عنوان
بازشناسي الگوي توزيع كانه زايي با استفاده از پردازش سيگنال مبتني بر تكنيك جداسازي كور منبع (BSS)
نويسنده اصلي
اسمعيل اوغلي، سعيد
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي معدن
مقطع تحصيلي
دكتري
چكيده
در اين رساله، يك چارچوب محاسباتي براي بهبود فرآيندهاي مرتبط با بازشناسي الگوي كانه¬زايي در ژئوسيستم¬هاي پيچيده ارائه شده است. هدف كلي رساله شامل توسعه¬ي رياضي روش¬هايي براي جداسازي سيگنال¬هاي منبع ژئوشيميايي (با رويكردهاي پردازش سيگنال و آناليز ژئوفضايي) و نيز تكنولوژي¬هايي براي طبقه¬بندي ويژگي¬هاي استخراجي (با رويكردهاي وزن¬دار/ آگاه ژئوفضايي) جهت دستيابي به مدل¬هاي كارآمدي از كانه¬زايي است. براي هر يك از تكنيك¬هاي توسعه داده شده، فرمولاسيون دقيقي از ساختار رياضي روش ارائه شده است، برنامه¬هاي نرم¬افزاري مربوطه با توانايي پردازش سريع و كاربرپسند تأليف شده، و با اجرا و آزمايش بر روي مطالعات موردي حقيقي، قابليت¬هاي تئوري و عملي آن¬ها از جنبه¬هاي رياضي، ژئوشيميايي و متالوژنيكي به اثبات رسيده است. در بخش اول از رساله، يك راهكار جداسازي كور منبع (BSS) به منظور تخمين سيگنال¬هاي ژئوشيميايي سطحي مرتبط با كانسارهاي معدني چندعمقي معرفي شده است. به منظور طراحي توابع فيلتري كه به شكل كارآمدي قادر به تقويت تصاوير عنصري در باندهاي طيفي معين باشند، ويژگي-هاي تغييرناپذيري مقياس تصاوير عناصر در حوزه¬ي فركانس فوريه از طريق تخمين نمايي¬هاي مقياس¬سازي انيزوتروپي در حوزه¬ي چگالي طيف توان 2D آناليز شده¬اند. پس از يك مرحله كاهش نويز، با فرض لحظه¬اي و خطي بودن كانال انتقال، روش FastICA براي كدگذاري آماري پاسخ¬هاي فيلتر استفاده شده است تا سيگنال¬هاي منبع متناظر با فرآيندهاي زمين¬شناسي مختلف جداسازي شوند. تكنيك پيشنهادي بر روي سيگنال¬هاي 2D عناصر كانه¬ساز در يك سيستم پورفيري چندمنبعي آزمايش شده است. سيگنال¬هاي منبع در تمام توابع كرنل، صحت¬هاي طبقه¬بندي بهبود يافته¬تر و وابستگي بيش¬تري به الگوهاي كانه¬زايي سطحي و عميق آشكار كرده و نسبت به پاسخ¬هاي فيلتر و مخلوط¬هاي عنصري برتري داشته¬اند. در بخش دوم رساله، يك روش آناليز فاكتور وزن¬دار فضايي (SWFA) توسعه داده شده است تا سيگنال مرتبط با كانه¬زايي از طريق تلفيق اطلاعات غلظت-هاي ژئوشيميايي، خواص فضايي 3D و دانش زمين¬شناسي- متالوژنيكي موجود در نمونه¬برداري سطح زمين شناسايي شود. با در نظر گرفتن آلتراسيون¬هاي هيدروترمال به عنوان بردارهاي كارآمدي جهت هدف¬گيري كانه¬زايي در سيستم¬هاي ژئوشيميايي، يك تابع وزن به منظور حصول الگوهاي متالوژنيك منبع¬گرا طراحي شده است تا فاصله با زون¬هاي آلتراسيون اميدبخش و انيزوتروپي هندسي ليتولوژي¬هاي بارور در ميدان مورد مطالعه را در يك فرمولاسيون يكپارچه تركيب كند. نتايج نشان داده¬اند كه به كارگيري تابع وزن، جايگشت مقادير ويژه را به نحوي آرايش مي¬دهد كه روند نزولي واريانس منابع يك زون¬بندي فضايي را از داخل به بيرون ميدان كانه¬زايي آشكار مي¬كند، ضمن اين كه ضرايب بردارهاي ويژگي تفسيرپذيري بيش¬تري را براي عناصر كانه¬ساز به ارمغان مي¬آورند. نتايج آناليز ROC يك ارتباط فضايي معني¬دار ميان الگوي كانه¬زايي منبع¬گرا و شواهد متالوژنز در منطقه¬ي مطالعاتي نشان داده است كه حاكي از برتري مدل منبع¬گرا به مدل حاصل از FA است. در بخش سوم، يك روش طبقه¬بندي فازي هوشمند فضايي- زمين¬شناسي (SGIFC) براي مدل¬سازي توزيع فضايي كانه¬زايي از طريق تلفيق اطلاعات ژئوشيميايي، خواص فضايي 3D و دانش زمين¬شناسي موجود در مواد نمونه¬برداري شده در سطح زمين توسعه داده شده است. يك مدل برهمكنش فضايي- زمين¬شناسي (SGIM) تعريف شده است تا عضويت¬هاي فازي در هر سيكل از الگوريتم fuzzy c-means (FCM) بر اساس تلفيقي از تشابهات فضايي و زمين¬شناسي بين¬نمونه¬اي تعديل شوند. آناليز خودهمبستگي فضايي عضويت¬هاي فازي از طريق محاسبه¬ي Moran's I و شبيه¬سازي مونت كارلو نشان داده است كه SGIFC در مقايسه با مدل¬هاي FCM، الگوهاي مقاوم¬تر و از نظر فضايي پيوسته¬تري را ارائه مي¬كند. نتايج نشان داده¬اند كه الگوي توزيع فضايي- فركانسي عضويت¬هاي فازي مرتبط با كانسنگ حاصل از SGIFC در مقايسه با FCM سازگاري بيش¬تري با واقعيت¬هاي متالوژنيكي سطحي و عميق آشكار كرده و وابستگي كمي معني-دارتري با محتوي معدني زيرسطحي در منطقه¬ي مطالعاتي دارند. بنابراين، مشاركت دادن مدل SGIM در طبقه¬بندي فازي توانسته است اطلاعات جامع شبكه¬ي نمونه¬برداري سطح زمين را براي پيشگويي اهداف پتانسيل مورد نياز براي اكتشافات تفصيلي تجميع كند.
شماره ركورد
209891
گرايش رشته تحصيلي
اكتشاف مواد معدني
دانشكده
مهندسي معدن
دانشگاه
دانشگاه صنعتي اصفهان
استاد مشاور
امانوئل جان ام. كارانزا، شهرام حسيني، ينيك دويل
استاد داور
احمدرضا مختاري، رسول اميرفتاحي، فرهاد محمد تراب
استاد راهنما
حسن طباطبايي