مقايسه كارايي روش‌هاي جنگل تصادفي و ماشين بردار پشتيبان، به منظور پتانسيل يابي ذخاير معدني مس؛ مطالعه موردي دهج - بزمان

بـا توجـه بـه وسـعت زيـاد كشـور ايران و گسـتردگي منـاطق پتانسـيل‌دار ذخـاير معـدني (وجـود كمربنـد ولكـانيكي اروميـه ـ دختـر) و لـزوم شناسـايي و مـديريت صـحيح ايـن ذخـاير، اسـتفاده از سيستم اطلاعـات مكاني به همراه مدل‌هاي پيش‌بيني كننده داده و دانش محور، نقش بسـيار مهمي به منظور تهيه نقشه پتانسيل از احتمال يافتن ذخاير معدني در يك مكان خاص دارد. هدف اين تحقيق پيش‌بيني ذخاير مس پورفيري در منطقه دهج - بزمان استان كرمان با استفاده از دو روش‌ جنگل‌ها‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ي تصادفي[1] و ماشين بردار پشتيبان[2] است. به اين منظور، از يك پايگاه داده مكاني متشكل از نقشه‌ها‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ي جنس واحدهاي سنگي، ساختارها، آلتراسيون، ژئوشيمي، ژئوفيريك و موقعيت 24 كانسار مس پورفيري شناخته‌شده در منطقه استفاده شد. با توجه به نتايج حاصل شده، مدل جنگل‌ها‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ي تصادفي توانست با صحت 93.33 درصد مناطق اميد‌بخش ذخاير مس پورفيري را پيش‌بيني كند. همچنين، در نقشه پتانسيل بدست آمده از اين مدل، مناطق هدف 14 درصد از منطقه مورد مطالعه را در برگرفته است، كه در آن 92 درصد ذخاير شناخته شده مشخص شده‌اند. علاوه بر اين، به منظور مقايسه نقشه پتانسيل ذخاير مس پورفيري منتج از روش جنگل‌هاي تصادفي، از روش‌ ماشين بردار پشتيبان و روش‌هاي دانش محور همپوشاني شاخص و منطق فازي استفاده شد. در نقشه‌هاي پتانسيل ذخاير مس پورفيري بدست آمده از سه روش ماشين بردار پشتيبان، همپوشاني شاخص و منطق فازي به ترتيب مناطق هدف 17،16،14 درصد از منطقه مورد مطالعه را در برگرفته است كه در آن‌ها 79،83،87 درصد ذخاير شناخته شده وجود دارند. براساس نتايج اين تحقيق، مدل جنگل‌ها‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ي تصادفي از نظر صحت پيش بيني از كارايي بالاتري نسبت به مدل‌هاي ديگر برخوردار بوده و مدل‌هاي ماشين بردار پشتيبان، همپوشاني شاخص و منطق فازي به ترتيب در رتبه‌هاي بعدي قرار دارند. [1] Random Forest (RF)[2]  Support Vector Machine (SVM)