بهبود روشهای آنالیز مولفه های وابسته (DCA) در جداسازی داده های فراطیفی با هدف کانی شناسی در منطقه لاهرود
نام عام مواد
[پایاننامه]
نام نخستين پديدآور
/سولماز بابکان
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی معدن
تاریخ نشرو بخش و غیره
، ۱۳۹۴
مشخصات ظاهری
نام خاص و کميت اثر
۱۵۱
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به کتابنامه ، واژه نامه و نمایه های داخل اثر
متن يادداشت
کتابنامه در آخر پایان نامه
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری
نظم درجات
اکتشاف
زمان اعطا مدرک
۱۳۹۴/۱۲/۰۰
کسي که مدرک را اعطا کرده
صنعتی سهند
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
در این رساله به بهبود روشهای آنالیز مؤلفههای وابسته (DCA) در جداسازی دادههای فراطیفی با هدف کانیشناسی در بخشی از تصویر هایپریون منطقه لاهرود پرداخته شده است .الگوریتم DECA و روش آنالیز مؤلفههای مستقل چندبعدی (MICA) از جمله روشهای DCA هستند که در این رساله ارتقاء عملکرد آنها از طریق ایجاد تغییراتی در روند اجرایی آنها بررسی شده است و از پنج فصل شامل کلیاتی در مورد جداسازی فراطیفی( فصل اول)، معرفی محدودههای مطالعاتی( فصل دوم)، پیشپردازش( فصل سوم)، روشهای پردازش تصویر( فصل چهارم) و نتایج و پیشنهادات( فصل پنجم) تشکیل شده است .جهت کسب اطلاعات اولیه از منطقه لاهرود و در عین حال بررسی نقش تصحیح اثر انحنای طیفی، نقشه پراکندگی کانیها در منطقه توسط روشهای استاندارد پردازش تصویر قبل و بعد از اعمال این تصحیح تهیه گردید .حذف خطوط کانیها در نقشه نهایی( اختصاص خطی پیکسلهای مجاور به کانی خاص)، حاکی از بهبود صحت طبقهبندیها پس از اعمال تصحیح میباشد .ارزیابی کمی نقشه نهایی بر اساس نقشه زمینشناسی دلالت بر عملکرد خوب روش در جداسازی فراطیفی و تهیه نقشه کانیایی دارد .روش MICA بطور عملی در تجزیه منابع وابسته بکار میرود که در محیطهای زمینشناسی بعلت حضور توأم مجموعه کانیهای پاراژنز بسیار معمول میباشد .این روش با تعریف مؤلفههای چندبعدی از طریق خوشهبندی منابع تکبعدی، بطور واقعبینانهتری برقراری شرط استقلال بین گروههای سیگنالی را بجای استقلال کامل تکتک منابع جهت جداسازی آنها میصپذیرد .با توجه به فقدان اطلاعات اولیه در مورد منابع و روابط بین آنها در منطقه در مطالعات زمینشناسی، با بکارگیری آنالیز خوشهای در تعیین مؤلفههای چندبعدی، روش جدید MICA تعمیمیافته معرفی میگردد .روش پیشنهادی برای شناسایی مجموعه کانیهای پاراژنز استفـاده، و با توجه به مشخصه تنوع کانیشناسی در محدوده معدنی کوپریت نوادا بر اساس نقشههای کانیشناسی و آلتراسیونی موجود اعتبارسنجی شده است .ارزیابی نتایج دلالت بر عملکرد خوب روش در تهیه نقشه زونهای آلتراسیونی بعنوان یک راهنمای اکتشافی حائز اهمیت دارد .در الگوریتم DECA با هدف جداسازی فراطیفی از مدل مخلوط دیریکله (DMM) برای مدلسازی فراوانی منابع استفاده میشود. بکارگیری الگوریتم بیشینهسازی امیدریاضی (EM) در تخمین پارامترهای مدل منجر به ایجاد برخی نارساییها در بازیابی مؤثر منابع میگردد .لذا با جایگزینی روشهای بیزین در فرایند تخمین پارامتر، الگوریتم تعمیمیافته DECAGibbs در دو مدل مستقیم و غیرمستقیم از مدلسازی مشاهدات جهت بهبود صحت جداسازی معرفی میگردد. ارزیابی الگوریتم پیشنهادی توسط دادههای مصنوعی متعدد و تصویر اویریس کوپریت نوادا بیانگر بهبود عملکرد آن میباشد. در نهایت مدل غیرمستقیم با بهترین عملکرد، بر تصویر هایپریون لاهرود جهت تهیه نقشه کانیایی بکار گرفته شد .بنابراین، با توجه به اهمیت فرایند تخمین مؤثر پارامترها در کاربرد عملی مدلهای مخلوط، عملکرد الگوریتم DECA با بکارگیری روشهای تخمین پارامتر بیزین در این رساله ارتقا داده شده است
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
نقشه برداری کانیها
موضوع مستند نشده
روش آنالیز مولفه های مستقل چند بعدی MICA))
موضوع مستند نشده
الگوریتم DECAGibbs
موضوع مستند نشده
آنالیز خوشه ای
موضوع مستند نشده
تخمین پارامتر بیزین
موضوع مستند نشده
نمونه بردارگیبس
موضوع مستند نشده
مدل مخلوط دیریکله
موضوع مستند نشده
جداسازی فراطیفی
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )