پتانسيل‌يابي مواد معدني با استفاده از پردازش‌هاي آماري داده‌هاي ژئوشيمي اكتشافي (مطالعه موردي: برگه 1:100000 سربيشه)

Statistical processing of geochemical data for determining hopeful area(Case study: 1:100000 Sarbisheh Sheet)

مهمترین مسئله پیش روی مهندسین اكتشاف بعد از اطمینان از صحت و دقت نتایج آنالیز، پردازش داده‌های اكتشافی می‌باشد. زیرا اگر این فرایند با دقت و درست انجام نشود، انتخاب مقدماتی مناطق امید بخش نیز با تردید بالایی انجام شده و ریسك سرمایه‌گذاری را افزایش می‌دهد. در این پژوهش تلاش شد تا با تعبیر و تفسیر نتایج آنالیز حاصل از نمونه‌برداری سیستماتیك از رسوبات آبراهه‌ای از سطح برگه 1:100000 سربیشه، یك الگوی اكتشافی مورد قبول به دست آید. 810 نمونه برداشت شده از این برگه برای 43 عنصر به روش ICP-MS آنالیز شدند.  ابتدا عملیات بدست آوردن شاخص غنی‌شدگی و حذف اثر سنگ‌شناسی با توجه به سنگ‌های بالادست هر نمونه بر روی داده‌ها صورت گرفت. بعد از حذف مقادیر سنسورد و خارج از ردیف، توسط تكنیك‌ چند متغیره آماری تحلیل عاملی، 43 عنصر به 11 گروه عاملی تقسیم شده و مناطق ناهنجار شاخص غنی شدگی ژئوشیمیایی برای عناصر مختلف تعیین و مورد تجزیه و تحلیل قرار گرفت. پردازش داده‌ها همراه با تلفیق اطلاعات زمین‌شناسی منطقه، منجر به كشف حداقل 5 منطقه امیدبخش شد كه 20 عنصر، آنومالی قابل توجهی در این زون‌ها نشان دادند. در نهایت با بررسی اهمیت ناهنجاری‌ها، مستعدترین مناطق جهت اكتشافات نیمه تفصیلی ژئوشیمیایی پیشنهاد شد. 

The most important problem that faced exploration engineers after assurance of validity and occurrence is exploration data processing. If this process does not imply correctly, choosing the hopeful region are done in doubt and investment risk increases. In this research with prior to the exploration targets, there has been an effort to obtain an acceptable exploration patterns from 1:100,000 Sarbisheh Sheet prior to the analytical results that has obtained from the sampling of the stream sediments. The 810 systematic samples have been collected from the area of the geochemical anomalies to analyses 43 selected elements with the help of ICP-MS instrument. After eliminating censored, outlier data and related to upper rock of each sample, eliminating of lithological effect and obtaining of enrichment data had done. After these processes, by using multivariate statistical methods named factor analysis 43 elements were classified in 11 groups. Using geological map, this research work has been motivated to nearly five promising area with the anomaly of 20 considerable elements in the 1:100,000 Sarbisheh Sheet. Eventually with respect to the significance of the anomalies, the most important regions of the investigated area were strongly suggested for the geochemistry of the semi-detailed exploration of the 1:100,000 Sarbisheh Sheet.