عنوان پایان‌نامه
مدلسازی بی هنجاری های مغناطیسی معدن مروارید زنجان با استفاده از شبکه های عصبی و روشهای کلاسیک
- رشته تحصیلی
- مهندسی معدن-اکتشاف معدن
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 1764;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 44839
- تاریخ دفاع
- ۲۴ اسفند ۱۳۸۸
- دانشجو
- احمد افشار
- استاد راهنما
- غلامحسین نوروزی باغکمه
- چکیده
- کاربرد وسیع اکتشافات مغناطیسی در زمینه‌های اکتشاف منابع معدنی، کاربرد‌های زمین‌شناسی و زیست محیطی، دانشمندان علوم زمین را در طرح راهکارهای مناسب در این زمینه، به تلاش واداشته است. به گونه‌ای که مانند سایر علوم دیگر، شاهد ابداع روشهای نوین در تفسیر و مدلسازی داده‌های میدان پتانسیل (مغناطیس و گرانی) هستیم. در این رساله، سعی برآن است که اولاً مدل سازی به گونه‌ای انجام شود که در میان بی‌نهایت جواب مدلسازی (مشکل غیر یکتا بودن جواب‌ها) به جوابی که با واقعیت سازگاری دارد، دست یافت. ثانیاً با توجه به اهمیت جداسازی بی‌هنجاری ناحیه‌ای از محلی و تاثیر آن در اعتبار نتایج مدل‌سازی‌های عددی، از یک روش مناسب برای جداسازی بی‌هنجاری‌ها ، استفاده شود. در این راستا، از شبکه عصبی سلولی برای جداسازی بی‌هنجاری ناحیه‌ای از محلی و از شبکه عصبی پیشخور، برای مدلسازی معکوس استفاده شده است. ابتدا کارائی روش ها با استفاده از مدل های مصنوعی، بررسی شده و سپس برای مدل سازی داده های معدن مروارید زنجان، بکار گرفته شده اند. در تفسیر و مدلسازی بی‌هنجاری‌ها، ابتدا با استفاده از شبکه عصبی سلولی اثر بی‌هنجاری منطقه‌ای حذف شده و سپس بر روی بی‌هنجاری باقیمانده، مدلسازی معکوس با شبکه عصبی پیشخور و همچنین مدلسازی با روشهای کلاسیک (روش تلفیقی سیگنال تحلیلی- اولر، تخمین عمق اولر و زاویه تیلت) انجام شده است. برای مقایسه نتایج بدست آمده، نقشه‌های سیگنال تحلیلی، مشتق، گسترش های فراسو نیز برای داده‌ها تهیه شده است که نتایج حاصل از مدل سازی توسط شبکه عصبی با نتایج روش های کلاسیک مطابقت می کند. در نهایت با استفاده از اطلاعات بدست آمده، مدلسازی دو و نیم بعدی به صورت معکوس انجام شده ، و نتایج مدل سازی ها توسط اطلاعات زمین شناسی منطقه ، مورد تایید واقع شده است.
- Abstract
- Extensive use of magnetic surveys in the field of mineral exploration, geology and environmental application make earth scientists to present suitable interpretation schemes. In this thesis, magnetic anomaly modeling was done in a manner that first; obtains a model near to geological reality. Second; with respect to the importance of regional-local anomaly separation and the effect of it on the accuracy of modeling, we use a suitable method for regional-local anomaly separation. To this end, Cellular neural network was used for regional-local anomaly separation and feed forward neural networks were used for inverse modeling of magnetic anomalies. The validity of these methods was tested by being applied to synthetic models. Then, magnetic anomalies of Morvarid mine of Zanjan were mdeled by these methods. In order to interpret and model the anomalies, first regional magnetic anomaly was separated by cellular neural network and then, modeling through feed forward neural network and classic methods (combined Analytic signal-Euler method, Tilt angle, ..) were performed on the residual magnetic anomaly. To comparison the results, Analytic signal, derivatives, upward continuation and susceptibility maps were provided. The results of modeling by neural network and other classic methods had a harmonical agreement. By according to obtained results, 2/5D inverse modeling was carried out and finally, modeling results were confirmed by geological data.
