چکیده: منطقه کیوی در استان اردبیل (شمال غربی‏ایران) واقع شده که یکی از مناطق بالقوه برای کشف عناصر فلزی است. مطالعات زمین‏شناسی، ژئوشیمیایی، آماری و زمین آماری، سنجش از دور، ژئوفیزیک هوابرد و زمین ساختاری ابزارهای مفیدی برای اکتشاف مواد معدنی در‏این منطقه است. هدف اصلی‏این مطالعه پردازش داده‏ها (نمونه‏های رسوب آبراهه‏ای، تصاویر ماهواره‏ای، برداشت‏های ژئوفیزیک هوابرد مغناطیس، گسل‏های منطقه و زمین‏شناسی) به منظور شناسایی ناهنجاری‏های کانی‏زایی فلزی است. در ابتدا، داده‏های ژئوشیمیایی رسوبات رودخانه‏ای خام با استفاده از روش دورفل اصلاح شد. سپس، پردازش آماری تک متغیره انجام و منتج به انتخاب تیتانیوم و روی به عنوان عناصری که بهترین کنتراست را دارند شد. رابطه بین عناصر با استفاده از تحلیل همبستگی و خوشه بندی سلسله مراتبی بررسی شد. با توجه به نتایج، مشخص شد که تیتانیوم و روی نقش بسزایی در کانی‏زایی منطقه دارند. آنالیز مؤلفه‏های اصلی به منظور انتخاب مؤلفه شاخص کانی‏زایی مربوط به‏این عناصر انجام شد. مؤلفه انتخاب شده بر روی نقشه زمین‏شناسی منطقه ترسیم و همچنین حدود آستانه ژئوشیمیایی نمونه‏های ناهنجار با استفاده از نمودار احتمال و فرکتال غلظت-مساحت تعیین گردید. عناصر مربوط به تیتانیوم و روی با استفاده از حد آستانه و تجزیه و تحلیل تمایز خطی (LDA) شناسایی شدند. واحدهای سنگ‏شناسی و الگوهای تغییرات بوسیله سنجش از دور (روش‏های: BR، DSPCA و MNF) تشخیص داده شد. با استفاده از برداشت‏های هوایی مغناطیس، داده‏های ژئوفیزیک هوابرد مدل سازی و منطقه منتخب دارای پتانسیل فلز زایی شناسایی گردید. با نگاهی به نقشه گسل‏های منطقه و وجود گسل کیوی در منطقه شناسایی شده می‏ احتمال کنترل کانی زایی بوسیله گسل‏ها نیز بررسی گردید. نتایج حاصل از بررسی‏های آماری بر روی داده‏های ژئوشیمیایی، سنجش از دور، ژئوفیزیک هوابرد، زمین‏شناسی و ساختاری، ناهنجاری تیتانیوم و روی را در قسمت شرقی منطقه مورد مطالعه شناسایی کرد. بر اساس‏این مطالعه، Ti و Zn به عنوان عناصر رهگیر خوبی برای تحقیقات بیشتر در منطقه کیوی شناخته شده‏اند. طبق‏این دلیل مهم، رفتار دو عنصر تیتانیوم و روی به همراه موقعیت جغرافیایی آن‏ها مورد مطالعه رفتارسنجی کا-میانگین قرار گرفت و با استفاده از آن‏ها به عنوان کلید اکتشافی دیگری، مقدار تیتانیوم در منطقه با شبکه عصبی مصنوعی و رگرسیون پیش‏بینی گردید که البته شبکه عصبی مصنوعی پاسخ‏هایی با صحت بیشتر و رگرسیون مراکز کا-میانگین پاسخ‏هایی با دقت شناسایی موقعیت آنومالی بهتر را ارائه نمود.