مقایسه روش‌های زمین‌آماری و هوش مصنوعی جهت مدل‌سازی سه‌بعدی کانی‌زایی طلای اپی‌ترمال منطقه زایلیک شمال غرب ایران

Abstract

هدف از این پژوهش، مقایسه و ارزیابی مدل‌سازی‌های مختلف، جهت تشخیص بهتر الگوهای ژئوشیمیایی توزیع Au و تفکیک دقیق‌تر زون‌های کانی‌سازی طلای رگه‌ای منطقه زایلیک در شمال غرب ایران است. در این منطقه، عیار Au در رگه 01S (یکی از 7 رگه محدوده اکتشافی) با استفاده از روش زمین‌آماری کریجینگ معمولی (OK) و همچنین روش‌های هوش مصنوعی مانند تلفیق شبکه عصبی مصنوعی (ANN) با الگوریتم‌های کرم شب‌تاب (FFA) و بهینه‌سازی ازدحام ذرات (PSO)، تخمین زده شد. داده‌های حاصل به بلوک‌ها و زیر بلوک‌های مربوطه در نرم‌افزار دیتاماین وارد گردیده و مدل‌سازی‌های سه‌بعدی به‌دست‌آمده با یکدیگر مقایسه شدند. مدل‌سازی‌ در روش‌های هوش مصنوعی، با استفاده از کد نویسی در نرم‌افزار متلب و ارتباط دادن آن با نرم‌افزار دیتاماین در چهار گام مجزا انجام شد که در این روش‌ها، با کمک FFA و PSO، پارامترهای روش ANN مانند بایاس و وزن‌ها به‌روزرسانی و بهینه گردید تا نتایج بهتری نسبت به روش ANN به دست آید. جهت اطمینان از دقت مدل‌سازی‌ها، از پارامترهای آماری ضریب تعیین (R2) و تابع خطا جذر میانگین مربعات خطا (RMSE) استفاده شد. نتایج نشان می‌دهد، روش تلفیقی الگوریتم کرم شب‌تاب (ANN-FFA)، با توجه ‌به حداقل بودن تابع خطا (134/0RMSE= ) و حداکثر بودن ضریب تعیین (66/0R2=)، دارای بیشترین دقت است. همچنین جهت اطمینان از صحت مدل‌سازی‌ها در روش‌های تلفیقی، مقایسه‌ای با روش مرسوم زمین‌آماری OK انجام شد و صحت آن نیز مورد تأیید قرار گرفت. در تمامی مدل‌سازی‌های انجام‌گرفته، محل مقادیر تخمین زده شده انطباق مناسبی با لیتولوژی و دگرسانی‌های مرتبط با کانی‌سازی Au در این منطقه داشت.

Keywords

• کریجینگ
• شبکه عصبی مصنوعی
• الگوریتم کرم شب‌تاب
• بهینه‌سازی ازدحام ذرات
• کانی‌زایی طلا زایلیک