Delineation of Gold Exploration Targets based on Prospectivity Models through an Optimization Algorithm
محل انتشار: مجله معدن و محیط زیست، دوره: 15، شماره: 2
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 57
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JMAE-15-2_012
تاریخ نمایه سازی: 8 بهمن 1402
چکیده مقاله:
Mineral prospectivity mapping (MPM) is a multi-staged process aiming at delimiting exploration targets. Experts’ knowledge is an indispensable component of MPM, and might be required (i) while translating signature features of ore-forming processes into a suite of maps, namely evidence layers, (ii) while assigning weights to evidence layers, and (iii) while interpreting maps of mineral prospectivity. The latter is important as MPM integrates weighted evidence layers into a continuous map of mineral prospectivity. Although high values in prospectivity maps pertain to prospective zones, maps of mineral prospectivity are devoid of interpretation. One, therefore, should adopt a classification scheme to categorize or prioritize exploration targets from a map of mineral prospectivity. In addition to previous frameworks applied for interpreting maps of mineral prospectivity, this paper introduces an optimization-based framework, the Gray Wolf Optimizer (GWO) algorithm, for addressing this problem. In addition to GWO, we also used percentile maps of ۸۵, ۹۰, and ۹۵% for interpreting the results of our prospectivity model. These methods were applied to a fuzzy-based map of mineral prospectivity derived for the Alut area, NW Iran. Overall, the map derived by the GWO has involved more Au occurrences, ۶۶% of explored Au occurrences by GWO versus ۳۳% by percentile maps; also introduces more targets as high-potential zones of Au mineralization that may be neglected by traditional methods like percentile maps.
کلیدواژه ها:
نویسندگان
Kamran Mostafaei
Department of Mining, Faculty of Engineering, University of Kurdistan, Sanandaj, Iran, Corresponding author
Mohammad Kianpour
Faculty of Mining Engineering, Amirkabir University of Technology, Tehran, Iran
Mahyar Yousefi
Faculty of Engineering, Malayer University, Malayer, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :