ارایه مدلی برای تفکیک بین آنومالی‌های واقعی و کاذب با استفاده از طبقه‌بندی داده‌ها

تلفیق داده‌ها یکی از روش‌هایی است که با استفاده از آن می‌توان مطالعات اکتشافی در مقیاس ناحیه‌ای را به صورت یکجا و همزمان بر روی همه داده‌های در دسترس از منطقه مورد مطالعه انجام داد. نتایجی که با در نظر گرفتن همه داده‌ها و ارتباط میان آنها به دست می‌آید، دقت و اطمینان بیشتری دارد. در چنین شرایطی عموما از مدل‌سازی پتانسیل معدنی برای تعیین نواحی امیدبخش استفاده می‌شود. در روش جدید معرفی شده در مقاله حاضر ضمن بررسی تئوری زونالیته ژئوشیمیایی در بهبود بخشیدن به نتایج به دست آمده از تهیه مدل پتانسیل معدنی، بخشی از زون فلززایی ارسباران انتخاب و ارایه نقشه آنومالی فوق و تحت کانسار، محدوده‌های کانی‌سازی پنهان و پراکنده معرفی شده بررسی شد. همچنین نقشه‌های شاهد ژئوشیمی تک عنصری، نقشه‌های ژئوشیمی تولید شده با روش زونالیته، ساختاری، دگرسانی و زمین‌شناسی با استفاده از موقعیت اندیس‌های شناخته شده با روش وزن‌های نشانگر وزن‌دهی و تولید و در مرحله بعد برای تهیه مدل‌های پتانسیل معدنی لایه‌های وزن‌دار اطلاعاتی با روش لجستیک رگرسیون (lr) تلفیق شدند. در پایان از رخدادهای معدنی شناخته شده کانی‌سازی مس پورفیری منطقه برای ارزیابی مدل‌های تولید شده استفاده شد که نتایج نشان می‌دهد مناطق مشخص شده برای اکتشاف با استفاده ازمدل تهیه شده با استفاده از نقشه شاهد ژئوشیمی زونالیته، انطباق خوبی با رخدادهای معدنی موجود دارد.

presenting a model for distinguishing between true and false anomalies using data classification

data integration can be used to conduct exploratory studies on a regional scale simultaneously on all available data from the study area. the results obtained by considering all the data and the relationship between them are more accurate and reliable. in these cases, mineral potential modeling is utilized to determine promising areas. although gis-based mineral prospectivity mapping methods have been established, it is important to review which methods of geochemical data analysis result in anomaly maps that, in turn, lead to better models of mineral prospectivity. in this study, instead of using anomalies of pathfinder elements, using geochemical zonality anomalies as one of the several evidential maps resulted in the improved mapping of mineral prospectivity. in addition, whereas weights-of-evidence analysis was used in this study, other methods of data representation and integration for mineral prospectivity mapping can be used. in this study, a part of arasbaran metallogenic zone was selected and one-element geochemical control maps, geochemical maps produced by zonality, structural, alteration and geological maps were weighted and produced using the position of known indices by the method of weights-of-evidence. in the next step, weighted layers were combined with logistic regression (lr) method to prepare mineral potential models.