انتخاب متغیرهای با اهمیت مرتبط با کانی سازی مس با استفاده از روش های یادگیری ماشین

بررسی های ژئوشیمیایی اغلب با تعداد زیادی از متغیرها به طور همزمان سر و کار دارد، زیرا مجموعه ای از متغیرها هستند که یک افق ژئوشیمیایی را مدل می کنند، و یک عنصر به تنهایی ممکن است این کار را انجام ندهد. از آنجایی که متغیرهای مختلف در تعامل با هم چشم انداز نهایی را شکل می دهند، گاهی برخی از این بر هم کنش ها و ارتباط ها به وضوح در مطالعات چند متغیره خود را نشان می دهند. از طرفی یک مشکل اصلی در تحلیل و تفسیر داده های ژئوشیمیایی، تنوع و اندازه بزرگ ماتریس داده ها است. این مشکل را می توان با استفاده از تجزیه و تحلیل داده های چند متغیره حل کرد که می تواند حجم زیادی از داده ها را به اطلاعات ژئوشیمیایی خلاصه، با اهمیت و قابل مقایسه تبدیل کند. لذا در تحقیق حاضر متغیر های با اهمیت و مرتبط با کانی سازی مس پورفیری به روش های چند متغیره خوشه بندی، آنالیز تمایز و الگوریتم F-test مورد بررسی قرار گرفت. نتایج حاکی از آن است که در هر سه روش بررسی، عناصر نسبتا مشابهی از نظر اهمیت و ارتباط با عنصر Cu تشخیص داده شده است.

کلیدواژه ها:

آنالیز چند متغیره ژئوشیمیایی ، خوشه بندی ، آنالیز تمایز ، F-testRetry