مدلسازي پتانسيل معدني ذخاير كروميت انبانه اي در كمربند افيوليتي جنوب نيشابور با تحليل مولفه هاي مستقل

Mineral Potential Modeling of Podiform Chromite Deposits in the South Neyshabur Ophiolitic Belt Using Independent Component Analysis

آناليز مولفه هاي مستقل (ICA) يك روش آماري چندمتغيره نسبتا جديد است كه ابتدا براي مساله جداسازي كور منابع (BSS) و زماني كه هيچ اطلاعاتي درباره نحوه اختلاط منابع اوليه (سيگنال هاي مختلط شده) وجود ندارد و تنها شرط لازم استقلال آماري آنها است، ابداع شد. شرايطي مشابه مدل سازي پتانسيل معدني كه در آن برآيند فرآيندهاي مستقل كاني زايي به صورت متغيرهاي مشاهده شده اي همچون اطلاعات ژيوفيزيكي و ژيوشيميايي در اختيار ما قرار مي گيرد و ما اطلاعي درباره نحوه اختلاط آثار ژيوفيزيكي و ژيوشيميايي كاني زايي هاي مختلف نداريم. در اين مطالعه سعي برآن بوده است كه روش تجزيه مولفه هاي مستقل به عنوان يك روش دانش محور مدل سازي پتانسيل معدني معرفي شود. به اين منظور ناحيه اي به وسعت 4800 كيلومتر مربع در جنوب نيشابور، شمال شرق ايران، براي تهيه نقشه پتانسيل معدني ذخاير كروميت انبانه اي مورد بررسي قرار گرفت. هم چنين، براي انجام اين مطالعه از داده هاي ژيوشيمي رسوبات آبراهه اي، نقشه رخساره هاي افيوليتي، الگوي شكستگي هاي ناحيه اي و محدوده آلتراسيون هاي سرپانتيني موجود در منطقه، استفاده شد. نهايتا نتايج مدل سازي پتانسيل معدني به روش تجزيه مولفه هاي مستقل با نتايج مطالعات ژيوشيميايي تك متغيره و چند متغيره مقايسه و به روش تشخيص عملكرد نسبي (ROC) و با استفاده از موقعيت انديس هاي شناخته شده موجود در منطقه، اعتبار سنجي شد. در اين بررسي مساحت زير نمودار ROC ، برابر با 0/967 بود كه نشان دهنده عملكرد بسيار مطلوب مدل سازي انجام شده مي باشد.

Independent component analysis (ICA) is a relatively new multivariable statistical method originally devised for the blind source separation (BSS) problem, where there is no information on how to mix primary sources (mixed signals) and only the necessary condition is independence of the primary signals. Hence, ICA can be used in mineral potential modeling where several independent mineralization processes result in observed variables such as geophysical and geochemical information, and we do not know how the geophysical and geochemical effects of different mineralization processes are mixed together. In this study, we tried to introduce the ICA method as a knowledge-driven method of mineral potential modeling. To this end, an area of 4800 square kilometers in south of Neyshabur, northeast of Iran, was investigated to map the mineral potential of podiform chromite deposits. In this regard, geochemical stream sediment sampling data, ophiolitic facies map, structural pattern of fractures and serpentinite alteration location in the region were used for this study. Finally, the results of mineral potential modeling by the ICA method were compared with the results of univariate and multivariate geochemical studies and were also validated by using locations of the known mineral prospects in the region and receiver operating characteristic (ROC) method. As a result, the area under the ROC curve was marked by 0.967, indicating the outstanding performance of the ICA modeling.