نقشه پتانسیل مس پورفیری

ب ا توج ه ب ه وس عت زی اد کش ور ایران و گس تردگی من اطق پتانس یل دار ذخ ایر مع دنی (وج ود کمربن د ولک انیکی ارومی ه دخت ر) و ل زوم شناس ایی و م دیریت ص حیح ای ن ذخ ایر، اس تفاده از سیستم اطلاع ات مکانی به همراه مدل های پیش بینی کننده داده و دانش محور، نقش بس یار مهمی به منظور تهیه نقشه پتانسیل از احتمال یافتن ذخایر معدنی در یک مکان خاص دارد. هدف این تحقیق پیش بینی ذخایر مس پورفیری در منطقه دهج - بزمان استان کرمان با استفاده از دو روش جنگل ها ی تصادفی[1] و ماشین بردار پشتیبان[2] است. به این منظور، از یک پایگاه داده مکانی متشکل از نقشه ها ی جنس واحدهای سنگی، ساختارها، آلتراسیون، ژئوشیمی، ژئوفیریک و موقعیت 24 کانسار مس پورفیری شناخته شده در منطقه استفاده شد. با توجه به نتایج حاصل شده، مدل جنگل ها ی تصادفی توانست با صحت 93.33 درصد مناطق امید بخش ذخایر مس پورفیری را پیش بینی کند. همچنین، در نقشه پتانسیل بدست آمده از این مدل، مناطق هدف 14 درصد از منطقه مورد مطالعه را در برگرفته است، که در آن 92 درصد ذخایر شناخته شده مشخص شده اند. علاوه بر این، به منظور مقایسه نقشه پتانسیل ذخایر مس پورفیری منتج از روش جنگل های تصادفی، از روش ماشین بردار پشتیبان و روش های دانش محور همپوشانی شاخص و منطق فازی استفاده شد. در نقشه های پتانسیل ذخایر مس پورفیری بدست آمده از سه روش ماشین بردار پشتیبان، همپوشانی شاخص و منطق فازی به ترتیب مناطق هدف 17،16،14 درصد از منطقه مورد مطالعه را در برگرفته است که در آن ها 79،83،87 درصد ذخایر شناخته شده وجود دارند. براساس نتایج این تحقیق، مدل جنگل ها ی تصادفی از نظر صحت پیش بینی از کارایی بالاتری نسبت به مدل های دیگر برخوردار بوده و مدل های ماشین بردار پشتیبان، همپوشانی شاخص و منطق فازی به ترتیب در رتبه های بعدی قرار دارند. [1] Random Forest (RF)[2]  Support Vector Machine (SVM)