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
كليدواژه :
يادگيري ماشين , يادگيري عميق , جداسازي دگرساني مس پورفيري , تصاوير پريسما
عنوان كنفرانس :
چهارمين كنفرانس ملي داده‌كاوي در علوم زمين
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.
