ارائه الگوریتمی جدید برای شناسایی اهداف مناطق اکتشافی

به گزارش میمتالز، سعید قاسمزاده، دانشآموخته دکترا و مجری طرح «ارائه الگوریتم سینگولاریتی به طور مکانی وزندهی شده و ترکیب آن با ابزارهای یادگیری ماشین جهت شناسایی اهداف اکتشافی» که آن را با راهنمایی دکتر عباس مقصودی و مشاوره دکتر مهیار یوسفی از دانشگاه ملایر و دکتر مارک میهالاسکی از سازمان انرژی اتمی اتریش انجام داده است، 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 قاسمزاده، نتایج حاصل از این مطالعه نشان داد چارچوپ ارائه شده نه تنها 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، برنامهنویسی و طراحی چارچوپ مبتنی بر ابزارهای تجزیه و تحلیل فضایی و یادگیری ماشین، پیشپردازش و پردازش داده و تهیه نقشههای آنومالی ژئوشیمیایی عمده فعالیتهایی است که در راستای انجام این طرح صورت گرفت.این محقق اظهار 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 کانیزایی را در نظر گرفتیم. در تلاش هستیم با همکاری اساتید سایر پارامترهای مؤثر در کانیزایی 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 بر اساس ابزارهای تجزیه و تحلیل 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. منبع: خبرگزاری دانشجویان ایران (ایسنا)