%0 Journal Article %T مدل‌ سازی پتانسیل کانی سازی مس و طلای پورفیری با به‌ کارگیری روش یادگیری نیمه‌ نظارتی در پهنه اکتشافی دهسلم، شرق ایران %J زمین شناسی اقتصادی %I دانشگاه فردوسی مشهد %Z 2008-7306 %A کیخای حسین پور, مجید %A کوهساری, امیرحسین %A حسین مرشدی, امین %A پروال, آلوک %D 2021 %\ 05/22/2021 %V 13 %N 1 %P 193-213 %! مدل‌ سازی پتانسیل کانی سازی مس و طلای پورفیری با به‌ کارگیری روش یادگیری نیمه‌ نظارتی در پهنه اکتشافی دهسلم، شرق ایران %K مدل‌سازی پتانسیل معدنی %K مس و طلای پورفیری %K یادگیری نیمه‌نظارتی %K ماشین بردار پشتیبان %K دهسلم %R 10.22067/econg.v13i1.81382 %X شناسایی نواحی امیدبخش معدنی در اکتشافات ناحیه ­ای برای برنامه­ ریزی عملیات اکتشاف تفصیلی با به‌کارگیری و تحلیل داده ­های اکتشافی موجود در قالب مدل‌سازی پتانسیل معدنی توسعه‌یافته است. در این پژوهش، برای مدل‌سازی پتانسیل مس و طلای پورفیری در پهنه اکتشافی دهسلم واقع‌ در جنوب بلوک لوت، شرق ایران، از روش یادگیری ماشین بردار پشتیبان نیمه‌نظارتی استفاده‌شده است. روش­های یادگیری نیمه‌نظارتی در مرحله یادگیری، از داده­ های برچسب ­دار و بدون برچسب اکتشافی در الگوریتم محاسباتی خود بهره می­ برند. در این مقاله، با به‌کارگیری الگوریتم ماشین بردار پشتیبان نیمه‌‌نظارتی بر روی داده­ های اکتشافی منطقه دهسلم شامل داده ­های زمین­ شناسی (سنگ‌شناسی و ساختاری)، ژئوشیمی رسوبات آبراهه­ ای، تصاویر ماهواره­ای و مغناطیس هوابرد، مناطق هدف اکتشافی مس و طلای پورفیری شناسایی شد. در ادامه، نتیجه به‌کارگیری این مدل با خروجی روش ماشین بردار پشتیبان در حالت نظارت‌شده مقایسه و ارزیابی عملکرد مدل­ های تولیدشده با استفاده از نمودارهای منحنی مشخصه عملکرد سیستم و میزان تغییرات پیش­ بینی-مساحت بهبودیافته، بررسی شد. بر این اساس، مدل پتانسیل نیمه­ نظارتی عملکرد بهتری را در شناسایی اهداف اکتشافی مس و طلای پورفیری داشته است. نواحی اهداف پتانسیل شناسایی‌شده در مدل نیمه­ نظارتی، تمامی اندیس­ های معدنی شناخته‌شده در منطقه مورد بررسی را در 2/9 درصد از مساحت ناحیه مورد بررسی، به ­درستی پیش­ بینی کرده است. اهداف اکتشافی معرفی‌شده، اغلب هم‌راستا با روند گسل­ های اصلی منطقه، در راستای شمال‌غربی- جنوب‌شرقی و مرتبط با واحدهای ولکانیک نظیر ریولیت، آندزیت، داسیت و ریوداسیت هستند. نتیجه حاصل از این پژوهش نشان ­دهنده برتری روش یادگیری نیمه ­نظارتی در شناسایی نواحی هدف معدنی برای برنامه ­ریزی عملیات تفصیلی اکتشافی است. %U https://econg.um.ac.ir/article_40223_f83ad1d6e4e91207600189ba6d9e34e2.pdf