استفاده از مدل ترکیبی فاکتوری- فرکتالی جهت شناسایی پتانسیل‌های معدنی طلا، آرسنیک و آنتیموان در ورقه 1:100000 بصیران، خراسان جنوبی، شرق ایران

انتخاب مناسب ترین روش برای شناسایی مقادیر آنومالی از زمینه یکی از چالش های مهم در زمینه اکتشافات ژئوشیمیایی می باشد. در این خصوص روش هایی همچون روش های آماری، هوش مصنوعی، محاسبات نرم و روش های ترکیبی توسعه یافته اند که هریک از این روش ها دارای مزایا و معایبی می باشند. هدف این تحقیق شناسایی پتانسیل های معدنی عناصر طلا، آرسنیک و آنتیموان در برگه 1:100000 بصیران با استفاده از مدل ترکیبی فاکتوری فرکتالی است. برای این منظور تعداد 585 نمونه ژئوشیمیایی اخذ شده از رسوبات آبراهه ای که برای 20 عنصر آنالیز شده است مورد مطالعه قرار گرفت. برای رسیدن به هدف ابتدا داده ها توسط روش فاکتوری r مد مطالعه و تعداد 5 فاکتور استخراج گردید که با توجه به هدف، فاکتور سوم که ترکیب خطی از عناصر آنتیموان، آرسنیک و طلا بود انتخاب شد. مقادیر امتیازات فاکتوری محاسبه و نقشه امتیازات فاکتوری رسم شد. سپس روش فرکتالی غلظت مساحت بر روی امتیازات فاکتوری مولفه سوم اعمال و مقادیر حد آستانه تعیین گردیدند و در نهایت براساس این مقادیر نقشه مدل ترکیبی فاکتوری فرکتالی رسم شد. مقایسه این نقشه با نقشه فرکتالی غلظت مساحت نشان داد که شدت بخشی آنومالی ها با مدل ترکیبی بهتر انجام شده است. به منظور اعتبارسنجی نتایج حاصله از مدل ترکیبی، تعداد 6 نمونه کانی سنگین از منطقه اخذ و مطالعه شد. نتایج حاصله از مطالعات کانی سنگین بیانگر وجود ذرات طلا در این نمونه ها بود. مقایسه نتایج مطالعات کانی سنگین و مدل های آماری نشان می دهد که انطباق خوبی (بیش از 90 درصد) بین نتایج وجود دارد زیرا که نمونه های کانی سنگین منطبق بر نواحی آنومالی می باشد.

Using hybrid factor-fractal model for identification of Au, As, Sb mineral potential in Basiran 1:100000 sheet, south Khorasan, east of Iran

IntroductionOne of the main challenges about geochemical exploration is the selection of an appropriate method for anomaly separation from background. In this field, many approaches including statistical methods, artificial intelligence, soft computing and compositional methods have been developed. Each method has some weak and strong points.  Research literature showed the statistical hybrid models were used less in this field.Materials and MethodsNowadays, the hybrid models have been considered to enhance the intensity of geochemical anomalies. Until now, only some hybrid models were used. The most important of them are neurofuzzy and genetic algorithm model, multifractalneural network model, fractalU statistic model, fractalwavelet model and factor analysisneural network model. The previous studies indicate that the univariate and multivariate statistic methods and artificial neural networks were mainly used as hybrid model. The main goal of this research is the identification of mineral potential of Au, Sb and As in Basiran 1:100000 sheet, which is located in 180 Km of West of Birjand, through using factorfractal hybrid model. For this purpose, the 585stream sediment geochemical data, which were taken by Trade, Mine and Industry Organization of South Khorasan, were analyzed for 20 elements including of Sb, As, Au, Ba, Se, Mn, Ti, Cr, Zn, Cu, Fe, Co, Ag, Sn, Mo, Ni, Pb, W, Hg and Bi.Results and Discussion In first step, the data have been studied by Rmode factor analysis and 5 factors were extracted. With respect to the goal, the third factor with the best linear combination of Sb, Au and As elements, was elected. Afterwards, the factor scores were calculated and depicted on the map of factor’s scores.  Consequently, fractal method was applied on the concentration area based on third factor scores, and the thresholds values were determined. Finally, based on threshold values, the map of hybrid factorfractal model was illustrated. Comparison of both obtained results using hybrid model and concentrationarea fractal model indicated that the hybrid model is more effective. As indicated in the following figure, the position of heavy metal samples are located on identified mineralized zone using factorfractal hybrid model.Conclusion In this paper, recognition of mineral potential of Au, As and Sb using factorfractal hybrid model, is a new idea and innovation. For validation of hybrid model results, 6 heavy metal samples were gained and studied. The results of heavy metal studies confirmed the existence of gold particles in samples.  The drawn results stated a good agreement (more than 90 percent) between heavy metal locations and identified mineral potential area by using the hybrid model.