شناسایی نواحی مستعد کانی ‌سازی مس پورفیری با استفاده از شبکه عصبی فازی تطبیقی در منطقه مطالعاتی شهر بابک، استان کرمان

شناسایی مناطق کانی سازی با سطح قابل قبولی از قابلیت اطمینان، موضوع پیچیده ای است که نیازمند اجرای روش هایی برای تعیین مناطقی با پتانسیل کانی سازی بالا می باشد.. در این تحقیق از روش عصبی فازی تطبیقی برای پتانسیل یابی مس پورفیری در محدوده مطالعاتی شهر بابک در کمربند ماگمایی ارومیه دختر استفاده شده است. در این روش با تکیه بر نقاط آموزشی حاصل از رخنمونهای کانی سازی با اندیس شماره یک و نقاط غیر کانی سازی حاصل از روش آنالیز نقطه ای با اندیس صفر سعی بر بهبود عملکرد مدل عصبی فازی گردید. داده های ورودی در این تحقیق شامل (1) واحدهای آذرین پلوتونیک (2) واحدهای آذرین ولکانیک (3) گسل ها (4) اثر ژئوشیمیایی عنصر مس (5) اثر ژئوشیمیایی آنالیز فاکتوری ( فاکتور 1) (6) برگردان به قطب داده های مغناطیس هوایی (7) آلتراسیون آرژیلیک (8)آلتراسیون فیلیک (9) آلتراسیون اکسید آهن ( زون گوسان) (10) لایه ارتفاعی منطقه می باشد. داده های فازی حاصل از نقاط کانی سازی و غیر کانی سازی تولید شد و برای ایجاد مدل به روش شبکه عصبی فازی تطبیقی وارد محیط نرم افزار متلب شد. همچنین برای صحت سنجی مدل روش مجذور میانگین مربعات خطا بکار برده شد. مقدار حداق مربعات خطا برای داده های آموزشی برابر 8.23 e-06 و برای داده های آزمایشی برابر 1.07 e-06 می باشد. که تایید کننده دقت بالای مدل آموزشی تولید شده می باشد. در نهایت مدل آموزشی حاصل، روی داده های محدوده مطالعاتی شهر بابک اجرا شد و مدل نهایی کانی سازی مس پورفیری تولید گردید.

identifying high potential area of porphyry copper mineralization using the daptive fuzzy neural network method in the study area of shahre-babak studied area, kerman province

in this research, the adaptive neuro fuzzy method (anfis method) has been used to determine porphyry copper potential in the study area of shahre- babak in the magmatic belt of urmia- dokhtar. in this method, by relying on training points obtained from mineralization outcrops with index number one and non-mineralization points obtained from point pattern analysis method with zero index, an attempt was made to improve the performance of fuzzy neural model. input data in this research include (1) plutonic igneous units related to porphyry copper mineralization (2) volcanic igneous units (3) faults (4) geochemical signature of copper element (5) geochemical signature of factor analysis (factor 1) (6reduction to pole of aeromagnetic data (7) argillic alteration (8) phyllic alteration (9) iron oxide alteration (gosan zone) (10) digital elevation model of the studied area. after the rasterization of the mentioned data, fuzzy transformations were performed to generate same scale data. then the fuzzy data obtained from the mineralized and non-mineralized points were extracted and entered into the matlab software environment to create a training model using the adaptive fuzzy neural network method. the mean square error was used to validate the model. the rmse for training and testing data were 8.23 e-06 and 1.07 e-06 . finally, the result of training model was implemented on the data of the shahre- babak studied area and the final porphyry copper mineralization model was produced. based on the generated model, the high potential areas are located in the western and parts of eastern area.