پاورپوینت رویکردهایی که بر عدم قطعیت در زمین شناسی غلبه میکنند

بخشی از پاورپوینت

اسلاید 3 :

رویکردهایی که بر عدم قطعیت در زمین شناسی غلبه میکنند

مقدمه
1- fuzzy sets 6- weights of evidence (WofE)
2- probability bounds 7- fuzzy weights of evidence
3- artificial neural networks 8- logistic regression
4- hybrid arithmetic 9- fuzzy logic
5- fuzzy geostatistical 10- evidential belief functions (EBF)
هر روش مدل سازی دارای مزایا و معایبی است و ممکن است یک یا روش دیگر برای یک محیط خاص زمین شناسی و سناریوی اکتشاف منطقه ای مناسب تر باشد.

اسلاید 4 :

شبکه های عصبی مصنوعی در رابطه با مجموعه های فازی قادر به ذخیره دانش تجربی و آماده سازی آن برای استفاده هستند. یک شبکه عصبی مصنوعی که به خوبی آموزش دیده باشد می تواند مانند یک متخصص عمل کند.
عملکرد بهتر ممکن است توسط شبکه هایی مبتنی بر یک سیستم فازی عصبی باشد تا از طریق استفاده از سیستمی که کاملاً عصبی یا کاملاً فازی باشد. هدفاین مقاله ارائه یک تکنیک جدید برای تمایز بین کانی سازی پنهان و کانی سازی پراکنده است که مدت طولانی است که به عنوان یک چالش بزرگ در ژئوشیمی اکتشاف بیان شده است.
الگوریتم ژنتیک بر اساس ترکیب الگوریتم بازگشتی(back-propagation algorithm) در این مقاله استفاده شده است. روش شبکه عصبی فازی مبتنی بر الگوریتم ژنتیک در بسیاری از زمینه های تحقیق با موفقیت مورد استفاده قرار گرفته است اما دو مشکل از آن باید بر طرف گردد:
1- نحوه تهیه داده های آموزش
2- نحوه ارائه نتایج به صورت مکانی

مقدمه

اسلاید 5 :

مهمترین عوامل برای شناسایی ناهنجاریهای ژئوشیمیایی را می توان به سه دسته طبقه بندی کرد:
1- چشم انداز ژئوشیمیایی
2-زونالیته ژئوشیمیایی
3- ترکیبات کانی شناسی و ژئوشیمیایی آنومالی ها
انتخاب ساختار مدل GAFNN و کاهش داده ها

اسلاید 6 :

موانع ژئوشیمیایی و سیستم های ژئوشیمیایی در مفهوم چشم انداز ژئوشیمیایی ترکیب شده اند. به منطقه اپی ژنتیکی اشاره دارند که شرایط مهاجرت ابتدایی به طور مشخص تغییر کرده و در نتیجه انباش قابل توجهی از عناصر به وجود آمده است که به ویژگی های ژئوشیمیایی آن ها بستگی دارد.
چشم انداز ژئوشیمیایی
ملاک تشخیص چنین منظر ژئوشیمیایی می تواند ویژگی های یکدست محیطی ، مورفولوژیکی و زمین شناسی به همراه انواع مشخصی از پوشش گیاهی و خاک در نتیجه تعامل بین حوزه های سنگی ، آبی ، جوی ، جوی و بیولوژیکی باشد.
چشم انداز ژئوشیمیایی ژئوشیمیایی یا سیستم های ژئوشیمیایی عمدتا از نظر مکانیکی ، فیزیولوژیکی ، بیولوژیکی و انسانی هستند.
بنابراین ، لازم است عناصر را از نظر روابط بین بهره وری طبقه بندی کنیم. کانی سازی اولیه (Mm ، m٪) و هاله پراکندگی لیتوشیمیایی ثانویه آن (M، m٪ ) در زمینه ژئوشیمیایی به شرح زیر:
ضریب K با تجربه عملی بدست آمده در یک منطقه معدنی خاص برای هر یک از فلزات سنگین اصلی تعیین می شود. مقادیر آن منعکس کننده تمام شرایط محلی چشم انداز و ژئوشیمی و همچنین خصوصیات فیزیکوشیمیایی گونه های معدنی است. وقتی k<=1 باشد ضریب بهره وری محلی است.

اسلاید 7 :

فرمول های بدست آوردن تولید خطی، تولید سطحی، شاخص ضریب کانی سازی و. به وسیله فرمول های پاورپوینت قبلی بدست می آید. که شاخص ضریب کانی سازی عبارت است از:
چشم انداز ژئوشیمیایی
به صورت خلاصه اکتشاف ژئوشیمیایی مراحل زیر را دنبال می کند:

اسلاید 8 :

تحقیقات نشان می دهند به دلیل چشم انداز پیچیده ژئوشیمیایی در مناطق خشک، روش های آماری برای تشخیص ناهنجاری های ژئوشیمیایی رضایت بخش نیستند. از این رو، یک مدل با در نظر گرفتن تکنیک های ریاضی، روش های ژئوشیمیایی و مطالعات زمین شناسی برای جدا کردن آنومالی پنهان از پراکنده لازم است. در این حالت ، روش زونالیته ژئوشیمیایی پیشنهاد شده توسط گریگوریان در یک مدل اولیه عصبی فازی بر پایه الگوریتم ژنتیک اجرا شد.

بررسی های سنگ شناسی در دو منطقه متفاوت انجام شده است، یکی منطقه بیابانی خشک(منطقه مورد مطالعه، دهسلم)؛ و دیگری منطقه رطوبت کوهستانی در شمال غربی ایران(منطقه سونگون و آستامال).
در هر دو منطقه، آنومالی های ژئوشیمیایی، ویژگی ها و توزیع آنها در منطقه، همراه با توزیع عناصر انتخابی ذکر شده است. مناطق بیولوژیکی و مکانیکی با خصوصیات بسیار کوهستانی در منطقه سونگون قابل تشخیص است، در حالی که یک منطقه مکانیکی با وضعیت دشت گون در منطقه دهسلم غالب است.

چشم انداز ژئوشیمیایی

اسلاید 9 :

چشم انداز ژئومورفولوژیکی منطقه دهسلم(تصویر زمینه باند 7- سنجنده ETM+ است.)

اسلاید 10 :

یکی از اهداف اصلی ژئوشیمی اکتشافی، ارزیابی کمی از ناهنجاری های ژئوشیمیایی در قالب ذخایر پیش بینی شده از MGT مربوطه است. این ناهنجاری ها بیشتر برای رتبه بندی و تعیین اولویت برای اکتشافات دقیق تر و به حداقل رساندن هزینه های اکتشاف برای کشف ذخایر معدنی پنهان و غیر اقتصادی استفاده می شود.
مواد معدنی و نوع ژئوشیمیایی(MGT) آنومالی ها

این ارزیابی با مطالعه کانی شناسی و شیمی سنگ معدن و هاله اولیه در نهشته های در معرض و به خوبی کاوش شده و ناهنجاری های ژئوشیمیایی مرتبط با این کانسارها بررسی شده است. این تجزیه و تحلیل به فرد اجازه می دهد تا پهنه بندی درون ناهنجاری های ژئوشیمیایی که با رسوبات همراه نیستند را با هدف تعیین معیارهای تعیین عمق از سطح فرسایش و پیش بینی میزان عمودی کانی سازی پنهان را بررسی کند.

ضیائی و همکاران مدلی را برای جدا کردن انواع کانی شناسی و ژئوشیمیایی از یکدیگر بر اساس عناصر کمیاب در مواد معدنی مرتبط با کانی سازی طلا هیدروترمال ارائه دادند. این مدل از رویکرد بیزین به عنوان روشی مؤثر برای شناسایی احتمال انواع کانی شناسی و ژئوشیمیایی کانی استفاده می کند.

اسلاید 11 :

شاخص زون بندی عمودی
فرمول های بدست آوردن تولید خطی، تولید سطحی، شاخص ضریب کانی سازی و. به وسیله فرمول های پاورپوینت قبلی بدست می آید. که شاخص زونالیته عبارت است از:

اسلاید 12 :

شاخص زون بندی عمودی

اسلاید 13 :

روش کار

اسلاید 14 :

شبکه نرو فازی
شبکه های عصبی مصنوعی می توانند توانایی محاسباتی خود را در یادگیری یا پردازش اطلاعات در سیستم های فازی فراهم کنند، در حالی که سیستم های فازی می توانند توانایی خود را برای نمایش اطلاعات مبهم یا مبهم آموخته شده توسط شبکه های عصبی مصنوعی از داده ها فراهم کنند. بنابراین، ضعف سیستم های فازی با ظرفیت شبکه های عصبی مصنوعی جبران می شود و بالعکس. این تکنیک ها مکمل هستند که استفاده از آن ها را با هم توجیه می کند.

شبکه های عصبی مصنوعی و سیستم های فازی برای غلبه بر نقاط ضعف فردی می توانند در کنار هم جمع شوند. هر تکنیک توانایی حل یک یا چند جنبه از یک مشکل را دارد، اما به خودی خود نمی تواند یک راه حل کامل برای آن مسئله ارائه دهند.
به طور کلی، تمام تکنیک های مبتنی بر ترکیبی از شبکه های عصبی مصنوعی و منطق فازی را می توان سیستم های عصبی-فازی نامگذاری کرد. سه ترکیب اصلی شبکه های عصبی مصنوعی و منطق فازی عبارتند از: سیستم عصبی-فازی تعاونی، سیستم عصبی فازی همزمان و سیستم عصبی فازی ترکیبی. اکثر محققان در زمینه مدل سازی عصبی فازی از این اصطلاح استفاده می کنند تا به سیستم های عصبی فازی ترکیبی مراجعه کنند.

