چارچوب یادگیری ماشین برای شناسایی آنومالی های ژئوشیمیایی

زمینه و هدف: شناسایی آنومالی های ژئوشیمیایی یکی از مراحل کلیدی در اکتشافات سیستماتیک ذخایر معدنی است و تحلیل داده های چندمتغیره و پیچیده ژئوشیمیایی نیازمند بهره گیری از روش های تحلیلی پیشرفته است. هدف این پژوهش ارائه یک چارچوب مفهومی مبتنی بر یادگیری ماشین برای شناسایی نظام مند آنومالی های ژئوشیمیایی و بهبود فرآیند تحلیل داده های اکتشافی در منطقه مهاباد است. روش بررسی: چارچوب پیشنهادی شامل گردآوری داده های ژئوشیمیایی، پیش پردازش و نرمال سازی، انتخاب ویژگی های موثر با استفاده از تحلیل همبستگی و تحلیل مولفه های اصلی، و به کارگیری الگوریتم های جنگل تصادفی، ماشین بردار پشتیبان و شبکه عصبی مصنوعی است. در ادامه، خروجی مدل ها در محیط سامانه اطلاعات جغرافیایی تلفیق شده و نقشه پتانسیل آنومالی تولید می شود. یافته ها: نتایج نشان داد که تفکیک مرحله آماده سازی داده از مرحله مدل سازی موجب کاهش اثر داده های پرت، بهبود ساختار تحلیلی و افزایش پایداری مدل های پیش بینی می شود. همچنین ترکیب تحلیل های یادگیری ماشین با پردازش مکانی، قابلیت تفکیک مناطق امیدبخش را نسبت به رویکردهای سنتی بهبود می دهد. نتیجه گیری کلی: چارچوب ارائه شده می تواند به عنوان ابزاری مکمل در تحلیل داده های ژئوشیمیایی نه تنها در منطقه مهاباد مورد استفاده قرار گیرد بلکه زمینه ای مناسب برای توسعه مدل های پیش بینی در مطالعات اکتشاف ذخایر معدنی فراهم سازد.

کلیدواژه ها:

ژئوشیمی ، یادگیری ماشین ، آنومالی ، اکتشاف ، سامانه اطلاعات جغرافیایی