عنوان پایان‌نامه
توسعه یک سیستم حامی تصمیم گیری مبتنی بر مدل های فازی چهت تهیه نقش پتانیسیل معدنی در اندیس مس نوچون کرمان
- رشته تحصیلی
- مهندسی معدن-اکتشاف معدن
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 2063;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 51672;کتابخانه پردیس 2 فنی شماره ثبت: 2063;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 51672
- تاریخ دفاع
- ۱۳ مهر ۱۳۹۰
- دانشجو
- محمد سالمی
- استاد راهنما
- عباس بحرودی
- چکیده
- تهیه ی نقشه ی پتانسیل معدنی با استفاده از روش های مرسوم با دشواری هایی مانند حجم زیاد داده ها، وجود داده ها به فرمت های آنالوگ، عدم وجود استانداردی برای جمع آوری، مدیریت و پردازش داده ها، محیط های مختلف برای ذخیره و پردازش داده ها و نبود محیطی برای تلفیق داده ها همراه است. از این رو نیاز به معرفی روشی سیستماتیک برای غلبه بر این مشکلات جهت تهیه ی یک نقشه ی پتانسیل معدنی کارا احساس می شود.از میان روش های مختلف ترکیب لایه ها در محیط GIS، با توجه به قابلیت ترکیب انعطاف پذیر نقشه های وزنی و توانایی در مدیریت ابهام و عدم قطعیت ذاتی موجود در داده های زمین-مرجع،استفاده از راهکار منطق فازی می تواند ابزار مناسبی به حساب آید. با توجه به این امر، هدف این پژوهشاصلاح و بهبود عملکرد روش های مبتنی بر منطق فازی جهت تهیه ی نقشه ی پتانسیل معدنی می باشد تا بدین وسیله بر کارایی آنها افزوده شود. به این منظور، در تهیه نقشه های فاکتور زمین شناسی، اثر دقت هندسی نقشه ها و نیز ارزش دهی به سلول های تصویر رستر به صورت پیوسته بر مبنای فاصله از عارضه ها در در دستور کار قرار گرفته است. همچنین جهت تولید نقشه های فاکتور ژئوشیمیایی و ژئوفیزیکی از مفهوم سیستم های استنتاج فازیبهره گرفته شده و مناسب ترین ترکیب برای ساختمان این سیستم ها تعیین گردیده است. در ادامه نیز یک موتور استنتاج جهت تلفیق نقشه های فاکتور پیشنهاد شده است. نقشه های تولید شده با استفاده از این مدل مطابقت بسیار مناسبی با نتایج حاصل از گمانه های اکتشافی دارند به گونه ای که در حالت سه کلاسه تا 87.1 درصد و در حالت پنج کلاسه تا 80.7 درصد با نتایج حفاری سازگارند. بعلاوه این نقشه ها هیچ گاه مطلوبیت گمانه ای را با بیش از یک کلاس اختلاف پیش بینی نمی کنند. بنابراین چنانچه این مطالعات پیش از انجام عملیات حفاری انجام می شد و تنها با فرض اجتناب از حفر چاه¬ها در مناطقی با مطلوبیت ضعیف و خیلی ضعیف، امکان صرف نظر کردناز حفر حدود 40 درصد از گمانه ها وجود داشت. در مرحله ی پایانی کار نیز به بررسی حساسیت مدل پرداخته شده تا تأثیرگذارترین پارامترها در عملکرد آن تعیین گردند.
- Abstract
- A fuzzy predictive model is compatible with the multiclass and continuous nature of geodata and can properly handle inherent informational fuzziness in most geodata.Predictive models based on the theory of fuzzy sets fulfill both these criteria. The application of fuzzy set theory provides a proper theoretical framework for handling the complexity of modeling multiclass data in a flexible and yet consistent way and thefuzzy models are equally efficacious in both poorly and well-explored provinces. Although the fuzzy based approaches are been used by different researchers and various deposits, the structure and pattern of these methods were almost the same. In this project we try to improve the conventional methods, for preparing factor maps. To achieve to this propose, available data are divided in two groups: Geological maps groupsand Geophysical and Geochemical maps groups. In the Geological maps, the concept of geometric accuracy has been used to deal with the uncertainty in the spatial objects borders. In the second group, we use a fuzzy inference system to produce more flexible and efficient factor maps. After studying different structures, the proper fuzzy inference system for producing the geochemical and geophysical factor maps, has been chosen. Then, these factor maps are integrated by an appropriate inference networks and mineral potential map for theporphyry copper mineral deposit of Nochoun,south east of Iran, was produced. The results of the produced map are in a good accordance with drilling data (80.7 % in 5 class and 87.1 % in 3 class classification). Also, using the new methods in preparing factor maps, instead of conventional methods, increase the efficiency of mineral potential map, as the compatibility has improved almost 10% in 3 class classification and 7 % in 5 class classification. In the final part of the project, a sensitivity analysis isperformed in order to specify the most effective parameters of the proposed model.
