شماره ركورد :
805781
عنوان مقاله :
مدل‌سازي تعيين نقاط بهينه حفاري با بهره‌گيري از تصوير ماهواره‌اي Hyperion و شبكه‌هاي عصبي
عنوان فرعي :
Determining the Optimum Position of Boreholes, Using Hyperion Image and Neural Networks Method
پديد آورندگان :
مهرمنش، امين نويسنده , , ولدان زوج، محمدجواد نويسنده , , صاحبي، محمودرضا نويسنده دانشكده مهندسي نقشه‌برداري - دانشگاه صنعتي خواجه نصيرالدين طوسي M. R. Sahebi, , فروتن، متين نويسنده كارشناس ارشد سيستم‌هاي اطلاعات مكاني، دانشگاه صنعتي خواجه نصيرالدين طوسي Forutan, Matin , سلطاني، ماهيار نويسنده پژوهشگر مركز فناوري اطلاعات و ارتباطات پيشرفته، دانشگاه صنعتي شريف Soltani, Mahyar
اطلاعات موجودي :
دوفصلنامه سال 1392 شماره 1
رتبه نشريه :
علمي پژوهشي
تعداد صفحه :
18
از صفحه :
1
تا صفحه :
18
كليدواژه :
مس پورفيري , شبكه عصبي , آلتراسيون , تصوير فراطيفي , سنجنده Hyperion
چكيده فارسي :
از اهداف اساسي و اوليه در مطالعات تفصيلي اكتشاف منابع معدني، تفكيك آلتراسيون‌هاي معدني به‌منظور مدل‌سازي شكل و موقعيت توده‌هاي معدني و تهيه نقشه نقاط بهينه حفاري است. نخستين هدف اين مقاله تفكيك آلتراسيون‌هاي معدني در تصوير ماهواره‌اي فراطيفي Hyperion با استفاده از دو روش SAM و نسبت باندي است. در ادامه با استفاده از شبكه‌هاي عصبي پرسپترون چندلايه و تابع شعاع‌مبنا، به منظور تلفيق لايه‌هاي موثر بر كاني‌سازي مس پورفيري و لايه آتراسيون حاصل از طبقه‌بندي تصوير، هدف دوم كه همان مدل‌سازي نقاط بهينه حفاري است، حاصل مي‌گردد. نتايج طبقه‌بندي تصوير فراطيفي با استفاده از روش‌هاي مذكور، نشان مي‌دهد كه روش نسبت باندي كه قبل از به‌كارگيري آن از تبديل MNF استفاده شده است، داراي دقتي بالا و در حدود 2/94 درصد (دقت كلي به‌دست آمده از ماتريس خطا) است. نتايج بهره‌گيري از شبكه‌هاي عصبي در مدل‌سازي تعيين نقاط بهينه حفاري نيز نشان مي‌دهد كه بهترين ساختار شبكه‌هاي عصبي، شبكه عصبي MLP است و ميزان انطباق گمانه‌ها با نقشه تهيه شده به‌وسيله اين شبكه عصبي 54 درصد است.
چكيده لاتين :
Among detailed mineral exploration studies, the alteration mapping has been proved to be the fundamental objective for identifying the deposits formation. This paper aims determining alteration zones in Hyperspectral images with the assist of SAM & Band Ratio methods at first. The second interest is integrating the output of determined alteration zones by other mineralization factors using different Neural Networks namely Multilayer pecreptrons, Radial Basis Function & Generalized Neural Network and using cross correlation method. This integration is performed for determining the position of boreholes of porphyry copper exploration in Nowchoun region. In the case of Hyperspectral classification, the best result have been achieved by the band ratio method, i.e. about 94.2 percent. Eventually, the degree of correlation between maps that produced by neural networks and operated exploration boreholes have been estimated. Comparison between the high potential points indicated by our maps with those previous drilled boreholes reveals that MLP network has the highest correlation. This correlation is about 54% in Nowchoun region.
سال انتشار :
1392
عنوان نشريه :
مهندسي فناوري اطلاعات مكاني
عنوان نشريه :
مهندسي فناوري اطلاعات مكاني
اطلاعات موجودي :
دوفصلنامه با شماره پیاپی 1 سال 1392
كلمات كليدي :
#تست#آزمون###امتحان
لينک به اين مدرک :
بازگشت