تهیه نقشه‌های پتانسیل معدنی با استفاده از سلول عصبی و سنجش از دور در محیط GIS
محورهای موضوعی :
کلید واژه: نقشه های ژئوشیمیائی سلول عصبی سنجش از دور بانه غرب ایران,
چکیده مقاله :
در این مطالعه از شبکه عصبی مصنوعی (پس انتشار خطا) و تصاویر ماهواره‌ای (جهت تعیین دگرسانی‌ها در منطقه) در محیط GIS جهت تعیین مناطق دارای آنومالی کروم در منطقه بانه (استان کردستان) استفاده شد. تصاویر لندست TM (مربوط به تاریخ 11/2002) برای استخراج داده‌های ورودی جهت تعیین دگرسانی‌ها در منطقه استفاده شد. دگرسانی‌های اکسیداسیون و پیریتی منطقه با استفاده از تصاویر سنجش از دور (با استفاده از نسبت‌های باندی 1+2+3/4+3 و 2-3+1/8+4) و به کمک مشاهدات صحرایی و مقاطع نازک برداشت شده از منطقه و تطبیق آن‌ها با تصاویر ماهواره‌ای استخراج شد. داده‌های جمع‌آوری شده، بعد از انجام تحلیل‌ها و پیش پردازش‌های لازم، برای ورود به شبکه آماده گردیدند. سلول عصبی مورد استفاده، حاوی 4 عصب در لایه اول ، 50 عصب در لایه دوم و 1 عصب در لایه خروجی می‌باشد. با استفاده از شبکه مذکور نقشه پتانسیل معدنی کروم با دقت بالایی در حدود %86 (نسبت به داده‌های زمینی برداشت شده) تخمین زده شد. این روش، روشی داده مبنا بوده (داده‌ها به صورت عددی می‌باشند) و در مقایسه با روش‌های مرسوم (دانش مبنا)، دارای مزایای بیشتری است. نتایج نشان داد که استفاده از تصاویر ماهواره‌ای و سلول‌های عصبی مصنوعی می‌تواند در تهیه نقشه پتانسیل معدنی نقش به سزایی ایفا کند.
Mineral exploration is a complex task that often requires the use of satellite imagery, geochemical and geophysical data in order to achieve a better result. The following study is a result of a research about Artificial Neural Network (Back propagation) in GIS environment to determine areas of Cr anomalies in Baneh (Kurdistan). Images of Landsat TM (the date 11/2002) has been used to determine rock alterations in the region. For determination of rock alterations and pyrite oxidation, we used band ratios 1 +2 +3 / 4 +3 and 2-3 +1 / 8 +4. Also field observations and petrography of thin section were used to control the results. GIS data and the results of the geochemical analysis were used in neural network data processing. Four types of neurons were used in the first layer. Also, 50 neurons in the second layer and 1 neuron in output layer were used. By using of the network, Cr potential maps with high accuracy of 86% were estimated (compared to ground data). This method is based on the numerical data and compared to conventional techniques (knowledge base) which has more advantages. The results showed that the use of satellite imagery and neural cells may play a significant role in geochemical mapping of mineral potential.