تخمین عیار عنصر روی با استفاده از داده های رسوبات آبراهه ای و بهره-گیری از روش سیستم استنتاج عصبی- فازی تطبیقی(anfis) (مطالعه موردی)

علوم زمین به طور عمومی و علم اکتشاف موادمعدنی به خصوص، به دلیل پیچیدگی هایی که دارد و نیز عوامل تاثیرگذار و دخیل در آن، همواره جزء علومی بوده که احاطه بر تمامی خصوصیات عوامل دخیل در آن ناممکن و یا بسیار مشکل می باشد. به دلیل دشوار بودن اندازه گیری دقیق پارامترها و مرزبندی آن ها، در چند سال اخیر سعی بر آن شده است که با استفاده از مدل سازی، وقایع طبیعی برای بررسی بهتر، ساده گردند. مدل سازی با روش های هوشمند از جمله روش های جدیدی است که در سالیان اخیر در این حوزه مورد توجه قرار گرفته است. در این مطالعه، روش هوشمند سیستم استنتاج عصبی- فازی تطبیقی (anfis)، در پیش بینی عنصر روی در محدوده اطراف شهر کرمان، واقع در جنوب شرقی ایران، مورد استفاده قرار گرفته است. آماره های توصیفی داده ها و ماتریس همبستگی عنصر مورد مطالعه با استفاده از نرم افزار spss بدست آمد. جهت انجام این تحقیق، داده ها پس از استاندارد-سازی، وارد محیط متلب شده و با استفاده از روش anfis-scm، عنصر روی پیش بینی گردید. در این روش 70 درصد داده ها (435 نمونه) برای مجموعه داده آموزش و 30 درصد داده ها (186نمونه) برای مجموعه داده آزمون به طور تصادفی انتخاب شدند. با استفاده از نتایج به دست آمده از این مدل، مشخص شد که عیار عنصر تخمین زده شده در محدوده ی مورد بررسی از دقتی بسیار خوب و همبستگی بالایی نسبت به عیار عنصر آنالیز شده برخوردار بوده است. در نتیجه روش هوشمند anfis-scm روشی مفید و دقیق جهت تخمین عنصر روی می باشد.

Estimation of Zinc Element Using Stream Sediment Data and Adaptive Neuro-Fuzzy Inference System (ANFIS) (Case Study)

Earth sciences in general and the science of mineral exploration in particular, due to its complexities as well as the factors influencing and involved in it, have always been among the sciences in which it is impossible or very difficult to surround all the characteristics of the factors involved. Due to the difficulty of accurately measuring parameters and their demarcation, in recent years attempts have been made to simplify natural events for better investigation by using modeling. Modeling with intelligent methods is one of the new methods that has been considered in this field in recent years. In this study, the intelligent method of adaptive neural-fuzzy inference system (ANFIS) has been used to predict zinc element in the area around the city of Kerman, located in southeastern Iran. Descriptive statistics of data and correlation matrices of study elements were obtained using SPSS software. For this research, after standardization, the data were entered into MATLAB environment and zinc element were predicted using ANFIS-SCM method. In this method, 70% of the data (435 samples) for the training data set and 30% of the data (186 samples) for the test data set were randomly selected. Using the results obtained from this model, it was found that the grade of the estimated element in the study area had a very good accuracy and a high correlation with the grade of the analyzed element. As a result, the ANFIS-SCM intelligent method is a useful and accurate method for estimating zinc element.