کاربرد تبدیل‌های چندمتغیره در تحلیل داده‌های ژئوشیمی محدوده اکتشافی همیچ، استان خراسان جنوبی

نرمال کردن توزیع داده ها، تعدیل داده های خارج از ردیف و تبدیل داده ها از سیستم بسته به باز، پیش پردازش های اولیه برای استفاده از روش های آماری چند متغیره است. در این مقاله علاوه بر روش نسبت لگاریتمی سه روش تبدیل جستجوی تصویری چندمتغیره، فاکتورهای خودهمبستگی حداقل / حداکثر و تبدیل شرطی گام‌به‌گام نیز برای این منظور معرفی‌شده است. برای بررسی عملکرد روش های تبدیل از داده های تجزیه ای 396 نمونه ی برداشت‌شده از محیط سنگی در محدوده اکتشافی همیچ استفاده‌شده است. وجود آلتراسیون های هیدروترمال و کانی زایی های مس، سرب، روی و آهن در سطح زمین نشان‌دهنده‌ی مستعد بودن این محدوده برای کانی زایی پورفیری و هیدروترمال می باشد. نتایج تحلیل فاکتوری بر روی داده های تبدیل یافته به چهار روش فوق الذکر نشان می دهد که هر چه توزیع داده ها تبدیل یافته به توزیع نرمال چند متغیره نزدیک‌تر باشد واریانس فاکتورها و مقادیر بارهای فاکتوری کاهش می یابد. این نکته به دلیل کاهش همبستگی بین متغیرهای اتفاق می افتد. همچنین نتایج تحلیل فاکتوری بر روی داده های تبدیل یافته ی محدوده موردمطالعه نشان می دهد که نقشه های کنتوری امتیازهای فاکتوری به‌دست‌آمده از روش تبدیل شرطی گام‌به‌گام می توانند به‌خوبی زون های داخلی و خارجی سیستم کانی زایی پورفیری محدوده را مشخص نمایند. همچنین نقشه های امتیازهای فاکتوری به‌دست‌آمده از تبدیل داده به روش نسبت های لگاریتمی توانسته اند زون خارجی کانی زایی را به‌خوبی و زون داخلی کانی زایی را تا حدی نشان دهند؛ بنابراین پیشنهاد این مقاله استفاده از روش های تبدیل معرفی‌شده در کنار روش تبدیل نسبت لگاریتمی برای کلیه پیش پردازش های آماری و داده کاوی بر روی داده های اکتشافی است.

Application of multivariate transformation methods in geochemical data analysis of Hemych exploration area, South Khorasan Province

SummaryNormalizing data distribution, modifying outlier data, and converting datasets from the closed system to the open system are initial preprocessing using multivariate statistical methods. In this paper, PPMT, MAF, and SCT transformation methods are also introduced for this purpose in addition to the logratio transformation method. The analyzed data of 396 litogeochemical samples in the Hemych exploration area have been used to evaluate the performance of the transformation methods. The presence of hydrothermal alterations and Cu, Zn, Pb and Fe mineralization on the surface of the study area indicate the susceptibility of this area to porphyry and hydrothermal mineralization. The results of factor analysis on the transformed data by the four mentioned methods show when the distribution function of the transformed data is closer to the multivariate normal distribution, the values of the variance and loading factors are lower. This is due to the decreased correlation of the variables. The results of factor analysis also show that the contour maps of the factor scores obtained from the SCT transformation method can identify the internal and external zones of the porphyry mineralization system of the study area well.IntroductionThe use of statistical methods, especially multivariate statistical methods, is among the basic principles of geochemical data analysis. However, data with nonnormal distribution function, the existence of outlier data, and the closed system of the geochemical data are challenges on the way of using these methods. These problems can cause bias in the results of multivariate statistical analysis such as regression, discriminant analysis, principal component analysis, and factor analysis. The solution to this problem is to use nonlinear transformations to transfer data from one coordinate system to another. Methodology and ApproachesIn addition to the conventional logratio transformation method (ilrclr), projection pursuit multivariate transform (PPMT), Min/Max autocorrelation factors (MAF), and stepwise conditional transformation (SCT) were used to convert data distribution to a multivariate normal distribution. Then, the factor analysis method was used on the transformed data to identify the factors related to mineralization and the internal and external zones of the porphyry and hydrothermal systems of the study area.Results and ConclusionsThe results of factor analysis on the transformed data by the four mentioned methods show that the closer the distribution of the transformed data to the multivariate normal distribution is, the lower values of the variance and loading factors are. This is due to the decreased correlation of the variables. The results of factor analysis also showed that the contour maps of the factor scores obtained from the SCT transformation method can identify the internal and external zones of the porphyry mineralization system of the study area well. Also, the contour maps of the factor scores obtained from the data transform by the ilrclr method have been able to show the external zone of mineralization well and the internal zone of mineralization to some extent. Therefore, this paper suggests using the introduced transformation methods along with the logratio transformation method for all preprocessing of the statistical and data mining on the exploration data.