مطالعات ژئوشیمیایی، شبیه­ سازی و پیش­ بینی عیار عناصر منطقه تاریک­دره (تربت­ جام) به کمک روش نوین شبکه­ های عصبی مصنوعی

مطالعات ژئوشیمیایی، شبیه­ سازی و پیش­ بینی عیار عناصر منطقه تاریک­دره (تربت­ جام) به کمک روش نوین شبکه­ های عصبی مصنوعی (ANN)

مرتضی رزم­آرا،دکتری کانی شناسی از دانشگاه منچستر انگستان، عضو هیئت علمی دانشگاه فردوسی مشهد

Razmaramorteza@gmail.com

محمد عظیم یوسفی، کارشناسی ارشد پترولوژی از دانشگاه فردوسی مشهد، Myugeo@gmail.com

مسعود رحیمی پناه، کارشناسی ارشد مهندسی شیمی از دانشگاه فردوسی مشهد، ma-ra401@um.ac.ir

سجاد رشیدی، کارشناسی ارشد مهندسی شیمی از دانشگاه فردوسی مشهد،  sajjad.rashidi@yahoo.com

احمد حاجی­شمسایی، کارشناسی ارشد پترولوژی از دانشگاه فردوسی مشهد

چکیده :

   از مدل سه لایه­ای روش نوین شبکه­های عصبی مصنوعی (ANN) جهت پیش­بینی عناصر طلا، آنتیموان و تنگستن در بخش­های مختلف استوک گرانیتوئید تاریک­دره تربت­جام استفاده گردید. این توده با استفاده از روش­های XRF, XRD و ICP-MS نیز مورد بررسی قرار گرفت. مطالعات ژئوشیمیایی نشان داد که این استوک، پرآلومینوس (A/CNK = 0.8-1.2) و کالکوآلکالن پتاسیم بالا (Na2O است. آنومالی از بعضی عناصر همچون طلا، آنتیموان، تنگستن در توده گرانیتوئیدی به خوبی نشان­دهنده غنی شدگی ماگما در طی تفریق از این عناصر می­باشد. با استفاده از روش شبکه­های عصبی مصنوعی در منطقه، تخمین محدوده مکانی آنومالی­های این عناصر در توده گرانیتوئیدی صورت گرفت. با کمک این شبکه­ها، عیار عناصر مختلف نیز در مناطق متفاوت توده گرانیتوئیدی، شبیه­سازی و پیش­بینی گردید. در میان عناصر موجود در شبیه‌سازی، پیش‌بینی مربوط به آنتیموان نسبت به سایر عناصر نتیجه بهتری داشته است که مطالعات ژئوشیمیایی نیز آن را تایید نمود. بر مبنای آزمایشات و مدل­سازی، پیش بینی مطمئن درصد عیار عناصر Au، Sb و W در منطقه مورد مطالعه به گونه­ای امکان­پذیر گردید که مدل، قابل تعمیم به مناطق مشابه نیز می­باشد.

کلمات کلیدی: ICP-MS ، ANN، گرانیتوئید نوع I، تنگستن، طلا، آنتیموان