مطالعات ژئوشیمیایی، شبیه سازی و پیش بینی عیار عناصر منطقه تاریکدره (تربت جام) به کمک روش نوین شبکه های عصبی مصنوعی
دسته | زمین شناسی اقتصادی واکتشاف |
---|---|
گروه | سازمان زمین شناسی و اکتشافات معدنی کشور |
مکان برگزاری | بیست و نهمین گردهمایی علوم زمین |
تاريخ برگزاری | ۲۷ بهمن ۱۳۸۹ |
از مدل سه لایهاى روش نوین شبکههاى عصبى مصنوعى (ANN) جهت پیشبینى عناصر طلا، آنتیموان و تنگستن در بخشهاى مختلف
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
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