پیش بینی عیار طلا در معدن زرشوران تکاب با استفاده از روش های رگرسیون خطی و غیرخطی

علیمحمدی, ریحانه; قدیمی, فریدون

doi:10.22084/nfag.2020.21805.1420

پیش بینی عیار طلا در معدن زرشوران تکاب با استفاده از روش های رگرسیون خطی و غیرخطی

نویسندگان

¹ دانش‌آموخته کارشناسی‌ارشد، گروه مهندسی معدن، دانشگاه صنعتی اراک، اراک

² دانشیار گروه مهندسی معدن، دانشگاه صنعتی اراک، اراک

10.22084/nfag.2020.21805.1420

چکیده

در اکتشاف کانسارهای پنهان، عناصر ردیاب نقش مهمی ایفا میکنند. اطلاعات حاصل از عناصرکمیاب در توصیف کیفی کانسارها قابل توجه بوده و از این نظر، عناصر جیوه، آرسنیک و آنتیموان مهمترین عناصر ردیاب در اکتشاف طلای اپـیترمال هـستند. با تـوجه به اندازهگیری غلظت 35 عنصر و 108 نمونه از کانسار اپیترمال طلای زرشوران، اهمیت عناصر ردیاب در تخمین طلا به خوبی مشخص شد. انتخاب عناصر ردیاب با توجه به روشهای آماری چندمتغیره (تحلیل عاملی و تحلیل خوشهای) جهت پیشبینی عیار عنصر طلا صورت گرفت. این تحلیلها نشان داد عناصر نقره، آرسنیک، کادمیوم، سرب، طلا، آنتیموان و روی همبستگی مثبت قوی نسبت به هم دارند. براساس مدلهای رگرسیون خطی و غیرخطی چند متغیره، معادلات و عناصر برای پیشبینی عیار طلا و نقره مورد تحلیل و آزمون آماری قرارگرفتند. ضریب همبستگی، آزمون فیشر، آزمون t استیودنت و سطح احتمال نشان دادند که عناصرکادمیوم، آرسنیک و آنتیموان برای پیشبینی طلا و عناصر آرسنیک، کادمیوم، سرب و آنتیموان برای پیشبینی نقره مناسباند. علاوه بر این، مدل رگرسیون غیرخطی نمایی برای پیشبینی، مناسبتر تشخیص داده شد. اگر چه مدلهای رگرسیونی پیشنهادی برای منطقۀ کوچکی مورد استفاده قرار گرفت ولی میتواند در مقیاس ناحیهای و همچنین در تمام مراحل اکتشاف و در ترکیب با سایر روشها در اکتشاف کانسارها مفید واقع شوند.

کلیدواژه‌ها

عنوان مقاله [English]

Prediction of gold in Takab Zarshuran using linear and nonlinear regression methods

نویسندگان [English]

R. Alimohamadi ¹
F. Ghadimi ²

چکیده [English]

This paper show the importance of trace elements in the estimation of Au and Ag. To predict Au and Ag, the selection of finder elements was performed using multivariate statistical analysis of factor analysis and cluster analysis and linear and nonlinear regression models. In this research, it were studied 35 elements in 108 samples using statistical software Statistica 10, for forecasting and estimating the best finder elements for Au and Ag. Data were controlled based on statistical methods including identifying out-of-order elements, normalization and data standardized. Based on factor analysis and cluster analysis, the elements of the same group with Au and Ag include, Pb, Sb, As, Cd, and Zn, which can act as a finder element of Au and Ag. The purpose of the multiple regression method is to find the logical relationship between Au, Ag and finder elements. In this study, it is considered Au and Ag as dependent variables and Zn, As, Cd, Pb and Sb as independent variables. The correlation matrix shows that the correlation of Au with Zn, As, Cd and Sb is higher than 0.70 and Pb is less than 0.70. Therefore, based on linear and nonlinear regression models, Fisher test, Student t test and probability level showed that the elements of Cd, As and Sb are suitable for prediction of Au and As, Cd, Pb and Sb for prediction of Ag. In addition, non-linear regression model was found to be more suitable for prediction.

کلیدواژه‌ها [English]

Finder elements
Factor analysis
Cluster analysis
Regression models
Zarshuran gold

مراجع

رحیمسوری، ی.، یعقوبپور، ع.، مدبری، س (1392) بررسی زمینشناسی و کانهزایی طلای تیپ کارلین در کانسار آقدره تکاب، آذربایجان غربی، مجله علومزمین، دوره 22، شماره 3، (ویژهنامه عناصر خاکی کمیاب و تـیپهای کانهزایی در پهنه سنندج-سیرجان)، ص 53-42.

رشیدنژاد عـمران، ن.، رستـمیپایدار، ق.، نظـرپور، ا.، محرابینژاد، ع (1393) الگوی توزیع ژئوشیمیایی عمقی عیار طلا با استفاده از روش فرکتالی به منظور پهنهبندی اهداف اکتشافی ناحیهای در کانسار طلای زرشوران، تکاب، شمالغرب ایران، مجله زمینشناسی کاربردی پیشرفته، دوره 4، شماره 2، ص 62-53.

رضاییپژند، ح.، بزرگنیا، ا (1381) تحلیل رگرسیون غیرخطی و کاربردهای آن. انتشارات دانشگاه فردوسی مشهد، 387 ص.