اسلاید 15 :

ساختار یک مدل عصبی فازی برای شناسایی آنومالی های ژئوشیمیایی
معماری شبکه عصبی و فازی پیشنهادی این شکل ساختار TNFN ، یک ساختار شبکه 5 لایه را نشان می دهد. عملکرد گره ها عبارتند از: لایه 1 (گره های ورودی) ، لایه 2 (گره های عملکرد عضویت) ، لایه 3 (گره های قانون) ، لایه 4 (گره های متعاقب قانون) و لایه 5 (گره های خروجی).

اسلاید 16 :

نتایج ، تفسیر ، اعتبار سنجی و قابلیت های کلی
برای اعتبارسنجی مدل حاضر و بررسی قابلیت تعمیم آن ، از پنج مجموعه مختلف چک (مجموعه های اعتبارسنجی) از کانسار پورفیری-مس، منطقه سونگون ، NW ایران استفاده شده است
مدل نهایی به دست آمده از شناسایی ناهنجاری های ژئوشیمیایی نه تنها کمترین خطا را در مجموعه آموزش داشت بلکه نتایج بسیار خوبی را برای مجموعه بررسی به همراه داشت. این نشان دهنده قابلیت تعمیم خوب از مدل عصبی-فازی مبتنی بر الگوریتم ژنتیک است.
چهار قانون فازی TSK به دست آمده برای مدل نهایی و توابع عضویت مربوطه را با استفاده از خوشه بندی داده ها و بهینه سازی با استفاده از روش بازگشتی از داده های ورودی استخراج می کند. نتایج با مطالعه ادبیات و تجزیه و تحلیل داده های انجام شده توسط ضیائی و همکاران مطابقت دارد.

اسلاید 17 :

نتایج ، تفسیر ، اعتبار سنجی و قابلیت های کلی

اسلاید 18 :

منطقه مورد مطالعه در دهسلم، شرق ایران واقع شده است. مساحتی در حدود 500 کیلومتر مربع دارد. تمام سنگ های معدنی که قبلاً کشف شده اند در زمینه سنگ معدن لوت، از نوع کانی سازی پورفیری مولیبدن- مس هستند و در مکان هایی واقع شده اند که مناطق گسل تقاطع از منطقه تماس قسمت جنوبی مجتمع گرانیتوئیدی دهسلم تقاطع دارند.

اسلاید 19 :

نقشه زمین شناسی اصلاح شده و زیربخش فلزی زا شرق ایران

اسلاید 20 :

منطقه دهسلم در یک محیط خشک و متشکل از یک کمربند فلزی مس و مربوط به گسل نایبند واقع شده است. اکتشاف مواد معدنی در یک محیط خشک با مشکلات زیادی همراه است. هوازدگی مکانیکی در چنین مناطقی مسلط تر از هوازدگی شیمیایی است. توجه به طور فزاینده ای در این منطقه مورد توجه قرار گرفته است زیرا نه تنها منابع معدنی بالقوه بزرگی برای کاوش وجود دارد، بلکه این منطقه همچنین یک آزمایشگاه طبیعی برای علوم زمین شناسی است تا بتواند فرآیندهای بالادستی و مکانیسم های آتشفشانی کالک قلیایی لوت مرکزی را تحقیق کند.

منطقه مورد مطالعه شامل گرانیت ها و گرانودیوریت ها(کرتاسه فوقانی و ژوراسیک میانی بالا) سنگ های آذرین است. دهسلم در یک محیط قوس پشت کمان در طول فرورانش ژوراسیک اقیانوس نئوتتیس ثبت شده است. مجتمع دگرگونی دهسلم، از شمال روستای دهسلم شامل استعاره ها، آمفیبولیت ها و سنگ های دگرگون شده هایی است که توسط گرانیت و پگماتیت ها حمل می شود.

منطقه مورد مطالعه

مجموعه ای از گرانیت های دوره ژوراسیک پس از اوایل و یکی دیگر از گرانودیوریت ها را به دیوریت ها و سنگ های آتشفشانی عصر الیگوسن و میوسن متمایز کرده و در داخل بلوک لوت در جنوب دهسلم قرار داد. تحقیقات میدانی انجام شده در منطقه کوه-سیمرغ(منطقه مورد مطالعه) انواع سنگ های آذرین مشابهی را با نمونه های ذکر شده نشان داده است.