مقایسه روش ‌های زمین ‌آماری و هوش مصنوعی جهت مدل ‌سازی سه ‌بعدی کانی ‌زایی طلای اپی ‌ترمال منطقه زایلیک شمال غرب ایران

هدف از این پژوهش، مقایسه و ارزیابی مدل‌ سازی‌های مختلف، جهت تشخیص بهتر الگوهای ژئوشیمیایی توزیع au و تفکیک دقیق‌تر زون‌های کانی‌سازی طلای رگه‌ای منطقه زایلیک در شمال غرب ایران است. در این منطقه، عیار au در رگه 01s (یکی از 7 رگه محدوده اکتشافی) با استفاده از روش زمین‌آماری کریجینگ معمولی (ok) و همچنین روش‌های هوش مصنوعی مانند تلفیق شبکه عصبی مصنوعی (ann) با الگوریتم‌های کرم شب‌تاب (ffa) و بهینه‌سازی ازدحام ذرات (pso)، تخمین زده شد. داده‌های حاصل به بلوک‌ها و زیر بلوک‌های مربوطه در نرم‌افزار دیتاماین وارد گردیده و مدل‌سازی‌های سه‌بعدی به‌دست‌آمده با یکدیگر مقایسه شدند. مدل‌سازی‌ در روش‌های هوش مصنوعی، با استفاده از کد نویسی در نرم‌افزار متلب و ارتباط دادن آن با نرم‌افزار دیتاماین در چهار گام مجزا انجام شد که در این روش‌ها، با کمک ffa و pso، پارامترهای روش ann مانند بایاس و وزن‌ها به‌روزرسانی و بهینه گردید تا نتایج بهتری نسبت به روش ann به دست آید. جهت اطمینان از دقت مدل‌سازی‌ها، از پارامترهای آماری ضریب تعیین (r^2) و تابع خطا جذر میانگین مربعات خطا (rmse) استفاده شد. نتایج نشان می‌دهد، روش تلفیقی الگوریتم کرم شب‌تاب (ann-ffa)، با توجه ‌به حداقل بودن تابع خطا (rmse=0.134 ) و حداکثر بودن ضریب تعیین (0/66r^2=)، دارای بیشترین دقت است. همچنین جهت اطمینان از صحت مدل‌سازی‌ها در روش‌های تلفیقی، مقایسه‌ای با روش مرسوم زمین‌آماری ok انجام شد و صحت آن نیز مورد تایید قرار گرفت. در تمامی مدل‌سازی‌های انجام‌گرفته، محل مقادیر تخمین زده شده انطباق مناسبی با لیتولوژی و دگرسانی‌های مرتبط با کانی‌سازی au در این منطقه داشت.