رضایی، م.، حسنزاده، م.ت.، قاسمی، ح (1387) استفاده از روشهای رگرسیون خطی و رگرسیون غیرخطی در تخمین روند تغییر جریان نشتی مقرههای شبکه توزیع در مناطق آلوده سواحل جنوبی کشور، سیزدهمین کنفرانس شبکههای توزیع نیروی برق، گیلان.

قدیمی، ف.، قمی، م (1395) تجزیه و تحلیل آماری دادههای اکتشافی ژئوشیمیایی (با کارکرد در محیط (Statistica. انتشارات دانشگاه صنعتی اراک. 314ص.

ماهوشمحمدی، ن.، هزارخانی، ا (1394) تخمین عیار طلا در کانسار خونی با استفاده از بررسی رفتار عناصر طلا، آرسنیک و آنتیموان به روش خوشهبندی. نشریه علمی-پژوهشی روشهای تحلیلی و عددی در مهندسی معدن، شماره 10، ص 92-77.

یزدانی، م.، علینیا، ف.، پارسا صدر، م (1397) همبستگی فضایی عیار عناصر طلا و نقره در منطقه قزلاوزن خلخال با روش زمینآماری، مجله اندیشه آماری، دوره 46، شماره 2، ص 102-85.

Aitchison, J (1986) The statistical analysis of compositional data". UK: Chapman and Hall, London, 416 p.

Aliyari, F., Afzal, P., and Sharif, A (2017) Determination of geochemical anomalies and gold mineralized stages based on litho-geochemical data for Zarshuran Carlin-like gold deposit (NW Iran) utilizing multi-fractal modeling and stepwise factor analysis. Journal of Mining & Environment, 8(4): 593-610.

Asadi Harooni, H (2000) The Zarshuran gold deposit model applied in a mineral exploration GIS in Iran. PH.D. Thesis, Delft University, the Netherlands.

Johnson, R. A., and Wichern, D. W (2002) Applied multivariate statistical analysis. Prentice Hall, Upper Saddle River, New Jersey, 513 p.

Jolliffe, T (2002) Principal Component Analysis" Springer Verlag, New York, 488 pp.

Kaiser, H. F (1958) The varimax criterion for analytic rotation in factor analysis. Psychometrika, 23:187-200.

Levinson, A. A (1974) Introduction to Exploration Geochemistry, Applied Publishing Ltd., 612pp.

Mehrabi, B., Yardley, B. W. D., and Cann, J. R (1999) Sediment-hosted disseminated gold mineralisation at Zarshuran, NW Iran, Mineralium Deposita, 34: 673–696.

Nazarpour, A., Omran, N. R., and Paydar, G. R (2013) Application of multifractal models to identify geochemical anomalies in Zarshuran Au deposit, NW Iran. Arabian Journal of Geosciences, 8: 877-889.

Nazarpour, A., Rostami Paydar, Gh., and Carranza, E. J. M (2016) Stepwise regression for recognition of geochemical anomalies: Case study in Takab area, NW Iran . Journal of Geochemical Exploration, 168: 150-162.

Nazarpour, A., Omran, N. R., Paydar, G. R., Sadeghi, B., Matroud, F., and Nejad, A.M (2015) Application of classical statistics, logratio transformation and multifractal approaches to delineate geochemical anomalies in the Zarshuran gold district, NW Iran. Chemie der Erde –Geochemistry, 75: 117-132.

Nazarpour, A (2018) Application of C-A fractal model and exploratory data analysis (EDA) to delineate geochemical anomalies in the: Takab 1:25,000 geochemical sheet, NW Iran. Iranian Journal of Earth Sciences, 10: 173-180.

Ohta, A., Imai, N., Terashima, S., Tachibana, S (2005) Influence of surface geology and mineral deposits on the spatial distributions of elemental concentrations in the stream sediments of Hokkaido, Japan. Journal of Geochemical Exploration, 86: 86-103.

Reimann, C., and Filzmoser, P (2000) Normal and lognormal data distribution in geochemistry: death of a myth, Consequences for the statistical treatment of geochemical and environmental data. Environmental Geology, 39:1001–1014.

Rezaei, S., Lotfi, M., Afzal, P., Jafari, M. R., and Shamseddin Meigoony, M (2015) Delineation of Cu prospects utilizing multifractal modeling and stepwise factor analysis in Noubaran 1:100,000 sheet, Center of Iran". Arabian Journal of Geosciences, 8 (9): 7343–7357.

Samal, R. A., Mohanty, K. M., Fifarek, H. R (2008) Backward elimination procedure for a predictive model of gold concentration. Journal of Geochemical Exploration, 97: 69–82.

Shokouh Saljoughian, B., Hezarkhani, A (2019) Identification of geochemical anomalies associated with Cu mineralization by applying spectrum-area multi-fractal and wavelet neural network methods in Shahr-e-Babak mining area, Kerman, Iran Journal of Mining and Environment,10(1): 49-73.

Tabatabaei, H. S., Roshani Rodsari, P., and Mokhtari, R. A (2015)Predicting Potential Mineralization Using Surface Geochemical Data and Multiple Linear Regression Model in the Kuh Panj Porphyry Cu Mineralization (Iran). Arabian Journal Science Engineering, 40:163–170.

Yousefi, T., Abedini, A., Aliyari, F., and Calagari, A. A (2019) Mineralogy and fluid inclusion investigations in the Zarshuran gold deposit, north of Takab, NW Iran. Iranian Journal of Crystallogrphy and Mineralogy, 27(3): 537-550.