جزوه رنگی و تایپ شده نقشه برداری معدنی
احمد قربانی دانشگاه پیام نور علمی کاربردی رحمت الله استوار دانشگاه آزاد الهام ساعينيا کارشناسی ارشد محم جزوه ضا
ً - ()، () – - ٪ :؛ ; ؛ () [ 1 ، 2 ]، [ 3 ، 4 ]، [ 5 ، 6 ]، [ 7 ، 8 ]، [ 9 ] ] [ 14 , 15 , 16]. ً، [ 17 ، 18 ، 19 ]. -[ 20 ].
[ 21 ] [ 22 ] ً، () [ 23 ، 24 ]. [ 25 ، 26 ، 27 ].
()، () (). [ 28 ]، ً [ 29 ]. () () [ 30 ، 31 ]. : ( ). [ 32 ]، [ 33 ] : -( ) [ 33 ]. ( ) [ 33 ].
( ). [ 34 ، 35 ].
[ 35 ].
[ 36 ، 37 ، 38 ، 39 ]. —-[ 32 ، 1 ، 4 ، 4 ، 4 ، 4 ، 4 ، 4 و 4 ] . [ 42 ، 46 ]]. [ 47 ، 48 ]. [ 21 ].
ً -() () ()، [ 49 ] () () ().
()، -() :() [ 50 ]، [ 51 ] -[ 52 ، 53 ]. () ()
-از دولومیت استفاده کرد که دارای ویژگی جذبی با قدر مشابه است اما در طول موج های کوتاه تر، تقریباً 2315-2320 نانومتر [ 44 ]. [ 37 ، 54 ] ( ) [ 10 , 55] [ 56 ]. ً ( ) () [ 57 ] [ 25 ] (). () () [ 58 ]. تکنیک نسبتا ساده است و می تواند از داده های آموزشی از منابع مختلف استفاده کند. زمان محاسبات معمولاً کوتاه است.
ماشین بردار پشتیبان (SVM) تکنیکی است که از تئوری یادگیری آماری مشتق شده است، که طبقات را با سطح تصمیم گیری جدا می کند که مرز بین کلاس ها را به حداکثر می رساند [ 59 ، 60 ، 61 ]. بردارهای پشتیبان یا نقاط داده نزدیک به سطح تصمیم، عناصر مجموعه آموزشی هستند. مطالعات قبلی گزارش میدهند که این تکنیک نتایج قابل اعتمادی را با دادههای پر سر و صدا به همراه میآورد، اگرچه زمان آموزش بسته به مقدار دادههای آموزشی ورودی میتواند طولانی باشد [ 62 ]. یک اشکال در الگوریتم SVM عملکرد ضعیف گزارش شده آن در طبقه بندی داده های فراطیفی با مدلی است که از داده های آموزشی مستقل [ 63 ] آموخته شده است، به طور بالقوه به دلیل تفاوت در روشنایی [ 64 ]]. یک تابع هسته برای تعیین وزن ٪ [ 65 ]. ]. 
( ). ( )) / % % % % % ). ( )، ( ) ( ).
( ) ( ) : ( – ) ( -) ( – ) ( – ) ( – ) [ 66 ]، (%) () (%؛ %؛ ) داشتند. زیرا SVM برای تعریف توابع بر اساس داده های آموزشی واقع در نزدیکی مرزهای تصمیم بهینه شده است [ 67 ]]، احتمالاً دقیقترین تکنیک از سه روشی است که برای جدا کردن کلاسهای مشابه طیفی تلاش شد. SVM قبلاً برای طبقهبندی خاکها و مواد کربناته در تصاویر فراطیفی [ 68 ] استفاده میشد و در سیاهههای مربوط به پتروفیزیک برای مشخص کردن رخسارههای مخزن کربناته استفاده میشد [ 69 ]. SAM کمترین دقت کلی را داشت، احتمالاً به دلیل تکیه آن بر شکل منحنی برای جداسازی طبقات.
HSI مبتنی بر آزمایشگاه میتواند تخمینهایی از فراوانی مواد معدنی ارائه دهد ( )، [ 70 , 71 ]] [ 72 ]
فهرست مطالب