>
Fa   |   Ar   |   En
   به‌کارگیری روش‌های نوین خوشه‌بندی جهت آشکارسازی آنومالی‌های ژئوشیمیایی در ورقه 1:100000 معلمان  
   
DOR 20.1001.2.9920029590.1399.1.1.87.1
نویسنده Bigdeli Amirreza ,بیگدلی امیررضا ,مقصودی عباس ,Maghsoudi Abbas ,Ghezelbash Reza ,قزلباش رضا
منبع كنگره علوم زمين - 1399 - دوره : 39 - سی و نهمین کنگره ملی و چهارمین کنگره بین المللی علوم زمین - کد همایش: 99200-29590
چکیده    ورقه 1:100000 معلمان بخشی از کمربند فلززایی ترود-چاه‌شیرین است که با توجه به شواهد زمین‌شناسی و رخدادهای معدنی موجود در منطقه و همچنین آثار معدنکاری‌های قدیمی از نظر کانی‌زایی برای عناصری مانند مس، طلا، سرب و روی حائز اهمیت است. مهم‌ترین واحدهای سنگی در این ورقه واحدهای آندزیت، آندزیت-داسیت و تراکی‌آندزیت با سن ائوسن است که ارتباط ژنتیکی مثبتی با کانی‌زایی مس و طلا در منطقه دارد. انتخاب یک روش مناسب برای جداسازی الگوهای ژئوشیمیایی مربوط به داده‌های رسوب آبراهه‌ای برداشت‌شده از منطقه مورد مطالعه، یک مسئله چالش‌برانگیز در اکتشافات ژئوشیمیایی محسوب می‌شود؛ زیرا آنومالی‌های ژئوشیمیایی مربوط به رسوبات آبراهه‌ای الگوهای آنومالی پیچیده‌ای را نشان می‌دهند. در این پژوهش، از روش‌های خوشه‌بندی k-means، k-medoids و نقشه خودسازمانده (som) برای آشکارسازی آنومالی‌های ژئوشیمیایی استفاده شده است. ابتدا برای بررسی ارتباط بین عناصر روش تحلیل مولفه‌های اصلی به کار گرفته شده است، در قدم بعدی برای به دست آوردن تعداد خوشه بهینه (k) ابتدا تعداد خوشه‌ها از 2 k = تا 10 k = تغییر داده شدند و سپس از شاخص silhouette width مقدار 3 k =، مناسب‌ترین مقدار برای تعداد خوشه‌ها انتخاب شد. در نهایت با رسم نقشه‌های آنومالی مشخص شد که هر سه روش در جداسازی نواحی آنومال که منطبق بر رخدادهای معدنی است به درستی عمل کرده‌اند با این تفاوت که روش som در محدود کردن نواحی آنومالی عملکرد بهتری نسبت به روش‌های خوشه‌بندی k-means و k-medoids نشان داده است.
کلیدواژه دادههای رسوب آبراههای ,خوشه‌بندی ,تحلیل مولفه‌های اصلی ,K-Means ,K-Medoids ,نقشه خودسازمانده (Som) ,معلمان.
آدرس دانشگاه صنعتی امیرکبیر, ایران, دانشگاه صنعتی امیرکبیر, ایران, دانشگاه صنعتی امیرکبیر, ایران, دانشگاه صنعتی امیرکبیر, ایران, دانشگاه صنعتی امیرکبیر, ایران, دانشگاه صنعتی امیرکبیر, ایران
پست الکترونیکی rezaghezelbash@aut.ac.ir
 
   Application of modern clustering methods to detect geochemical anomalies in 1:100000 Moalleman sheet  
   
Authors
Abstract   
Keywords
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved