فرمت فایل : word (قابل ویرایش) تعداد صفحات : 20 صفحه
چکیده
از مدل سه لایهای روش نوین شبکههای عصبی مصنوعی (ANN) جهت پیشبینی عناصر طلا، آنتیموان و تنگستن در بخشهای مختلف استوک گرانیتوئید تاریکدره تربتجام استفاده گردید. این توده با استفاده از روشهای XRF, XRD و ICP-MS نیز مورد بررسی قرار گرفت. مطالعات ژئوشیمیایی نشان داد که این استوک، پرآلومینوس (A/CNK = 0.8-1.2) و کالکوآلکالن پتاسیم بالا (Na2O<K2O) است. آنومالی از بعضی عناصر همچون طلا، آنتیموان، تنگستن در توده گرانیتوئیدی به خوبی نشاندهنده غنی شدگی ماگما در طی تفریق از این عناصر میباشد. با استفاده از روش شبکههای عصبی مصنوعی در منطقه، تخمین محدوده مکانی آنومالیهای این عناصر در توده گرانیتوئیدی صورت گرفت. با کمک این شبکهها، عیار عناصر مختلف نیز در مناطق متفاوت توده گرانیتوئیدی، شبیهسازی و پیشبینی گردید. در میان عناصر موجود در شبیهسازی، پیشبینی مربوط به آنتیموان نسبت به سایر عناصر نتیجه بهتری داشته است که مطالعات ژئوشیمیایی نیز آن را تایید نمود. بر مبنای آزمایشات و مدلسازی، پیش بینی مطمئن درصد عیار عناصر Au، Sb و W در منطقه مورد مطالعه به گونهای امکانپذیر گردید که مدل، قابل تعمیم به مناطق مشابه نیز میباشد.
The geochemical, simulation and prediction of elemental grades in Tarik Dareh (Torbat Jam) area by Artificial Neural Networks (ANN) method
Abstract
A three-layer artificial neural network (ANN) model was developed to predict gold (Au), antimony (Sb) and tungestan (W) elements in different area of a granitoid stock in Tarik Dareh (Torbat Jam). The stock was examined by XRD, XRF and ICP-MS as well. The geochemical studies showed the stock is peralominous (A/CNK = 0.8-1.2) and high K calk alkaline (Na2O<K2O). The enrichment during differentiation of magma caused Au, Sb and W anomalous. The novel ANN method provided estimation of spatial elements anomalous for granitoid body in the area. By this method, the grade of different elements were predicted and simulated in different parts of the grantioid body. In comparison with other elements, the best result was obtained for antimony (Sb) which is in good agreement with geochemical data. On the basis experiments and modeling, an important objective was to obtain an ANN model that could make reliable prediction on the percentage of Au, Sb and W in the area and similar bodies.
Key words: ANN, ICP-Ms, I type granitoid, Au, Sb, W.
مقدمه
شبکههای عصبی مصنوعی زیر مجموعه ای از تکنیکهای هوش مصنوعی هستند که امروزه برای به کارگیری در حل بسیاری از مسائل، شامل حافظههای ارتباطدهنده، بهینه سازی، پی بینی، تشخیص و کنترل رایج شدهاند . ساختار و عملکرد شبکههای عصبی مصنوعی، از مغز انسان تقلید میکند و از تعدادی اجزای ساختاری ساده، اما با یک ارتباط پیچیده که به عنوان نرون شناخته میشوند، تشکیل شدهاند Strobl et al, 2007)).
نخستین گام در پیریزی شبکه های عصبی مصنوعی انتخاب داده های ورودی می باشد. یکی از مراحل مهم در پی ریزی شبکههای عصبی مصنوعی، پیش پردازش داده ها می باشد. پیش پردازش دادهها شامل انتخاب متغیرهای موثر، انتخاب الگوهای آموزشده و آزمون، دستهبندی الگوها و نیز استاندارد کردن الگوها میباشد. هدف از استاندارد کردن، همارزش کردن تمامی عناصر موجود در یک الگو است
فرمت فایل : word (قابل ویرایش) تعداد صفحات : 21 صفحه
چکیده
در این تحقیق روش جدیدی برای پوشش دادن سطوح فلزی به روش مکانوشیمیایی ارائه شده است. زیرلایه مورد استفاده در این روش میتواند به عنوان محفظه، یا قسمتی از محفظه آسیا و یا به عنوان گلولههای آسیا باشد. در این پژوهش سطوح استوانههای آلومینیومی با کامپوزیت WC-Al2O3 به روش مکانوشیمیایی پوشش داده شد. دستگاه آسیای مورد استفاده از نوع آسیای آزمایشگاهی ماهوارهای بوده، و جنس گلولهها و ظرف حاوی گلولهها و پودر مورد نظر آلومینایی است. مخلوط پودری WO3 و کربن همراه زیرلایه آلومینیومی با گلولههای آلومینایی در محفظه آسیا با سرعت RPM350 آسیاکاری شد. در حین آسیاکاری واکنش شیمیایی بین مخلوط پودری و زیرلایه آلومینیومی WO3+C+Al انجام شده و با توجه به اینکه این واکنش به شدت گرمازا است، لایه کامپوزیتی WC+Al2O3 روی سطح زیرلایه آلومینیومی تشکیل میشود. از آنجایی که پوشش در حین آسیاکاری تشکیل میشود ممکن است که پوشش تشکیل شده به صورت نانوساختار باشد. پراش اشعه X (XRD) و میکروسکوپ الکترونی روبشی (SEM) برای بررسی ترکیبات تشکیل دهنده، اندازه کریستالیت و ضخامت پوشش مورد استفاده قرار گرفت. با توجه به نتایج بدست آمده، به نظر میرسد که به کمک این روش جدید و گرمازایی بالای واکنش در حین آسیاکاری فصل مشترک بین پوشش و زیرلایه استحکام بالایی داشته باشد. همچنین این روش قابلیت ایجاد پوششهایی با ترکیبهای متفاوت روی زیرلایههای مختلف را دارا است. از کاربردهای اصلی برای این تکنیک میتوان به ایجاد پوشش روی سطوح داخلی لولههای فلزی اشاره کرد.
مقدمه
آلیاژسازی مکانیکی یکی از روشهای سادهای برای سنتز مواد پایدار و نیمهپایدار در دمای اتاق است، که ترکیبات بین فلزی، مواد آمورف از جمله این مواد هستند[1و2]. در عملیات آسیاکاری همیشه مقداری از مخلوط پودر مورد نظر روی گلولهها و دیواره داخلی ظرف باقی میماند که نسبتا چسبندگی بالایی نیز دارد، از آنجایی که در حین عملیات آسیاکاری مقدار تنش زیادی به پودر توسط گلولهها وارد میشود بدین ترتیب حتی ممکن است که پوشش ایجاد شده به صورت نانوساختار باشد[3]. امروزه براساس این پدیده به کمک آسیاکاری پوششهایی روی سطوح زیرلایههای فلزی ایجاد کردهاند. زیرلایه میتواند به صورت ورقی متصل به دیواره ظرف و یا تکهای همراه با گلولهها آسیاکاری شود. انرژی برخورد گلولهها میتواند منجر به واکنش بین لایه سطحی زیرلایه و مخلوط پودری شود[3،4و5]. در برخی مواقع گرمازایی واکنشهای انجام شده در حین آسیاکاری منجر به ذوب موضعی زیرلایه شده و بدین ترتیب فصل مشترک با استحکام بالا تشکیل خواهد شد. همچنین اگر زیرلایه به اندازه کافی نرم باشد ذرات پودری سخت در سطح زیرلایه فرو رفته و پوشش مورد نظر به کمک پدیده جوش سرد به سطح زیرلایه متصل شوند. البته فصل مشترک این نوع پوشش که در آن واکنش شیمیایی صورت نگرفته است، استحکام بالایی نخواهد داشت