مقایسه روش‌های مختلف سنجش از دور و مدل‌های شبکه عصبی کانولوشن، ماشین بردار پشتیبان و درخت تصمیم جهت تعیین مناطق مستعد و امیدبخش کانی‌سازی در منطقه سیاه‌چشمه و دیزج، استان آذربایجان غربی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی معدن، دانشگاه صنعتی اصفهان، اصفهان، ایران

2 دانشکده مهندسی معدن، دانشگاه ارومیه، ارومیه، ایران

چکیده

امروزه روش‌های مختلف سنجش از دور یکی از کاربردی‌ترین روش‌ها در حوزه اکتشافات معدنی در مناطق کوهستانی، مرزی و فاقد نمونه‌های ژئوشیمی و رسوبات آبراهه معتبر در مرحله شناسایی محسوب می‌گردد. روش‌های طیفی نظیر فیلتر تنظیم پیکسل‌های مخلوط همسان (MTMF)، نقشه بردار زاویه طیفی (SAM) و ناآمیختگی طیفی خطی (LSU) بر اساس طیف هر پیکسل تصویر عارضه‌های مختلف را شناسایی می‌کنند. این مطالعه به منظور تعیین مناطق آلتراسیون، تفکیک سنگ‌ها و کانی‌های مختلف، طبقه‌بندی تصاویر و در نهایت تعیین مناطق مستعد و امیدبخش کانی‌سازی افیولیتی، سرپانتینیت‌ها، هاربورژیت‌های سرپانتینی شده، لیستونیت‌ها، کرومیت و منگنز در محدوده سیاه‌چشمه و دیزج صورت گرفته است. در مرحله پردازش از روش نوین ساعت شنی اتوماتیک (ASH) مبتنی بر روش‌های طیفی مذکور به منظور تعیین مناطق دگرسان شده و تفکیک کانی‌ها استفاده شده است. به منظور طبقه‌بندی تصاویر نیز از روش‌های شبکه عصبی کانولوشن عمیق (CNN)، ماشین بردار پشتیبان (SVM) و درخت تصمیم J48 (DT) استفاده شده است. در نهایت نیز عملکرد مدل‌های مختلف براساس معیارهای ارزیابی مختلف مقایسه و مدل CNN با دقت و صحت 98% نسبت به دو مدل SVM و DT با دقت و صحت 96% به عنوان بهترین مدل برای تهیه نقشه کلاسه‌بندی استفاده شده است.

کلیدواژه‌ها