بهبود شناسایی دگرسانی­ های مرتبط با کانی‌زایی مس پورفیری در محدوده کانسار کوه‌پنج استان کرمان با استفاده از روش‌های تقویت داده در ساختار شبکه عمیقu-net

ذخایر مس‌پورفیری با توجه به میزان ذخیره آنها و نوع کانه موجود نقش بسیار با اهمیتی در صنعت و اقتصاد یک کشور باز می‌کنند. از آنجاییکه یکی از ویژگیهای بارز این سیستم‌های کانه‌زایی توزیع فضایی دگرسانیهای مرتبط با این ذخایر در اطراف آنها است.، لذا به نقشه درآوردن و یا تهیه نقشه پراکندگی دگرسانیهای مرتبط با این ذخایر نقش بسیار پررنگی در شناسایی و اکتشاف ان ذخایر دارد. باتوجه به پیشرفتهای چشمگیر در زمینه هوش مصنوعی و روشهای یادگیری ماشین در علوم و مهندسی در دهه اخیر، استفاده‌ه از این دستاوردها در علوم زمین نیز رو به گسترش بوده بطوریکه امروزه در موارد مختلفی از پژوهشهای مرتبط با علوم زمین از این روشها استفاده می­شود. در این پژوهش از یک معماری طبقه‌بندی پیکسل پایه تقویت داده شده موسوم بهu-net برای طبقه‌بندی پیکسلهای مرتبط با تصاویر سنجنده پریسما استفاده شده است. برای آرایش و یا چیدمان فیلترهای کانولوشنی استفاده شده برای قسمت اینکودر ساختار u-net، از آرایش inceptionv3 استفاده گردید که بعد از آموزش شبکه منجر به امتیاز صحت سنجی 0.79 گردید. در نهایت بمنظور بالا بردن دقت و صحت و کارایی مدل، از روش تقویت و تولید داده در مرحله آموزش استفاده گردید بطوریکه نتاج امتیاز صحت سنجی در این حالت به امتیاز 0.86 بهبود یافت.