palette
بررسی رفتار سرب نسبت به روی و آهن در کانسار مس پورفیری پرکام، شهر بابک، کرمان با استفاده از روش گروه بندی

چکیده

در مقاله پيش رو با به‌کارگیری روش K-Means براي کلاس­بندي گمانه­های حفاری شده در کانسار پرکام، تحت سه مقدار عیار عناصر سرب، روی و آهن مقدار بهينه K در هر مورد محاسبه شده و سپس به کلاس­بندی داده­های مذکور، و تجزیه و تحلیل رفتار آنها نسبت به یکدیگر پرداخته شده است. در اين پژوهش به منظور مشخص نمودن مقدار مناسب K جهت تعیین تعداد کلاس­ها، از معیار مناسبی استفاده گردیده که با توجه به آن تعداد کلاس­ها از 3=K الي10=K تغيير داده می­شوند و سپس به کمک معیار مذکور گروه­بندي­هاي حاصل شده مورد تحليل قرار می­گیرند تا K  بهینه انتخاب ­شود. به استناد نتایج حاصل شده، خوشه­بندي با تعداد 3=K در مورد سرب و روی و 4=K در مورد سرب و آهن، نسبت به تعداد کلاس­های دیگر در هر مورد، مناسب­تر بوده و با توجه به کلاس­بندی صورت گرفته با موارد فوق‌الذکر، مشاهده گرديده است که با افزایش عیار عنصر سرب، عیار عنصر روی نیز افزایش یافته و درصد عنصر آهن در ابتدا افزایش و سپس کاهش می­یابد. بنابراین مي­توان با استفاده از روش پيشنهادي فوق به بررسي ميزان تغییرات عناصری چون مس و یا سرب با دیگر عناصر موجود در آنالیز­های انجام شده پرداخت كه خود مي­تواند ديدگاه بسيار مناسبي را پيش روي تصمیم گیران اين صنعت ايجاد نمايد.

واژگان کلیدی
K-Means، کلاس‌بندی، سرب، روی، آهن، پرکام.

منابع و مآخذ مقاله

-شرکت مهندسین مشاور کان ایران.، 1388. مطالعات زمین شناسی و آلتراسیون محدوده پرکام در مقیاس 1:5000، گزارش کار، ص 13 تا 25.

-قربانی، م.، 1381. زمین شناسی اقتصادی ذخایر معدنی و طبیعی ایران، انتشارات آرین زمین، تهران، ص 179 تا 181.

- قنادپور، س.س.، 1392. مطالعات ژئوشیمیایی کانسار مس پورفیری پرکام – کرمان، پایان نامه کارشناسی ارشد، دانشگاه صنعتی امیرکبیر، تهران، ص 139 تا 163.

-قنادپور، س.س.، هزارخانی، ا.، ماهوش، ن. و فرح بخش، ا.، 1391. بررسی و تعیین توزیع جوامع عیار عنصر روی در گمانه‌های اکتشافی محدوده پرکام، اولین همایش زمین شناسی فلات ایران، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان.

-کاظمی مهرنیا، ا.، 1389. شناخت خصوصیات پوشش شسته شده و تکامل غنی شدگی سوپرژن کانسارهای مس – مولیبدن پورفیری شمال باختری کمربند کرمان، پایان نامه دکتری، دانشگاه شهید بهشتی، تهران، ص 91 تا 96.

-کریم‌پور، م.ح.، ملک‌زاده، آ. و حیدریان، م.ر.، 1387. اکتشاف ذخایر معدنی (مدلهای زمین شناسی، ژئوشیمی، ماهواره‌ای و ژئوفیزیکی)، انتشارات دانشگاه فردوسی مشهد، مشهد، ص 290 تا 296.

-یقینی، م.، قنادپور، س.ف. و خدمتلو، س.، 1387. ارائه يك روش ابتكاري خوشه‌بندي در داده‌كاوي با استفاده از الگوريتم ژنتيك و حل يك مطالعه موردي واقعي در صنعت حمل و نقل ريلي، کنفرانس داده کاوی ایران، دانشگاه امیرکبیر (پلی تکنیک تهران).

- Anderberg, M.R., 1973. Cluster Analysis for Application: Academic Press, New York.

- Berberian, M., and King, G.C., 1981. Towards a Paleogeography and Tectonic Evolution of Iran: Can. J. Earth, Sci v. 18, p. 210–265.

- Cheung, Y.M., 2003. K-Means: A new generalized K-Means clustering algorithm: Pattern Recognition Letters, v. 24, p. 2883-2893.

