سامانه مدیریت نشریات علمی دانشگاه شهید بهشتی

قنادپور, سید سعید, هزارخانی, اردشیر. (1391). بررسی رفتار سرب نسبت به روی و آهن در کانسار مس پورفیری پرکام، شهر بابک، کرمان با استفاده از روش گروه بندی. , 3(1), 64-77.
سید سعید قنادپور; اردشیر هزارخانی. "بررسی رفتار سرب نسبت به روی و آهن در کانسار مس پورفیری پرکام، شهر بابک، کرمان با استفاده از روش گروه بندی". , 3, 1, 1391, 64-77.
قنادپور, سید سعید, هزارخانی, اردشیر. (1391). 'بررسی رفتار سرب نسبت به روی و آهن در کانسار مس پورفیری پرکام، شهر بابک، کرمان با استفاده از روش گروه بندی', , 3(1), pp. 64-77.
قنادپور, سید سعید, هزارخانی, اردشیر. بررسی رفتار سرب نسبت به روی و آهن در کانسار مس پورفیری پرکام، شهر بابک، کرمان با استفاده از روش گروه بندی. , 1391; 3(1): 64-77.

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

پژوهشهای دانش زمین
مقاله 6، دوره 3، شماره 1 - شماره پیاپی 9، 1391، صفحه 64-77    اصل مقاله (1.73 M)
نوع مقاله: مروری
نویسندگان
سید سعید قنادپور1؛ اردشیر هزارخانی* 2
1دانشجوی دکترای اکتشاف، دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر
2استاد، دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر
چکیده
در مقاله پیش رو با به‌کارگیری روش K-Means برای کلاس­بندی گمانه­های حفاری شده در کانسار پرکام، تحت سه مقدار عیار عناصر سرب، روی و آهن مقدار بهینه 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 این 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 الی10=K تغییر داده می­شوند و سپس به کمک معیار مذکور گروه­بندی­های حاصل شده مورد تحلیل قرار می­گیرند تا K  بهینه انتخاب ­شود. به استناد نتایج حاصل شده، خوشه­بندی 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 گردیده 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 می­توان با استفاده از روش پیشنهادی فوق به بررسی میزان تغییرات عناصری چون مس و یا سرب با دیگر عناصر موجود در آنالیز­های انجام شده پرداخت که خود می­تواند دیدگاه بسیار مناسبی را پیش روی تصمیم گیران این صنعت ایجاد نماید.
کلیدواژه‌ها
K-Means؛ کلاس‌بندی؛ سرب؛ روی؛ آهن؛ پرکام
مراجع
  1. -شرکت مهندسین مشاور کان ایران.، 1388. مطالعات زمین شناسی و آلتراسیون محدوده پرکام در مقیاس 1:5000، گزارش کار، ص 13 تا 25.
  2. -قربانی، م.، 1381. زمین شناسی اقتصادی ذخایر معدنی و طبیعی ایران، انتشارات آرین زمین، تهران، ص 179 تا 181.
  3. - قنادپور، س.س.، 1392. مطالعات ژئوشیمیایی کانسار مس پورفیری پرکام – کرمان، پایان نامه کارشناسی ارشد، دانشگاه صنعتی امیرکبیر، تهران، ص 139 تا 163.
  4. -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.
  5. -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.
  6. -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.
  7. -یقینی، م.، قنادپور، س.ف. و خدمتلو، س.، 1387. ارائه یک روش ابتکاری خوشه‌بندی در داده‌کاوی با استفاده از الگوریتم ژنتیک و حل یک مطالعه موردی واقعی در صنعت حمل و نقل ریلی، کنفرانس داده کاوی ایران، دانشگاه امیرکبیر (پلی تکنیک تهران).
  9. - Anderberg, M.R., 1973. Cluster Analysis for Application: Academic Press, New York.
  10. - Berberian, M., and King, G.C., 1981. Towards a Paleogeography and Tectonic Evolution of Iran: Can. J. Earth, Sci v. 18, p. 210–265.
  11. - Cheung, Y.M., 2003. K-Means: A new generalized K-Means clustering algorithm: Pattern Recognition Letters, v. 24, p. 2883-2893.
  12. - Devijver, P.A. and Kittler, J., 1982. Pattern Recognition: A Statistical Approach: Prentice-Hall International, Hemel Hemstead, Hertford Shire, UK.
  13. - 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.
  14. - 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.
  15. - Jain, A.K., 2012. Data clustering: 50 years beyond K-Means: Elsevier, Pattern Recognition Letters, v. 31, p. 651-666.
  16. -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.
  17. - 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.
  18. - 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.
  19. - 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.
  20. - Mora, J.L., Armas-Herrera, C.M., Guerra, J.A., Rodriguez-Rodriguez, 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.
  21. - Murthy, C.A., and Chowdhury, N., 1996. In Search of Optimal Clusters Using Genetic Algorithm: Pattern Recognition Letters, v. 17, p. 825-832.
  22. -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.
  23. -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/.
  24. - 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.
  25. - 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.
  26. - 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.
  27. - 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.
  28. - 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.
  29. - 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.
  30. - 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.
آمار
تعداد مشاهده مقاله: 5,436
تعداد دریافت فایل اصل مقاله: 3,582