شماره ركورد كنفرانس
5264
عنوان مقاله
بهبود شناسايي دگرساني هاي مرتبط با كانيزايي مس پورفيري در محدوده كانسار كوهپنج استان كرمان با استفاده از روشهاي تقويت داده در ساختار شبكه عميقU-net
پديدآورندگان
جواندل پويان Puyanjavan.pj@mi.iut.ac.ir دانشجوي دكتري اكتشاف معدن دانشگاه صنعتي اصفهان، ايران , فتحيانپور نادر fathian@iut.ac.ir دانشيار، دانشكده مهندسي معدن، دانشگاه صنعتي اصفهان، ايران , طباطبايي سيد حسن tabatabaei@iut.ac.ir دانشيار، دانشكده مهندسي معدن، دانشگاه صنعتي اصفهان، ايران
تعداد صفحه
8
كليدواژه
يادگيري ماشين , يادگيري عميق , جداسازي دگرساني مس پورفيري , تصاوير پريسما
سال انتشار
1402
عنوان كنفرانس
چهارمين كنفرانس ملي دادهكاوي در علوم زمين
زبان مدرك
فارسي
چكيده فارسي
ذخاير مسپورفيري با توجه به ميزان ذخيره آنها و نوع كانه موجود نقش بسيار با اهميتي در صنعت و اقتصاد يك كشور باز ميكنند. از آنجاييكه يكي از ويژگيهاي بارز اين سيستمهاي كانهزايي توزيع فضايي دگرسانيهاي مرتبط با اين ذخاير در اطراف آنها است.، لذا به نقشه درآوردن و يا تهيه نقشه پراكندگي دگرسانيهاي مرتبط با اين ذخاير نقش بسيار پررنگي در شناسايي و اكتشاف ان ذخاير دارد. باتوجه به پيشرفتهاي چشمگير در زمينه هوش مصنوعي و روشهاي يادگيري ماشين در علوم و مهندسي در دهه اخير، استفادهه از اين دستاوردها در علوم زمين نيز رو به گسترش بوده بطوريكه امروزه در موارد مختلفي از پژوهشهاي مرتبط با علوم زمين از اين روشها استفاده ميشود. در اين پژوهش از يك معماري طبقهبندي پيكسل پايه تقويت داده شده موسوم بهU-net براي طبقهبندي پيكسلهاي مرتبط با تصاوير سنجنده پريسما استفاده شده است. براي آرايش و يا چيدمان فيلترهاي كانولوشني استفاده شده براي قسمت اينكودر ساختار U-net، از آرايش InceptionV3 استفاده گرديد كه بعد از آموزش شبكه منجر به امتياز صحت سنجي 0.79 گرديد. در نهايت بمنظور بالا بردن دقت و صحت و كارايي مدل، از روش تقويت و توليد داده در مرحله آموزش استفاده گرديد بطوريكه نتاج امتياز صحت سنجي در اين حالت به امتياز 0.86 بهبود يافت.
كشور
ايران
لينک به اين مدرک