اخبار و اعلانات
آمار
| تعداد نشریات | 20 |
| تعداد شماره‌ها | 348 |
| تعداد مقالات | 2,872 |
| تعداد مشاهده مقاله | 3,265,017 |
| تعداد دریافت فایل اصل مقاله | 2,400,150 |
شناسایی مناطق امیدبخش کانی‌زایی طلای زایلیک شمال غرب ایران با روش برهم‌نهی فازی اطلاعات | ||
| نشریه مهندسی منابع معدنی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 01 آذر 1402 | ||
| نوع مقاله: علمی-پژوهشی | ||
| شناسه دیجیتال (DOI): 10.30479/jmre.2023.18495.1631 | ||
| نویسندگان | ||
| محمد جعفر محمدزاده* ؛ محمد مهدی رجایی | ||
| دانشکده مهندسی معدن دانشگاه صنعتی سهند تبریز | ||
| تاریخ دریافت: 11 اسفند 1401، تاریخ بازنگری: 21 خرداد 1402، تاریخ پذیرش: 01 مرداد 1402 | ||
| چکیده | ||
| هدف از این پژوهش، استفاده هم‌زمان از عیار طلای به‌دست‌آمده از مدل‌سازی‌های ژئوشیمیایی و پارامترهای زمین‌شناسی، جهت شناسائی مناطق امیدبخش کانی‌زایی طلای اپی‌ترمال منطقه زایلیک در شمال‌غرب ایران است. شواهد زمین‌شناسی مورد استفاده در این منطقه، سنگ‌شناسی و دگرسانی‌های آرژیلیکی، پروپیلیتیکی، سیلیسی و اکسید آهن بوده و در مدل‌سازی‌های ژئوشیمیایی نیز از دو روش هوش مصنوعی 1) شبکه عصبی مصنوعی و 2) تلفیق آن با الگوریتم کرم شب‌تاب استفاده شد. شواهد زمین‌شناسی پس از کمّی شدن، به همراه مقادیر تخمین زده شده طلا در روش‌های هوش مصنوعی، جهت وزن‌دهی به سیستم سلسله‌مراتبی در نرم‌افزار Expert Choise وارد شدند. در این نرم‌افزار وزن‌دهی و تعیین درجه اهمیت نسبی پارامترهای زمین‌شناسی پس از مشورت با متخصصان زمین‌شناسی و اکتشاف صورت پذیرفته و روش‌های هوش مصنوعی نیز با استفاده از معیارهای کمّی مانند ضریب تعیین و تابع جذر میانگین مربعات خطا با یکدیگر مقایسه شدند که روش تلفیقی شبکه عصبی مصنوعی با الگوریتم کرم شب‌تاب، با توجه به بیشتر بودن ضریب تعیین (R2=0.643) و کمتر بودن تابع خطا (RMSE=0.754)، نتایج بهتری را نشان داد، لذا از درجه اهمیت بیشتر، جهت تشخیص مناطق امیدبخش کانی‌زایی برخوردار شد. در نهایت تمامی پارامترهای فوق در نرم‌افزار Arc GIS توسط روش برهم‌نهی فازی با یکدیگر تلفیق شده و مناطق بهینه اکتشافی در شمال و شمال‌شرق منطقه ثبت و ادامه اکتشاف ریشه کانی‌زایی طلا با توجه به مدل معرفی شده در مناطق هم‌جوار میسر گردید. | ||
| کلیدواژه‌ها | ||
| شبکه عصبی مصنوعی؛ الگوریتم کرم شب‌تاب؛ سلسله‌مراتبی؛ برهم‌نهی فازی؛ طلای زایلیک | ||
| عنوان مقاله [English] | ||
| Identifying the promising areas of Zailik gold mineralization in the northwest of Iran by the method of fuzzy overlay of information | ||
| نویسندگان [English] | ||
| Mohammadjafar Mohammadzadeh؛ Mohammadmahdi Rajaei | ||
| The Faculty of Mining Engineering, Sahand University of Technology | ||
| چکیده [English] | ||
| This research aims to simultaneously use geochemical modeling and geological parameters for gold grade estimation and identify the promising areas of epithermal gold mineralization in the Zailik region northwest of Iran. For this purpose, the geological evidence used includes lithology, alteration like silicified, iron oxides, phyllic and propylitic, and applied methods in geochemical modeling are 1) artificial neural network and 2) integrating it with the firefly algorithm. The analytical hierarchy process (AHP) in Expert Choice software is applied to calculate the weights of multi-criteria decision-making (MCDM) problem elements like the quantified geological evidence and estimated amounts of gold in artificial intelligence methods. The significance criteria of geological parameters in software were determined by gathering the mining engineer's and geologist's information and also for geochemical methods by using the coefficient of determination (R2=0.643), and the root mean square error (RMSE=0.754) function. The combined method of artificial neural network with firefly algorithm has the highest score among all existing parameters due to the higher R2 and lower RMSE among all geochemical methods and the high impact score of a geochemical factor in comparison to geology, as a result of its importance more, it was used to identify promising mineralization areas. Finally, all the above parameters were combined in ArcMap software by the fuzzy overlay method, and the promising exploration areas were recorded in the north and northeast of the region, and it was possible to continue the exploration of gold mineralization sources in the neighboring areas according to the introduced model. | ||
| کلیدواژه‌ها [English] | ||
| Artificial neural network, Fire Fly Algorithm, AHP, Fuzzy overlay, Zailik gold | ||
|
آمار تعداد مشاهده مقاله: 54 |
||