بخشی از مقاله
چکیده
در پژوهش حاضر از روش ماشین بردار پشتیبان - SVM - برای طبقهبندی توده کانسار ارهگیجه رباط خمین بهعنوان یکی از کانسارهای فلزی کوچک مقیاس باارزش کشور، استفاده شد. برای این منظور از 548 نقطه داده چندمتغیره دردسترس شامل 337 داده ژئوفیزیکی Ip و Rs، 211 داده نوع سنگ و عیارسنجی مجموع سرب و روی نمونههای سطحی ترانشهها و چاهک ها، سه متغیر Ip، Rs و نوعسنگ بهعنوان متغیرهای پیشبین و متغیر عیار مجموع سرب و روی، بهعنوان متغیر هدف انتخاب شد.
سپس با طراحی و آموزش یک مدل SVM طبقهبندی توده کانسار براساس سه عیار حد مجموع سرب و روی 1/5، 2 و 3 درصد، به دو طبقه زون پرعیار یا بیهنجاری - بالاتر از عیار حد - و زون کمعیار یا زمینه - پایینتر از عیار حد - صورت گرفت. ترسیم نقشههای نهایی توده کانسار طبقهبندی شده با نمایش موقعیت واقعی نقاط داده و مقایسه آنها با نقشه زمینشناسی منطقه، نشان میدهند که نتایج پژوهش با توجه به نوع دادههای مورد استفاده، قابل قبول میباشند.
-1 مقدمه
امروزه مسائل مرتب با اکتشاف مواد معدنی نیازمند استفاده همه-جانبه از سایر علوم بهویژه علوم جدید، روشها و تکنیکهای سریع، دقیق و هوشمند میباشند
ماشین بردار پشتیبان1 - SVM - ازجمله روشهای هوشمند شناخت الگوست که برای حل مسائلی که از نظر محاسباتی، حل آنها دشوار بوده و یا الگوریتم شناخته شدهای برای حل دقیق آنها وجود ندارد، مورد استفاده قرار میگیرد. ماشین-های بردار پشتیبان جزء روشهای آموزش نظارتشده میباشند که برای حل مسائل طبقهبندی، رگرسیون و رتبهبندی مورد استفاده قرار میگیرند
از مدل طبقهبندی ماشین بردار پشتیبان جهت حل مسائل طبقهبندی دادهها و از مدل رگرسیون در حل مسائل پیش-بینی استفاده میشود. در پژوهش حاضر روش هوشمند SVM جهت طبقهبندی توده کانسار و بهعبارت دیگر جداسازی مادهمعدنی از باطله در منطقه ارهگیجه رباط خمین، مورد استفاده قرار گرفته است.
-2 معرفی منطقه مورد مطالعه
کانسار رباط در 32 کیلومتری غرب و شمال غرب شهرستان خمین، 10 کیلومتری شمال غرب شهر قورچی باشی و 2 کیلومتری شمال روستای رباط بالا قرار دارد. محدوده مورد مطالعه به صورت چندضلعی نامنظمی است که سه کوه به نامهای اره گیجه، تختحسین و برآفتاب را در بر گرفته است
راههای دسترسی به منطقه به دو صورت، یکی از طریق شهرستان اراک به طرف سه راه شازند و سپس گذر از روستاهای قدمگاه، موچان، الیمآباد، خرمآباد و در نهایت رباط پایین میباشد و دیگری از شهرستان خمین به سمت قورچی-باشی و سپس انحراف به سمت راست، با طی مسافتی در حدود 12 کیلومتر است. محدوده مورد مطالعه از نظر ساختاری در پهنه دگرگونی سنندج-سیرجان قرار داشته و از پوشش کربناته- آواری کرتاسه روی مجموعه دگرگونی قدیمی تشکیل شده است. ناحیه مورد مطالعه از نظر کانهزایی بهویژه حضور کانههای سرب و روی، بخشی از نوار کانهزایی ملایر-اصفهان بهشمار میآید.
براساس مطالعات مرحله شناسایی اولیه و پیجویی در منطقه مورد مطالعه، محدوده کوه های ارهگیجه، تختحسین و برآفتاب بهعنوان محدودههای مناسب برای اکتشاف مرحله تفصیلی انتخاب شدند. بهدلیل اهمیت کمتر مناطق تختحسین و برآفتاب در مقایسه با منطقه اره گیجه، فعالیتهای اکتشافی، عمدتاً در منطقه اره گیجه انجام شده و بنابراین تمرکز عمده پژوهش حاضر نیز بر روی منطقه اره گیجه می-باشد.
-3 روششناسی پژوهش
-1-3 مبانی نظری ماشین بردار پشتیبان
روش SVM ازجمله روشهای طبقهبندی مبتنی بر آمار کلاسیک است که قادر است در فضاهای با ابعاد بالا و بر روی دادههای پراکنده به خوبی عمل کند. روشهای 690 مبتنی بر نظریه یادگیری آماری هستند که از اصل کمینه کردن ریسک ساختاری - SRM - 1 و نظریه کران - 9& - 2 استفاده میکنند. یکی از اهداف مهم هر روش مبتنی بر یادگیری آماری، توان تعمیمپذیری آن است که SVM ها از توانایی تعمیم بالایی برخوردارند
نحوه عملکرد SVMها بدین صورت است که طبقهبندیکنندهای میسازند که بیشترین حاشیه را بین دو مجموعه داده ایجاد کند. برای تحقق این هدف، مسئله یادگیری به یک مسئله بهینهسازی غیرخطی مقید تبدیل میشود. در روش SVM بردارهای ورودی به یک فضای چندبعدی نگاشت میشوند. پس از آن ابرصفحهای ساخته میشود که مطابق شکل 1 با بیشترین فاصله ممکن، بردارهای ورودی را از هم جدا میکند و آن را ابرصفحه با بیشینه مرز جداکننده مینامند
شکل :1 طبقهبندی دو سری داده توس ماشین بردار پشتیبان
-2-3 آمادهسازی و پردازش دادهها
برای انجام یک طبقهبندی نظارت شده، دو دسته متغیر مورد نیاز بوده که در آنالیز وارد میشوند؛ یک دسته متغیر هدف هستند که به-کمک آنها طبقههای مورد نظر تعریف میشوند و دسته دیگر، متغیرهای پیشبین میباشند که بهکمک آنها مدل بهدست آمده از آنالیزهای چندمتغیره به پیشبینی عضویت این دادهها در یکی از طبقههای تعریف شده توس متغیر هدف میپردازد.
در این راستا 548 داده اطلاعاتی سطحی موجود در منطقه ارهگیجه شامل چهارمتغیر داده های ژئوفیزیکی Ip و Rs، نوعسنگ و عیارسنجی مجموع سرب و روی حاصل از برداشت نمونه های سطحی ترانشهها، برای انجام آنالیز و طبقهبندی نظارت شده به-کار گرفته شد. سه متغیر Ip، Rs و نوعسنگ بهعنوان متغیرهای پیشبین و متغیر عیار مجموع سرب و روی، بهعنوان متغیر هدف میباشد.
