بهبود شناسايي هاله ژئوشيميايي طلا در شرق سوناجيل هريس بوسيله شبكه¬عصبي چندلايه با استفاده از الگوريتم خوشه¬بندي Gustafson kessel

Improvement of gold geochemical halo identification with multilayer neural networks by using Gustafson kessel clustering algorithm in the east of Sonajil area

كانسار پورفيري سوناجيل در شمالغرب كشور، استان آذربايجان¬شرقي و به فاصله 17كيلومتري شرق هريس واقع شده است. با توجه به شواهد زمين¬شناسي مناسب مانند ليتولوژي، آلتراسيون شديد و همينطور آثار كاني¬سازي در سطح زمين، منطقه براي برداشت ليتو ژئوشيميايي 5000/1 مناسب تشخيص داده شد. بدين ترتيب در قسمت شرقي اين محدوده اكتشافي، مطالعات ژئوشيميايي سيستماتيك با فاصله نمونه برداري 100 متر و تعداد 562 نمونه سنگ سطحي انجام گرفت و آناليز ICP براي 44 عنصر انجام شد. در اين مطالعه پيشنهاد شده است كه عيار عنصر طلا با استفاده از عيار ساير عناصر مورد آناليز قرار گرفته و بوسيله شبكه عصبي تخمين زده شود. مشكلي كه در تخمين با استفاده از شبكه عصبي وجود دارد دقت پايين در تخمين است و اين نيز ناشي از ناهمگني زمين از لحاظ جنس، تركيبات و عوامل مختلف تاثير گذار بر آن مي¬باشد. بنابراين بايد منطقه مورد مطالعه را به زون¬هاي مختلف تقسيم¬بندي كرد و سپس شبكه عصبي را براي هر كدام از زون¬هاي ايجاد شده به صورت مجزا طراحي كرد و شبكه¬اي كه دقت بالايي را نشان مي¬دهد به عنوان تخمين¬گر انتخاب كرد. در اين مطالعه، پيشنهاد شده است كه از روش خوشه¬بندي Gustafson kessel براي خوشه¬بندي داده¬هاي سطحي ژئوشيميايي استفاده گردد و نتايج حاصل از اعمال اين روش در روند تخمين با شبكه عصبي نشانگر آن است كه دقت تخمين كه در حالت كلي داده¬ها 38 درصد بود به 76 درصد در زمان استفاده از از اين الگوريتم رسيده است.

Sonajil porphyry deposits are in the North West of country, East Azerbaijan province and are located at 17 km of East Harris. According to a suitable geological evidence such as lithology, alteration, as well as the effects of mineralization in the surface, the regional 1/5000 Lithgeochemical studies were considered appropriate. Thus, in the eastern zone of the exploration area, systematic geochemical studies with 100 m sampling interval and a total of 562 surface rock samples were sampled and studied. In this study, it is suggested that gold element grade was analyzed by using the other elements grades and estimated using neural network. The problem of using neural network is a low accuracy in estimating. This is because of earth uneven in terms of gender, compounds and affecting factors on it. Therefore, the study area has classified into different zones and then designed the individually neural network for each zone. Furthermore, the network that shows high accuracy chose as an estimator. In this study, it is suggested that the Gustafson kessel clustering method used for clustering surface geochemical data. The results show that applying this method in the estimation with neural network, the accuracy of estimates in the case of using total data is 38 percent but using this algorithm, it has been increased to 76 percent.