چکیده: وجود تعداد قابل توجهی از معادن کوچک و بزرگ و اندیس های معدنی کرومیت و هم چنین شرایط مساعد زمین شناسی، سبب شده تا کمربند افیولیتی سبزوار به عنوان یکی از مناطق امیدبخش کانی زایی کرومیت در ایران تبدیل شود. ولی به علت عدم به کارگیری روش های اکتشافی مناسب و صحیح و نیز عدم وجود یک مدل اکتشافی مناسب و فراگیر، بیش تر ذخایر معدنی به صورت ناقص شناسایی و استخراج شده اند. بنابراین با توجه به ضرورت مطالعه در این خصوص، مدل سازی پتانسیل معدنی ذخایر کرومیت تیپ انبانه ای در دو مقیاس ناحیه ای و محلی هدف اصلی این تحقیق در نظر گرفته شد. برای نیل به این هدف کلیه ی ویژگی های مرتبط با کانی زایی کرومیت به صورت لایه ی مجزا تهیه و با استفاده از روش های مختلف در محیط سامانه ی اطلاعات جغرافیایی تلفیق و ترکیب شدند. با توجه به این که در رسیدن به این هدف، خطاهای تصادفی و نظام مند حاصل از قضاوت کارشناسی و تخصیص اوزان اریب به نقشه های شاهداکتشافی سبب عدم قطعیت و قابلیت اطمینان پایین مدل های پتانسیل تولیدی می شوند، در این تحقیق از روش های داده محور بهبودیافته و پیوسته برای شناسایی مناطق امیدبخش کانی زایی در دو مقیاس ناحیه ای و محلی استفاده شد. در این راستا، ابتدا بر اساس تحلیل سیستم کانی سازی ذخایر کرومیت تیپ انبانه ای و هم چنین مجموعه داده های اکتشافی در دسترس، معیارهای اکتشافی ناحیه-ای و محلی شناسایی و سپس الگوهای شاهد معرف کانی سازی در مقیاس ناحیه ای (الگوهای زمین-شناسی و ژئوشیمیایی) و محلی (الگوهای زمین شناسی و ژئوفیزیکی) با استفاده از روش های بصری و عددی استنتاج و به روش پیوسته وزن دهی شدند. سنجش قرابت فضایی نقشه های شاهد ناحیه ای پیوسته با کانی زایی به وسیله ی نمودارهای نرخ پیش بینی- مساحت و مشخصه ی عمل کرد سیستم نشان داد که همه ی این نقشه ها، شاخص های با اهمیت بوده و نقش مؤثری در تهیه ی مدل اکتشافی دارند. هم چنین، الگوهای شاهد معرف کانی سازی در مقیاس ناحیه ای به روش دانش محور (گسسته) برای مقایسه با الگوهای شاهد پیوسته وزن دهی و پس از تلفیق لایه ها، ارزیابی شدند. در این تحقیق، از روش های داده محور شبکه ی عصبی- فازی، جنگل تصادفی و توابع ریاضیاتی برای تلفیق نقشه های شاهد پیوسته در مقیاس ناحیه ای استفاده شده است. علاوه بر این، ارزش های شاهد مکانی وزن دار گسسته نیز به وسیله ی شبکه ی عصبی- فازی ترکیب شدند. نتایج این تحقیق نشان می دهد که مدل پتانسیل عصبی- فازی تولیدی با استفاده از ارزش های شاهد مکانی وزن دار پیوسته کارایی بهتری نسبت به مدل پتانسیل عصبی- فازی تولیدی با استفاده از ارزش های شاهد مکانی وزن دار گسسته دارد. از بین تمامی مدل-های پتانسیل تولیدی در مقیاس ناحیه ای، مدل پتانسیل معدنی حاصل از روش جنگل تصادفی با عملکرد مناسب، برای انتخاب یک محدوده جهت انجام عملیات اکتشافی در مقیاس محلی استفاده شد. هم چنین به منظور شناسایی نقشه های شاهد اکتشافی مناسب و ارزیابی عملکرد مدل های پتانسیل معدنی، نمودار نرخ پیش بینی- مساحت بهبودیافته با لحاظ نمودن سه معیار مهم نرخ پیش بینی نقاط واجد کانی زایی، نرخ پیش بینی نقاط فاقد کانی زایی و مساحت دربر گیرنده ی اهداف اکتشافی توسعه داده شد که با لحاظ معیارهای بیش تر؛ نقش مؤثری در شناخت نقشه های شاهد اکتشافی مهم و انتخاب مدل های پتانسیل معدنی معتبر دارد. در این تحقیق، از عمل گرهای گامای فازی و میانگین هندسی برای تلفیق نقشه-های شاهد پیوسته، جهت تعیین مناسب ترین نقاط برای حفاری در مقیاس محلی استفاده شد. با مقایسه ی نتایج حاصل از عملگرهای مختلف، با عنایت به نگاه بدبینانه در مدل میانگین هندسی؛ نواحی مستعد کانی زایی حاصله محدودتر بوده و وسعت کم تری را پوشش داده است، بنابراین به نظر می رسد احتمال رسیدن گمانه های اکتشافی به ماده ی معدنی کرومیت در نواحی پتانسیل دار حاصل از این مدل بالاتر است.