استفاده از روش هاي SVD و SDD در تشخيص الگوهاي ژئوشيميايي مطالعه موردي انديس مس ده سلم

Application of SVD and SDD Techniques in Geochemical Pattern Recognition, Case Study: Dehsalm Copper Index

روش هاي SVD و SDD از جمله روش هاي تجزيه ماتريسي در زمينه ي داده كاوي مي باشند. از اين دو روش در طبقه بندي، خوشه بندي و تشخيص الگوهاي انبوه داده ها در زمينه هاي مختلف مهندسي استفاده ميشود. هدف از اين مطالعه تشخيص الگوهاي ژئوشيميايي و خوشه ندي در داده هاي حاصل از آناليز خاك انديس مس-موليبدن پرفيري ده سلم با استفاده از روش تلفيقي SVD - SDD مي باشد. نتايج حاصل از خوشه بندي دوگانه در اين منطقه، نمايانگر 3 خوشه ي اصلي و 9 زير خوشه براي نمونه ها و همچنين 3 خوشه ي اصلي و 7 زيرخوشه براي عناصر آناليز شده است. تفسير خوشه بندي هاي بدست آمده با استفاده از نمودارهاي جعبه اي به تفكيك هر يك از خوشه ها انجام پذيرفته است. قرارگيري عناصر ردياب و شاخص (Zn ،Pb ،Au ،Mo ،Cu) در يك خوشه ي اصلي، همراهي منطقي آنها در زيرخوشه هاي حاصل از نتايج روش SVD - SDD و مقايسه با مناطق آنومالي اين عناصر (حاصل از مطالعات پيشين) نتايج اميدواركنندهاي در كارايي و تشخيص الگوي ژئوشيميايي منطقه ارائه داده است.

Singular Value Decomposition (SVD) and Semi-Discrete Decomposition (SDD) techniques are two robust methods in data mining context. These methods include classification, clustering and finding local patterns in science and engineering fields. This study aimed to detect geochemical patterns and cluster the analyzed data derived from soil samples, using joint SVD-SDD method in Dehsalm Cu-Mo Porphyry index, Iran. Biclustering the data resulted in three main clusters and nine subclusters for objects (samples) as well as three main clusters and seven subclusters for attributes (elements). Boxplots were adopted to interpret the clusters considering multiple indicators for each of them. Companion of indicator and pathfinder elements (Cu, Mo, Au, Pb, Zn) in an individual cluster, logical association of these elements in subclusters resulting from SVD-SDD method, and comparing the results with literature have given promising outcomes about efficiency of this technique in geochemical pattern recognition.