ارائه الگوریتمی جدید برای شناسایی مناطق اهداف اکتشافی

به گزارش گروه دانشگاه خبرگزاری دانشجو، سعید قاسم زاده دانش آموخته ا و مجری طرح «ارائه الگوریتم سینگولاریتی به طور مکانی وزن‌دهی شده و ترکیب آن با ابزار‌های یادگیری ماشین جهت شناسایی اهداف اکتشافی» گفت: از گذشته تاکنون تکنیک‌ها و الگوریتم‌های مختلفی برای استخراج اطلاعات با ارزش از داده‌های ژئوشیمیایی توسط محققان علوم زمین به کارگرفته شده است.

وی افزود: تکنیک نقشه‎برداری سینگولاریتی به عنوان یک ابزار مبتنی بر فرآیند فرکتالی و مولتی فرکتالی از زمان ابداع و ارائه، به طور موفقی برای کمی‌سازی ویژگی سینگولاریتی مربوط به آنومالی‌های ژئوشیمیایی (به عنوان یک اطلاعات ذاتی از کانی‌زایی) برای شناسایی انواع ضعیف آن‌ها جهت اکتشاف کانسار‌های مورد جستجو به کار گرفته شده است.

محقق دانشگاه صنعتی امیرکبیر گفت: با این حال، نقص تکنیک نقشه‌برداری در امر نادیده گرفتن ناهمسانگردی فضایی آنومالی‌های ژئوشیمیایی مانع از کارایی مناسب آن در زمینه شناسایی آنومالی‌های ژئوشیمیایی حاصل از فرآیند‌های زمین‌شناسی پیچیده شده است.

وی خاطر نشان کرد: در راستای انجام طرح پیشنهادی، یک چارچوپ مبتنی بر تئوری سینگولاریتی، الگوریتم‌های یادگیری ماشین و ابزار‌های تجزیه و تحلیل فضایی برای شناسایی آنومالی‌های ژئوشیمیایی براساس داده‌های ژئوشیمیایی، زمین‌شناسی ارائه شد.

به گفته قاسم زاده، نتایج حاصل از این مطالعه نشان داد چارچوپ ارائه شده نتن‌ها قادر است به شناسایی آنومالی‌های ژئوشیمیایی مرتبط با کانی‌زایی با در نظرگرفتن حداقل‌ترین عدم قطعیت بپردازد بلکه به عنوان یک ابزار اکتشافی برای شناسایی مناطق اهداف اکتشافی نیز خواهد بود.

وی ادامه داد: تعیین کانسار مورد جستجو، اخذ داده‌های اولیه، برنامه نویسی و طراحی چارچوپ مبتنی بر ابزار‌های تجزیه وتحیل فضایی و یادگیری ماشین، پیش پردازش و پردازش داده و تهیه نقشه‌های آنومالی ژئوشیمیایی عمده فعالیت‌هایی که در راستای انجام این طرح صورت گرفت.

این محقق عنوان کرد: چارچوپ ارائه شده به عنوان یک ابزار برای تحلیل داده‌های ژئوشیمیایی مرتبط با علوم زمین طراحی شده است.

با این حال، با کمی تغییر می‌تواند برای سایر فناوری‌هایی که در آن‌ها موضوع سینگولاریتی و تکینگی مطرح است به کار گرفته شود.

وی اضافه کرد: در این طرح جهت بهبود روش سینگولاریتی، نقش مهم ساختار‌های کنترل کننده کانی زایی را در نظر گرفتیم. در تلاش هستیم با همکاری اساتید سایر پارامتر‌های موثر در کانی زایی را نیز ارزیابی کنیم.

وی با معرفی ویژگی‌های طرح گفت: صریح و پویا بودن خروجی از ویژگی‌های طرح به شمار می‌رود. همچنین استفاده از الگوریتم‌های یادگیری ماشین و تفکیک انواع مختلف گسل براساس ابزار‌های تجزیه وتحلیل فضایی نوین با هدف به نقشه درآوردن جهت یافتگی، ناهمسانگردی، توزیع و موقعیت قرارگیری آنومالی‌های ژئوشیمیایی از مزیت رقابتی این طرح نسبت به نمونه مشابه آن به شمار می‌رود.

گفتنی است:استاد راهنمای این پروژه عباس مقصودی و استاد مشاور آن مهیار یوسفی (از دانشگاه ملایر و مارک میهالاسکی (از سازمان انرژی اتمی اتریش) هستند.