شناسایی هاله‌های ژئوشیمیایی در محدوده اکتشافی دالی شمالی دلیجان با روش جنگل‌انزوا

یکی از اهداف اساسی در اکتشاف مواد معدنی شناسایی ناهنجاری ها در مجموعه داده های مختلف زمین شناسی از جمله داده های ژئوشیمیایی است. تشخیص ناهنجاری را می توان از طریق تجزیه و تحلیل چند متغیره مشخص کرد. تحقق این هدف در روش های داده کاوی با استفاده از الگوریتم های تشخیص ناهنجاری امکان پذیر است. اغلب این الگوریتم ها برای مجموعه داده های محدود مطلوب است اما برای مجموعه داده های بزرگ از لحاظ اختصاص حافظه و زمان محاسبه با چالش مواجه می شوند. در رویکرد جنگل انزوا این مشکل از طریق ایزوله کردن نقاط نمونه، قابل حل است. در این پژوهش برای جدایش و تفکیک جوامع ناهنجار در 149  نمونه خاک سطحی در محدوده دالی شمالی واقع در استان مرکزی از روش جنگل انزوا به عنوان یک الگوریتم داده کاوی برای تشخیص ناهنجاری استفاده شد. همچنین با استفاده از روش فرکتال (عیار- مساحت) در هاله های ژئوشیمیایی طلا و مس، چندین جامعه با حدود آستانه 1633 تا 2717 گرم بر میکروگرم برای مس و  22 تا 734 گرم بر میکروگرم برای عنصر طلا  قابل شناسایی است. عملکرد مدل جنگل انزوا در تشخیص ناهنجاری طلا و مس با استفاده از سطح زیر منحنی roc مطلوب ارزیابی می شود به طوری که خروجی این روش با پتانسیل های مغناطیسی و همچنین عوامل زمین شناسی که در مطالعات گذشته در منطقه به آن ها اشاره شده است، هم پوشانی قابل توجهی دارد.  بنابراین می توان از مدل سازی انجام گرفته با استفاده از روش جنگل انزوا در تولید نقشه های پتانسیل مواد معدنی با دقت مطلوبی استفاده کرد.

identification of geochemical halos in the northern dalli exploration area of delijan using the isolated forest method

one of the main objectives of mineral exploration is the identification of anomalies within various geological datasets, including geochemical data. anomaly detection can be achieved through multivariate analysis. this objective can be realized using anomaly detection algorithms in data mining approaches. while many of these algorithms are effective for smaller datasets, they encounter challenges regarding memory allocation and computation time when applied to large datasets. the isolation forest approach addresses this issue by isolating sample points. this study utilized the isolation forest method as an anomaly detection algorithm to isolate and differentiate anomalous populations in 149 surface soil samples from the northern dalli area. additionally, by applying the fractal (grade-area) method to geochemical halos of gold and copper, several populations with threshold values ranging from 1633 to 2717 µg/g for copper and from 22 to 734 µg/g for gold were identifiable. the performance of the isolation forest model in detecting gold and copper anomalies was evaluated using the area under the roc curve, and favorable results were obtained. the outcomes of this method exhibited significant overlap with magnetic potential areas and geological factors previously noted in the region. therefore, the isolation forest method modeling can effectively produce high-accuracy mineral potential maps.