چارچوب یادگیری ماشین برای شناسایی آنومالی‌های ژئوشیمیایی
کد مقاله : 1095-CONF
نویسندگان
فهیمه پژوهنده *
دانشجوی دانشگاه شهید بهشتی هستم.
چکیده مقاله
زمینه و هدف: شناسایی آنومالی‌های ژئوشیمیایی یکی از مراحل کلیدی در اکتشافات سیستماتیک ذخایر معدنی است و تحلیل داده‌های چندمتغیره و پیچیده ژئوشیمیایی نیازمند بهره‌گیری از روش‌های تحلیلی پیشرفته است. هدف این پژوهش ارائه یک چارچوب مفهومی مبتنی بر یادگیری ماشین برای شناسایی نظام‌مند آنومالی‌های ژئوشیمیایی و بهبود فرآیند تحلیل داده‌های اکتشافی در منطقه مهاباد است.
روش بررسی: چارچوب پیشنهادی شامل گردآوری داده‌های ژئوشیمیایی، پیش‌پردازش و نرمال‌سازی، انتخاب ویژگی‌های مؤثر با استفاده از تحلیل همبستگی و تحلیل مؤلفه‌های اصلی، و به‌کارگیری الگوریتم‌های جنگل تصادفی، ماشین بردار پشتیبان و شبکه عصبی مصنوعی است. در ادامه، خروجی مدل‌ها در محیط سامانه اطلاعات جغرافیایی تلفیق شده و نقشه پتانسیل آنومالی تولید می‌شود.
یافته‌ها: نتایج نشان داد که تفکیک مرحله آماده‌سازی داده از مرحله مدل‌سازی موجب کاهش اثر داده‌های پرت، بهبود ساختار تحلیلی و افزایش پایداری مدل‌های پیش‌بینی می‌شود. همچنین ترکیب تحلیل‌های یادگیری ماشین با پردازش مکانی، قابلیت تفکیک مناطق امیدبخش را نسبت به رویکردهای سنتی بهبود می‌دهد.
نتیجه‌گیری کلی: چارچوب ارائه‌شده می‌تواند به عنوان ابزاری مکمل در تحلیل داده‌های ژئوشیمیایی نه تنها در منطقه مهاباد مورد استفاده قرار گیرد بلکه زمینه‌ای مناسب برای توسعه مدل‌های پیش‌بینی در مطالعات اکتشاف ذخایر معدنی فراهم سازد..
کلیدواژه ها
ژئوشیمی؛ یادگیری ماشین؛ آنومالی؛ اکتشاف؛ سامانه اطلاعات جغرافیایی
وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر