شناسایی و تفکیک هاله های ژئوشیمیایی با روش های خوشه بندی سلسله مراتبی، تکینگی و ماشین بردار پشتیبان

در پروژه‌های اکتشافی، شناسایی ناهنجاری‌های ژئوشیمیایی در مناطق مختلف ممکن است تحت تاثیر فرآیندهای زمین‌شناسی، پیچیده‌گی‌های خاصی پیدا کنند. برای حل این ابهامات باید از روش‌های مختلف، برای درک صحیحی از اطلاعات موجود، استفاده شود. در این تحقیق با بیان مفهوم خوشه‌بندی سلسله مراتبی جهت شناسایی عناصر مرتبط با کانی‌سازی، تکینگی و نحوه ترسیم نقشه‌های تکینگی در قالب مدل‌های مولتی‌فراکتال و روش ماشین بردار پشتیبان، نواحی ناهنجار که احتمال کانی‌سازی در آن وجود دارد از مناطق زمینه تفکیک می‌شود. در ابتدا با روش خوشه‌بندی سلسله مراتبی و با استفاده از روش وارد، در خوشه‌های ایجاد شده، دو عنصر طلا و مس به عنوان عناصر مرتبط با کانی‌سازی شناسایی شدند. برای محاسبه شاخص تکینگی این دو عنصر، در هر نقطه از روش مبتنی بر پنجره و رابطه توانی عیار- مساحت استفاده شد. در نهایت با تفکیک مقادیر شاخص تکینگی به دو بخش آموزش و آزمایش و با کمک روش svm فرآیند طبقه‌بندی و تخمین مقادیر شاخص تکینگی جهت شناسایی مناطق آنومال برای مناطق مجهول انجام پذیرفت. مطالعه موردی بر روی داده‌های مربوط به نمونه‌های سطحی خاک در محدوده کانسار مس پورفیری غنی از طلای دالی به مساحت 900×800 متر مربع واقع در کمربند ماگمایی ارومیه- دختر انجام شده است. نتایج حاصل از روش ترکیبی استفاده شده در این پژوهش با مطالعات قبلی مطابقت خوبی را نشان می‌دهد. در نتیجه استفاده از این روش‌های ترکیبی معرفی شده می‌تواند راهنمای مناسبی در جهت تولید نقشه-های ژئوشیمیایی در مناطق ناشناخته گردد.

identification and separation of geochemical halos using hierarchical clustering, singularity, and support vector machine methods

in exploratory projects, the identification of geochemical anomalies in different areas may become complicated under the influence of geological processes. to solve these ambiguities, different methods should be used for a correct understanding of the available information. in this research, by expressing the concept of hierarchical clustering to identify elements related to mineralization, singularity, and how to draw singularity maps in the form of multifractal models and support vector machine method, the anomalous areas where there is a possibility of mineralization are seprated from the context regions. at first, two elements, gold and copper, were identified as elements related to mineralization in the created clusters using the hierarchical clustering method and ward’s method. to calculate the singularity index of these two elements, the method based on the window and the power relation of grade area was used at each point. finally, by separating the singularity index values into two parts, training and testing, and with the help of the svm method, the process of classification and estimation of singularity index values was done to identify anomalous areas for unknown areas. a case study has been carried out on the data of the porphyry copper deposit rich in dali gold with an area of 900×800 meters located in the urmia-dokhtar magmatic belt. the data is related to surface soil samples in the target area. the results of this method are consistent with the previous studies conducted in the region. the results of the hybrid method used in this research show good agreement with previous studies. as a result, the use of these introduced hybrid methods can be a suitable guide for the production of geochemical maps in unknown areas.