مقایسه روش های زمین آماری و هوش مصنوعی جهت مدل سازی سه بعدی کانی زایی طلای اپی ترمال منطقه زایلیک شمال غرب ایران

هدف از این پژوهش، مقایسه و ارزیابی مدل سازی های مختلف، جهت تشخیص بهتر الگوهای ژئوشیمیایی توزیع Au و تفکیک دقیق تر زون های کانی سازی طلای رگه ای منطقه زایلیک در شمال غرب ایران است. در این منطقه، عیار Au در رگه 01S (یکی از 7 رگه محدوده اکتشافی) با استفاده از روش زمین آماری کریجینگ معمولی (OK) و همچنین روش های هوش مصنوعی مانند تلفیق شبکه عصبی مصنوعی (ANN) با الگوریتم های کرم شب تاب (FFA) و بهینه سازی ازدحام ذرات (PSO)، تخمین زده شد. داده های حاصل به بلوک ها و زیر بلوک های مربوطه در نرم افزار دیتاماین وارد گردیده و مدل سازی های سه بعدی به دست آمده با یکدیگر مقایسه شدند. مدل سازی در روش های هوش مصنوعی، با استفاده از کد نویسی در نرم افزار متلب و ارتباط دادن آن با نرم افزار دیتاماین در چهار گام مجزا انجام شد که در این روش ها، با کمک FFA و PSO، پارامترهای روش ANN مانند بایاس و وزن ها به روزرسانی و بهینه گردید تا نتایج بهتری نسبت به روش ANN به دست آید. جهت اطمینان از دقت مدل سازی ها، از پارامترهای آماری ضریب تعیین (R2) و تابع خطا جذر میانگین مربعات خطا (RMSE) استفاده شد. نتایج نشان می دهد، روش تلفیقی الگوریتم کرم شب تاب (ANN-FFA)، با توجه به حداقل بودن تابع خطا (134/0=RMSE) و حداکثر بودن ضریب تعیین (66/0=R2)، دارای بیشترین دقت است. همچنین جهت اطمینان از صحت مدل سازی ها در روش های تلفیقی، مقایسه ای با روش مرسوم زمین آماری OK انجام شد و صحت آن نیز مورد تایید قرار گرفت. در تمامی مدل سازی های انجام گرفته، محل مقادیر تخمین زده شده انطباق مناسبی با لیتولوژی و دگرسانی های مرتبط با کانی سازی Au در این منطقه داشت.