{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TN973",
        "title": "توسعه مدل‌سازی پتانسیل معدنی با استفاده از روش‌های PCA و ICA",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1399",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TN973",
        "title": "توسعه مدل‌سازی پتانسیل معدنی با استفاده از روش‌های PCA و ICA",
        "degree": null,
        "faculty": "مهندسی معدن، نفت و ژئوفیزیک",
        "year": 1399,
        "authors": [
            {
                "name": "حامد فضلیانی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "ابوالقاسم کامکار روحانی",
                "role": "استاد راهنما"
            },
            {
                "name": "علیرضا عرب امیری",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "مدل‌سازی پتانسیل معدنی",
            "آنالیز مؤلفه‌های اصلی",
            "آنالیز مؤلفه‌های مستقل",
            "ذخایر کرومیت انبانه‌ای",
            "ذخایر طلا-آنتیموان اپی‌ترمال",
            "منحنی تشخیص عملکرد نسبی"
        ],
        "abstract": "وابستگی بالای روش‌های دانش‌محور مدل‌سازی پتانسیل معدنی به دانش و تجربه کارشناسی، باعث می‌شود که نتایج حاصل از آنها غالباً غیریکتا و دارای خطا ‌باشند. در روش‌های دانش‌محور متداول، عموماً از دانش و تجربه کارشناسی در مراحل مختلف مدل‌سازی، شامل وزن‌دهی به متغیرها، انتخاب حدود کلاس‌ها در نقشه‌های شاهد دو و چند کلاسه، تعیین مشخصات مدل مفهومی، انتخاب پارامترهای الگوریتم مدل‌سازی و ...، به فراوانی استفاده می‌شود. این مشکل در کنار موارد دیگری چون لزوم تعیین نوع کانی‌زایی مورد جستجو قبل از مدل‌سازی، استفاده از این روش‌ها را در پی‌چویی مواد معدنی دشوار می نماید. در این مطالعه سعی شده است تا آنالیز مؤلفه‌های اصلی (PCA) و آنالیز مؤلفه‌های مستقل (ICA) به عنوان دو روش دانش‌محور با اتکای کمتر به دانش و تجربه کارشناسی جهت مدل‌سازی پتانسیل معدنی معرفی گردند. این روش‌ها در وهله نخست به خاطر ساختار تئوری چندمتغیره، حجم پایین عملیات محاسباتی و عدم نیاز به پیش‌فرض‌ها و اطلاعات اولیه، همخوانی زیادی با طبیعت مطالعات اکتشاف ذخایر معدنی و داده‌های مورد استفاده در آنها، دارند. همچنین با توجه به مواردی چون عدم نیاز به تعیین نوع کانی‌زایی مورد جستجو قبل از مدل‌سازی، کسب نتایج متنوع حاصل از اجرای یک فرآیند مدل‌سازی واحد و کاهش تأثیر قضاوت کارشناسی در اجرای مدل‌سازی، کارایی مثبتی در مدل‌سازی پتانسیل معدنی از خود نشان می‌دهند. در مطالعه حاضر، به منظور تدوین مراحل استفاده از این روش‌ها، پس از انجام پیش‌پردازش‌های لازم، داده‌ها مستقیماً وارد فرآیند PCA و ICA شده‌اند. سپس با توجه به مقادیر بارگذاری متغیرها در جدول بردارهای ویژه PCA و ماتریس جداسازی ICA و بررسی همراهی مثبت و منفی متغیرها در این جداول، نسبت به تفسیر هرکدام از مؤلفه‌های خروجی اقدام شده است. به منظور اجرای این فرآیند، منطقه‌ای به وسعت 4800 کیلومتر مربع در جنوب نیشابور، شمال شرق ایران، مورد استفاده قرار گرفته است. در این منطقه داده‌های باکیفیتی شامل نتایج مطالعات ژئوشیمی رسوب آبراهه‌ای، اطلاعات زمین‌شناسی، الگوی شکستگی‌های ساختاری و داده‌های دورسنجی موجود می‌باشند. پس از انجام مطالعه، دو مدل کانی‌زایی مختلف شامل ذخایر کرومیت انبانه‌ای و ذخایر طلا–آنتیموان اپی‌ترمال در این منطقه شناسایی شدند. سپس دقت نتایج بدست آمده از دو روش معرفی شده با استفاده از موقعیت اندیس‌های شناخته شده موجود در منطقه و روش منحنی تشخیص عملکرد نسبی (ROC) مورد ارزیابی قرار گرفت. همچنین نتایج بدست آمده با نتایج مطالعات ژئوشیمیایی تک‌متغیره و چندمتغیره و نتایج مدل‌سازی پتانسیل معدنی به روش منطق فازی نیز مقایسه گردید. به‌علاوه تأثیر اصلاح داده‌های خارج از ردیف بر نتایج مدل‌سازی ICA و PCA نیز مورد بررسی قرار گرفت. در این مطالعه مساحت زیر نمودار ROC برای مدل‌سازی کرومیت انبانه‌ای در PCA و ICA به‌ترتیب 0/922 و 0/967 و برای مدل‌سازی طلا-آنتیموان اپی‌ترمال 0/907 و 0/873 بوده است که نشان دهنده دقت بالای این روش‌ها در شناسایی مناطق امیدبخش معدنی در منطقه مورد مطالعه می‌باشد. همچنین روش‌های پیشنهاد شده در استفاده کمتر از قضاوت کارشناسی موفق بوده و تنها در مرحله تفسیر نتایج از دانش و تجربه کارشناسی بهره گرفته‌اند. به‌علاوه هر دو روش، بدون اطلاعات اولیه از منطقه مورد مطالعه، موفق به شناسایی هر دو نوع کانی‌زایی موجود در منطقه شده‌اند. این موارد می‌توانند گام‌های موثری در راستای استفاده آسان‌تر و موثرتر از روش‌های دانش‌محور مدل‌سازی پتانسیل معدنی در مطالعات اکتشافی باشند.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TN973.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}