زمین شناسی مهندسی

زمین شناسی مهندسی

کاربرد ماشین بردار پشتیبان در تفکیک زون‌های دگرسانی هیدروترمال با استفاده از سنجنده آستر

نویسندگان
دانشگاه صنعتی اراک
چکیده
در این پژوهش با استفاده از سنجنده آستر تلاش شده است کاربرد الگوریتم ماشین بردار پشتیبان در تفکیک دگرسانی‌های هیدروترمال ذخایر مس پورفیری بررسی ‌شود. برای آموزش این الگوریتم در مجموع 2204 پیکسل از مناطق کانی‌سازی شده انتخاب شد. باندهای 4، 6، 7 و 8 سنجنده آستر برای شناسایی دگرسانی‌های فیلیک و آرژیلیک و 9 باند محدودۀ مرئی و مادون قرمز نزدیک برای شناسایی دگرسانی پروپیلیتیک به‌عنوان ورودی این الگوریتم انتخاب شدند. به‌منظور ارزیابی خطای طبقه‌بندی، ماتریس درهم آمیختگی بررسی شد. نتایج ماتریس در هم آمیختگی بیان‌گر آن است که خطای طبقه‌بندی برای زون فیلیک و آرژیلیک نسبتاً بالاست و امکان تفکیک این دو زون به سادگی امکان‌پذیر نیست در حالی‌که دگرسانی پروپیلیتیک به‌خوبی طبقه‌بندی شده است. هم‌چنین این تحقیق تابع خطای جدیدی به‌نام خطای کور را تعریف کرد که با استفاده از ماتریس درهم آمیختگی نسبت پیکسل‌های دگرسان طبقه‌بندی نشده را محاسبه می‌کند. بر اساس مقدار این خطا، ماشین بردار پشتیبان 6/73 درصد از پیکسل‌های دگرسان را طبقه‌بندی نمی‌کند. هم‌چنین صحت کل طبقه‌بندی الگوریتم ماشین بردار پشتیبان برابر06/66 درصد و ضریب کاپا برابر6522/0 است.
کلیدواژه‌ها

1. آلیانی ف.، دادفر ث.، معانی جو م.، "آشکارسازی زون‌های دگرسانی کانسار آهن حاجی آباد، با استفاده از داده‌های (SWIR+VNIR) سنجنده آستر"، مجلۀ علوم زمین، شمارۀ 94 (1393) 73 -80،.## 2. امینی ج.، "پردازش کامپیوتری تصاویر سنجش از دور"، ترجمه، مؤسسه انتشارات دانشگاه تهران، چاپ اول (1388). ## 3. عباس‌زاده س.، رنجبر ح.، رحیمی پور غ. ر.، علیخانی ا.، "کاربرد روش آنالیز مؤلفه‌های اصلی و انتخابی روی داده‌های سنجنده آستر جهت نقشه‌برداری مناطق دگرسان شده، مطالعه موردی، منطقه حراران، استان کرمان"، همایش ملی ژئوماتیک (1389). ## 4. گودرزی مهر س.، عباسپور ر. ع.، احدنژاد و.، خاکباز ب.، "مقایسۀ روش ماشین بردار پشتیبان با روش حداکثر احتمال و شبکه عصبی برای تفکیک واحدهای سنگ شناسی"، فصل‌نامه زمین‌شناسی ایران، شمارۀ 22 (1391) 75-92. ## 5. قاسمی ا.، "تلفیق و مدل‌سازی چندمتغیره داده‌های ژئوفیزیک با حفاری‌های اکتشافی انجام شده در کانسارهای مس پورفیری علی آباد و دره زرشک جهت شناسایی کلیدهای اکتشافی"، پایان‌نامۀ کارشناسی ارشد، دانشگاه صنعتی اصفهان (1390). ## 6. ایران خواه ا.، ظریف م.، مزروعی راد ا.، "تشخیص بیماری‌های صرع توسط همبستگی متقابل ماشین‌های بردار پشتیبان برای دسته بندی سیگنال مغزی"، یازدهمین سمپزیوم پیشرفت‌های علوم و تکنولوژی، کمیسیون اول: مهندسی برق ، الکترونیک، پزشکی و سرزمین پایدار، مشهد، 4 دی ماه (1395). ## 7. احمدی روحانی ر.، کریم پور م. ح.، رحیمی ب.، ملک زاده شفارودی آ.، "بارزسازی پهنه‌های دگرسانی و ساختارهای خطی در محدودۀ خاور بجستان با استفاده از پردازش داده‌های SPOT و ASTER و Landsat ETM+ و داده‌های ژئوفیزیک"، مجلۀ علوم زمین، شمارۀ 94 (1393) 253-262. ## 8. Huang H., Gong P., Clinton N., Hui F.,"Reduction of atmospheric and topographic effect on landsat TM data for forest classification", International Journal of Remote Sensing, 29 (2008) 5623- 5643. ## 9. Oommen T., "An objective analysis of Support Vector Machine based classification for remote sensing", Mathematical Geosciences, 40 (2008) 409-424. ## 10. Dimitrijevic M. D., "Geology of the Kerman region. Geological Survey of Iran publication", Tehran, Rep, 52 (1973) 334. ## 11. Wang L., "Support Vector Machine, Theory and Applications, springer" )2005(.## 12. Mojeddifar S., Ranjbar H., Nezamabadi-pour H., "Adaptive Neuro-Fuzzy Inference System application for hydrothermal alteration mapping using ASTER data, Journal of Mining & Environment", Vol. 4, No. 2 (2013) 83-96. ## 13. Honarmand M., Ranjbar H., Shahabpour J., "Application of Spectral Analysis in Mapping Hydrothermal Alteration of the Northwestern Part of the Kerman Cenozoic Magmatic Arc", Iran, Journal of Sciences 22 (2011) 221-238. ## 14. Congalton R. G., Green K., "Assessing the Accuracy of Remotely Sensed Data-Principles and Practices", 2nd ed. Lewis publishers, Boca Raton, )2009(.##