شناسایی آنومالی های مس پورفیری با استفاده از روش رگرسیون ماشین بردار پشتیبان

در مقاله حاضر، داده های حاصل از ۸۳ نمونه سنگ جمع آوری شده از یک منطقه کانی سازی مس پورفیری در کشور کانادا مورد تجزیه و تحلیل قرار گرفت. ابتدا از روش انتخاب ویژگی آزمون F-test برای درک و تعیین ویژگی های مهم استفاده شد، به طوری که پنج عنصر طلا (Au)، مولیبدن (Mo)، نقره (Ag)، آهن (Fe) و سرب (Pb) به عنوان ویژگی های مهم برای اجرای مدل های رگرسیون انتخاب شدند. سپس ۷۰ درصد داده ها برای آموزش و بقیه برای تست مدل انتخاب شدند. به طوری که برای پیش بینی مقادیر مس از روش های مدل رگرسیون خطی، رگرسیون مدل درخت تصمیم، مدل درختان تجمعی بگینگ، مدل درختان تجمعی بوستینگ و مدل شبکه عصبی سه لایه استفاده شد و سپس داده ها با استفاده از مدل جدید رگرسیون بردار پشتیبان (PSVR) پیش بینی و مقادیر RMSE، R۲ و زمان آموزش هر روش مورد تجزیه و تحلیل قرار گرفت. همچنین نقشه های مناطق امیدبخش بر اساس مقادیر پیش بینی شده مس با استفاده از روش های فوق در محیط GIS ترسیم شد و در نهایت نتایج تمامی روش ها با هم مقایسه شدند که نشان از کارایی و برتری روش پیشنهادی PSVR در بین روش های مذکور داشت.

کلیدواژه ها:

مس پورفیری ، مناطق امیدبخش ژئوشیمیایی ، رگرسیون بردار پشتیبان ، GIS