%0 Journal Article %T مدلسازی پتانسیل معدنی با به ‌کارگیری شبکه خودرمزنگار عمیق در پهنه اکتشافی دهسلم، شرق ایران %J روش های تحلیلی و عددی در مهندسی معدن %I دانشگاه یزد %Z 2251-6565 %A کیخای حسین پور, مجید %A کوهساری, امیرحسین %A حسین مرشدی, امین %A پروال, آلوک %D 2020 %\ 05/21/2020 %V 10 %N 22 %P 77-94 %! مدلسازی پتانسیل معدنی با به ‌کارگیری شبکه خودرمزنگار عمیق در پهنه اکتشافی دهسلم، شرق ایران %K مدلسازی پتانسیل معدنی %K داده حجیم %K شبکه خودرمزنگار عمیق %K مس و طلای پورفیری %K دهسلم %R 10.29252/anm.2020.12606.1412 %X شناسایی نواحی مستعد مرتبط با کانی­سازی و تلفیق مجموعه داده­های چندمنبعی اکتشافی در مدلسازی پتانسیل معدنی ضروری است. در این پژوهش، از روش تحلیل داده­های حجیم و یک الگوریتم یادگیری عمیق بدون ناظر، جهت شناسایی اهداف اکتشافی مرتبط با کانی­سازی مس- طلای پورفیری در پهنه اکتشافی دهسلم، شرق ایران استفاده شده است. بر اساس شرایط زمین­شناسی و تشکیل این تیپ کانی­سازی، در این پژوهش 32 متغیر ورودی، شامل داده­های زمین­شناسی (لیتولوژی و ساختاری)، سنجش از دور (دگرسانی­های آرژیلیک و اکسید آهن)، آنالیز 27 عنصر ژئوشیمی رسوبات آبراهه­ای و نقشه برگردان به قطب مغناطیس هوابرد جهت مدلسازی اکتشافی مس و طلای پورفیری با به کارگیری الگوریتم شبکه خودرمزنگار عمیق، استفاده و نتایج حاصل با خروجی مدل میانگین هندسی مقایسه گردید. ارزیابی عملکرد مدل­های پتانسیل معدنی تولیدشده با استفاده از نمودار آهنگ پیش­بینی- مساحت بهبودیافته بررسی شد. نتایج حاصل از این پژوهش نشان دهنده عملکرد مناسب مدل تولیدشده به روش خودرمزنگار عمیق، در شناسایی اهداف اکتشاف جهت برنامه­ریزی فعالیت‌های اکتشافی تفصیلی است. خروجی مدل تولید شده منجر به شناسایی اهداف اکتشافی جدیدی در قسمت­های شرق، شمال، غرب و جنوب غرب منطقه مورد مطالعه شده است. نتیجه این پژوهش، نشان دهنده پتانسیل روش­های مبتنی برتحلیل داده‌های حجیم و یادگیری عمیق در مدلسازی پتانسیل معدنی است. %U https://anm.yazd.ac.ir/article_1699_edd98565c94caad8d81eab76d21a9bce.pdf