Skip to main content
SUPERVISOR
Hasan Tabatabaei,Nader Fathianpour,Hooshang Asadiharooni
سيد حسن طباطبائي (استاد راهنما) نادر فتحيان پور (استاد مشاور) هوشنگ اسدي هاروني (استاد راهنما)
 
STUDENT
Mohammad hadi Aminahmadi
محمدهادي امين احمدي

FACULTY - DEPARTMENT

دانشکده معدن
DEGREE
Master of Science (MSc)
YEAR
1386

TITLE

Potential mapping of copper mineralization in Kerman metalogenic belt using integrated analysis of exploration data in a GIS environment
Due to presence of inherent uncertainties in geosciences data caused by various unknown and even known geological phenomenon, applying simple Boolean logics to infer from such data would eventually lead to significant estimation errors. One way out of this difficulty is to employ knowledge based methods such as Fuzzy logic inference models which handles such uncertainties through considering gradual nature of properties of qualitative parameters under investigation. Fuzzy logic models are considered as knowledge based techniques and when they exploit the advantages of data driven techniques such as neural network form a very powerful justify; LINE-HEIGHT: normal; MARGIN: 0cm 0cm 0pt; unicode-bidi: embed; DIRECTION: ltr" Kerman metalogenic belt, makes south part of Orumiye-Dokhtar metalogeny province and is known as the richest copper containing belt of Iran . More than 200 deposites and mineral indexes are known in this belt which most of them are porphyries. The geology, remote sensing and airborn geophysics of the area has been studied. In geology studies , layers separating have been done. In remote sensing studies, frequency of Iron oxides and hydroxide ions beside lineations have been studied. In term of geophysics, reduce to pole correction has been done on airborn magnetic data, being achieved analytical signal. The results were 6 data layers. After that, gathering information has been done by fuzzy method and neural network. In all methods, 100 training points has been used and then modeling has been done. the results showed that 88.9% of known deposits and mineral indexes in area with suitable potential are known by neural network and 80.2% of deposits and mineral indexes are known by fuzzy method. In additional both of them are similar by comparing various methods can be concluded that neural network because of its compatibility with geological structures are more coincided with truth and are more useful potential mapping in GIS.
کمربند فلززايي کرمان، بخش جنوبي ايالت فلززايي اروميه- دختر را تشکيل مي دهد و غني ترين کمربند مس دار ايران به شمار مي آيد. در اين کمربند بيش از 200 کانسار و نشانه معدني مس شناخته شده است که بسياري از آنها از نوع پورفيري است. اين منطقه از نظر زمين شناسي، دورسنجي و ژئوفيزيک هوابردي با هدف پتانسيل کانسارهاي مس پورفيري مورد بررسي قرارگرفته است. در بخش زمين شناسي جدا سازي لايه هاي سنگي از روي نقشه زمين شناسي صورت گرفته است. در بخش دورسنجي لايه هاي فراواني يون هيدروکسيد و اکسيد آهن استخراج شدند و همچنين خطواره ها شناسايي شد. در مبحث ژئوفيزيک، داده هاي مغناطيس هوابردي تصحيح انتقال به قطب صورت گرفته و سپس سيگنال تحليلي از آن استخراج شده است . نتيجه ي اين بررسي ها تهيه 6 لايه اطلاعاتي مي باشد. سپس تلفيق اطلاعات به وسيله روش فازي و شبکه عصبي انجام شد. در همه ي اين روش ها از 100 نقطه آموزشي استفاده شده و پس از آن مدلسازي صورت گرفته است. حاصل کار قرار گرفتن 9/88% کانسارها و نشانه هاي معدني شناخته شده، در منطقه با پتانسيل مطلوب از روش شبکه عصبي و 2/80% کانسارها و نشانه هاي معدني شناخته شده، در منطقه با پتانسيل مطلوب با استفاده از روش فازي مي باشد. به طور کلي اين روش ها در منطقه شباهت زيادي با يکديگر داشتند از مقايسه روش هاي مختلف مي توان نتيجه گرفت که مدل شبکه عصبي به دليل سازگاري با ساختار زمين شناسي، با واقعيت تطبيق بيشتري داشته و روش بهتري در پتانسيل يابي در محيط GIS مي باشد.

ارتقاء امنیت وب با وف بومی