تهيه نقشه پتانسيل معدني براي كانسارهاي مس با استفاده از مدل تركيبي نروفازي: مطالعه موردي برگه 100000/1 چهارگنبد در استان كرمان

Mineral Potential Mapping for Cu Deposit Exploration Using Neuro-Fuzzy Modeling: Case Study of Chahar-Gonbad Area 1:100000 Sheet

وجود ذخاير متعدد مس در ايران و اهميت اكتشاف آنها، تهيه دقيق نقشه پتانسيل معدني را به عنوان يك نياز اساسي به‌وجود آورده است. فرايند تهيه نقشه پتانسيل معدني يك فرايند پيچيده است كه با استفاده از روش هاي مختلف قابل انجام است. يكي از روش هاي قدرتمند در تهيه نقشه پتانسيل معدني استفاده از روش مدل تركيبي نروفازي است كه در آن تلفيقي از اطلاعات تجربي و استنباطي به طور همزمان مورد استفاده قرار مي گيرد كه اين مسيله سبب افزايش سطح اعتماد اين روش مي شود. در اين مطالعه از روش نروفازي براي تهيه نقشه پتانسيل معدني در برگه 100000/1 چهارگنبد در استان كرمان استفاده شد. لايه هاي اطلاعاتي شامل نقشه هاي فاكتور زمين شناسي، ژيوشيمي، ژيوفيزيك، ساختارهاي خطي، دگرساني و 22 انديس معدني بودند. پس از تهيه اين لايه ها در محيط نرم افزار GIS با اندازه سلول 100 متر، اطلاعات حاصل از آنها براي آموزش شبكه آماده سازي شد. ابتدا بايد شبكه با استفاده از انديس هاي معدني آموزش داده شود، با اين حال يكي از مشكلات استفاده از اين روش تعداد كم داده هاي آموزشي بود. براي حل اين مشكل به هر يك از انديس ها بيش از يك سلول نسبت داده شد، اين كار با تعيين فواصل 100 تا 1000 متر براي انديس هاي معدني، انجام شد. سپس شبكه با استفاده از سري هاي متفاوت داده ها آموزش داده شد و در نهايت اقدام به تهيه نقشه پتانسيل معدني شد. نتايج حاصل نشان داد كه بهترين جواب براي شعاع تاثيرهاي 500 متر براي انديس هاي معدني به‌دست مي آيد كه در آن 80% از انديس ها در محدوده با پتانسيل بالا قرار مي گيرند.

Considering the existence of many copper deposits in Iran and the importance of their exploration, mineral potential mapping with high accuracy is an important tool. The process of mineral potential mapping is a cumbersome process which can be performed using different methods. The Hybrid Neuro-Fuzzy approach is one of the powerful ones for mineral potential mapping in which both conceptual and empirical components of earth science information are employed, so using both components simultaneously increase the confidence interval. In this paper we were used Adaptive Neuro-Fuzzy Inference System (ANFIS) for mineral potential mapping in Chahar-Gonbad area 1:100000 sheet, Kerman province. The database consists of geology, geochemistry, airborne radiometric, regional faults, ETM+ data, and 22 deposit and occurrence locations. At first, the factor maps were provided in GIS environment in which each cell in the grid data represents a 100 m square on the ground, and then the outputs of this layer were used for training the network. As this technique requires some data for training the network, the occurrence locations were used for training and checking points. Since, the training points were not enough for this procedure, we assigned buffer from 100 to 1000 m for occurrence locations. The results showed that when the buffer is 500 m, the best classification which ANFIS identify about 80% of the known deposits and occurrence locations in high favorability zones.