- Devijver, P.A. and Kittler, J., 1982. Pattern Recognition: A Statistical Approach: Prentice-Hall International, Hemel Hemstead, Hertford Shire, UK.

- Ghannadpour, S.S., and Hezarkhani, A., 2012. Determine the initial statistical specifications of Copper and molybdenum elements in Porphyry Copper ore deposit in kerman: International Mining Congress and Expo.

- Ghannadpour, S.S., Hezarkhani, A., and Sabetmobarhan, E., 2013. Some statistical analyses of Cu and Mo variates and geological interpretations for Parkam Porphyry Copper system, Kerman, Iran: Arabian Journal of Geosciences, doi: 10.1007/s12517-013-1096-x.

- Jain, A.K., 2012. Data clustering: 50 years beyond K-Means: Elsevier, Pattern Recognition Letters, v. 31, p. 651-666.

-Krishna, K., and Narasimha-Murty, M., 1999. Genetic K-Means Algorithm: IEEE Transations on Systems, MAN, and Cybernetics – Part B: Cybernetics, v. 29, p. 433-439.

- Leiluo, X., Xianwu, B., Ruizhong, H., and Xingchun, Z., 2012. Relationships between porphyry Cu–Mo mineralization in the Jinshajiang–Red Rivermetallogenic belt and tectonic activity: Constraints from zircon U–Pb and molybdenite Re–Os geochronology: Elsevier, Ore Geology Reviews, v. 48, p. 460–473.

- Menard, J.J., 1995. Relationship between altered pyroxene diorite and the magnetite mineralization in the Chilean Iron Belt, with emphasis on the El Algarrobo iron deposits (Atacama region, Chile): Springer-Verlag, Mineral. Deposita, v. 30, p. 268-274.

- Meshkani, S.A., Mehrabi, B., Yaghubpur, A., and Alghalandis, Y.F., 2011. The application of geochemical pattern recognition to regional prospecting: A case study of the Sanandaj–Sirjan metallogenic zone, Iran: Elsevier, Journal of Geochemical Exploration, v. 108, p. 183-195.

- Mora, J.L., Armas-Herrera, C.M., Guerra, J.A., Rodríguez-Rodríguez, A., and Arbelo, C.D., 2012. Factors affecting vegetation and soil recovery in the Mediterranean woodland of the Canary Islands (Spain): Elsevier, Journal of Arid Environments, v. 87, p. 58-66.

- Murthy, C.A., and Chowdhury, N., 1996. In Search of Optimal Clusters Using Genetic Algorithm: Pattern Recognition Letters, v. 17, p. 825-832.

-Nelson, P.A., Bellugi, D., and Dietrich, W.E., 2012. Delineation of river bed-surface patches by clustering high-resolution spatial grain size data: Elsevier, Geomorphology, v. 205, p. 109-115.

-Peleg, D., and Moore, A., 2000. Accelerating Exact K-Means Algorithm with Geometric Reasoning: (Technical report CMU-CS-00-105) Carnegie Mellon University, Pittsburgh, PA. Also available from http: //www. cs.cmu. edu/dpelleg/.

- Saha, S., and Bandy-opadhyay, S., 2013. A generalized automatic clustering algorithm in a multi objective framework: Elsevier, Applied Soft Computing, v. 13, p. 89-108.

- Saric, A., Diordjevic, M., and Dimitrijevic, M.N., 1971. Geological map of Shahre-e-Babak, 1:100,000 Series. Geological Survey of Iran: Tehran, Iran.

- Sfidari, E., Kadkhodaie-Ilkhchi, A., and Najjari, S., 2012. Comparison of intelligent and statistical clustering approaches to predicting total organic carbon using intelligent systems: Elsevier, Journal of Petroleum Science and Engineering, v. 86-87, p. 190-205.

- Tarkian, M., and Stribrny, B., 1999. Platinum-group elements in porphyry copper deposits: a reconnaissance study: Springer-Verlag, Mineralogy and Petrology, v. 65, p. 161-183.

- Wegner, T., Hussein, T., Hämeri, K., Vesala, T., Kulmala, M., and Weber, S., 2012. Properties of aerosol signature size distributions in the urban environment as derived by cluster analysis: Elsevier, Atmospheric Environment, v. 61, p. 350-360.

- Yang, J., Zhuang, Y., and Wu, F., 2012. ESVC- based extraction and segmentation of texture features: Elsevier, Computers and Geosciences, v. 49, p. 238-247.

- Yi, X., and Zhang, Y., 2013. Equally contributory privacy-preserving K-Means clustering over vertically partitioned data: Elsevier, Information Systems, v. 38, p. 97-107.


ارجاعات
  • در حال حاضر ارجاعی نیست.