مدلسازي پتانسيل معدني با به ‌كارگيري شبكه خودرمزنگار عميق در پهنه اكتشافي دهسلم، شرق ايران

شناسايي نواحي مستعد مرتبط با كاني سازي و تلفيق مجموعه داده هاي چندمنبعي اكتشافي در مدلسازي پتانسيل معدني ضروري است. در اين پژوهش، از روش تحليل داده هاي حجيم و يك الگوريتم يادگيري عميق بدون ناظر، جهت شناسايي اهداف اكتشافي مرتبط با كاني سازي مس - طلاي پورفيري در پهنه اكتشافي دهسلم، شرق ايران استفاده شده است. بر اساس شرايط زمين شناسي و تشكيل اين تيپ كاني سازي، در اين پژوهش 32 متغير ورودي، شامل داده هاي زمين شناسي (ليتولوژي و ساختاري)، سنجش از دور (دگرساني هاي آرژيليك و اكسيد آهن)، آناليز 27 عنصر ژئوشيمي رسوبات آبراهه اي و نقشه برگردان به قطب مغناطيس هوابرد جهت مدلسازي اكتشافي مس و طلاي پورفيري با به كارگيري الگوريتم شبكه خودرمزنگار عميق، استفاده و نتايج حاصل با خروجي مدل ميانگين هندسي مقايسه گرديد. ارزيابي عملكرد مدل هاي پتانسيل معدني توليدشده با استفاده از نمودار آهنگ پيش بيني مساحت بهبوديافته بررسي شد. نتايج حاصل از اين پژوهش نشان دهنده عملكرد مناسب مدل توليدشده به روش خودرمزنگار عميق، در شناسايي اهداف اكتشاف جهت برنامه ريزي فعاليت‌هاي اكتشافي تفصيلي است. خروجي مدل توليد شده منجر به شناسايي اهداف اكتشافي جديدي در قسمت هاي شرق، شمال، غرب و جنوب غرب منطقه مورد مطالعه شده است. نتيجه اين پژوهش، نشان دهنده پتانسيل روش هاي مبتني برتحليل داده‌هاي حجيم و يادگيري عميق در مدلسازي پتانسيل معدني است.