دسته بندی می گذارد.

کلیدواژه ها:

شبکه های عصبی ، نقشه پتانسیل معدنی ، GIS ، RBFLN