چکیده: عدم قطعیت با جهان واقعیت آمیخته است و ارائه دقیق از واقعیت همیشه ممکن نیست. مدل سازی و تخمین گسترش کانی سازی به سبب حضور ابهامات در داده های اکتشافی نیز از این اصل مستثنی نیست و اجتناب از عدم قطعیت در مدل سازی داده های اکتشافی معمولاٌ مشکل بوده و ارائه میزان تقریبی آن در تصمیم گیری نهایی امری ضروری محسوب می گردد. در این پژوهش به ارائه ی روشی بهینه، حاصل از تلفیق روش‌های دانش محور و داده محور تئوری توابع برآورد (دمستر- شیفر) پرداخته شد. برای این منظور ابتدا یک سری داده مصنوعی تولید گردید و هر یک از روش های داده محور و دانش محور با استفاده از آن داده بررسی و روشی برای تلفیق داده محور و دانش محور تئوری توابع برآورد پیشنهاد گردید. این روش ها با داده های واقعی که از محدوده معدنی آهن ایران مرکزی دریافت گردیده نیز بررسی و کارایی آن ها بررسی شد و در نهایت نتایج روش های مختلف با یکدیگر مقایسه گردید. بهترین نتایج را روش تلفیقیِ شبکه عصبی مصنوعی و FAHP (Fuzzy-AHP) با داده های موجود از خود نشان داد. کلمات کلیدی: دمپستر شیفر، توابع برآورد، ترکیب اطلاعات، پتانسیل‌یابی آهن، ایران مرکزی، شبکه عصبی مصنوعی، Fuzzy، AHP عدم قطعیت با جهان واقعیت آمیخته است و ارائه دقیق از واقعیت همیشه ممکن نیست. مدل سازی و تخمین گسترش کانی سازی به سبب حضور ابهامات در داده های اکتشافی نیز از این اصل مستثنی نیست و اجتناب از عدم قطعیت در مدل سازی داده های اکتشافی معمولاٌ مشکل بوده و ارائه میزان تقریبی آن در تصمیم گیری نهایی امری ضروری محسوب می گردد. در این پژوهش به ارائه ی روشی بهینه، حاصل از تلفیق روش‌های دانش محور و داده محور تئوری توابع برآورد (دمستر- شیفر) پرداخته شد. برای این منظور ابتدا یک سری داده مصنوعی تولید گردید و هر یک از روش های داده محور و دانش محور با استفاده از آن داده بررسی و روشی برای تلفیق داده محور و دانش محور تئوری توابع برآورد پیشنهاد گردید. این روش ها با داده های واقعی که از محدوده معدنی آهن ایران مرکزی دریافت گردیده نیز بررسی و کارایی آن ها بررسی شد و در نهایت نتایج روش های مختلف با یکدیگر مقایسه گردید. بهترین نتایج را روش تلفیقیِ شبکه عصبی مصنوعی و FAHP (Fuzzy-AHP) با داده های موجود از خود نشان داد.