Mojeddifar S, Ostadmahdi Eragh N. Application of Support Vector Machine Algorithm to Discriminate the Hydrothermal Alteration Zones Using ASTER Sensor. Journal of Engineering Geology 2019; 13 (2) :317-338
URL:
http://jeg.khu.ac.ir/article-1-2702-fa.html
مجدی فر سعید، استاد مهدی عراق نسترن. کاربرد ماشین بردار پشتیبان در تفکیک زونهای دگرسانی هیدروترمال با استفاده از سنجنده آستر . نشریه زمین شناسی مهندسی. 1398; 13 (2) :317-338
URL: http://jeg.khu.ac.ir/article-1-2702-fa.html
1- دانشگاه صنعتی اراک ، mojeddifar@yahoo.com
2- دانشگاه صنعتی اراک
چکیده: (5039 مشاهده)
در این پژوهش با استفاده از سنجنده آستر تلاش شده است کاربرد الگوریتم ماشین بردار پشتیبان در تفکیک دگرسانیهای هیدروترمال ذخایر مس پورفیری بررسی شود. برای آموزش این الگوریتم در مجموع 2204 پیکسل از مناطق کانیسازی شده انتخاب شد. باندهای 4، 6، 7 و 8 سنجنده آستر برای شناسایی دگرسانیهای فیلیک و آرژیلیک و 9 باند محدودۀ مرئی و مادون قرمز نزدیک برای شناسایی دگرسانی پروپیلیتیک بهعنوان ورودی این الگوریتم انتخاب شدند. بهمنظور ارزیابی خطای طبقهبندی، ماتریس درهم آمیختگی بررسی شد. نتایج ماتریس در هم آمیختگی بیانگر آن است که خطای طبقهبندی برای زون فیلیک و آرژیلیک نسبتاً بالاست و امکان تفکیک این دو زون به سادگی امکانپذیر نیست در حالیکه دگرسانی پروپیلیتیک بهخوبی طبقهبندی شده است. همچنین این تحقیق تابع خطای جدیدی بهنام خطای کور را تعریف کرد که با استفاده از ماتریس درهم آمیختگی نسبت پیکسلهای دگرسان طبقهبندی نشده را محاسبه میکند. بر اساس مقدار این خطا، ماشین بردار پشتیبان 6/73 درصد از پیکسلهای دگرسان را طبقهبندی نمیکند. همچنین صحت کل طبقهبندی الگوریتم ماشین بردار پشتیبان برابر06/66 درصد و ضریب کاپا برابر6522/0 است.
موضوع مقاله:
ژئوفیزیک مهندسی دریافت: 1396/7/9 | پذیرش: 1397/5/13 | انتشار: 1397/5/29