جستجوي پيشرفته | کتابخانه مجازی الفبا

هدف از انجام این پروژه ارائه نقشه پتانسیل کانی زایی سرب و روی بر پایه دورسنجی در برگه های 1:100000 بهابادی و اسفوردی است. در این راستا روش های جدید دورسنجی بر روی مجموعه داده های ماهواره ای انجام شده و نقشه های پتانسیل کانی زایی سرب و روی در منطقه مورد مطالعه تهیه شده است. بر اساس مطالعات و گزارشات موجود، کانسارهای سرب و روی منطقه را می توان در دو دسته ماسیوسولفاید با میزان رسوبی – آتشفشانی (سدکس) و رگه ای هیدروترمال با سنگ میزبان کربناته تقسیم بندی نمود. کانسارهای سدکس دارای میزابان شیلی (وندین) بوده و اغلب بصورت سولفید می باشند. کانسارهای رگه ای هیدروترمال دارای کانی سازی غیر سولفیدی بوده و بیش از 90 ? آنها در دولومیت شتری واقع شده است. با مطالعه گزارشهای اکتشافی معادن و محدوده های معدنی شناخته شده منطقه و بر اساس مدل سازی انجام شده، پدیده های قابل تشخیص توسط داده های دورسنجی مشخص شده ومیزان ارتباط مکانی این پدیده ها با نهشته های شناخته شده تعیین شد و برای به نقشه درآوردن آنها، روش های مختلف پردازش تصویر بر اساس طیف های مرجع اخذف شده از تصویر (داده Aster) در محدوده های طیفی مناسب از لحاظ وجود پدیده طیفی (جذب یا انعکاس) اعمال شد. با ارزیابی نتایج حاصل با استفاده از نقشه های زمین شناسی 1:100000 ، 1:20000 و مقیاس بزرگتر محدوده ها و معادن موجود در منطقه و نیز کنترل زمینی، بهترین روش ها از لحاظ نتیجه، روش های انطباق مشخصه طیفی، فیلتر تطبیقی، فاصله ماهالانوبیس، کمترین فاصله از میانگین، بیشترین تشابه، متواز الاضلاع و نقشه بردار زاویه طیفی انتخاب شدند. برای تلفیق نقشه های نشانگر حاصل از مطالعات دورسنجی و سایر لایه های اطلاعاتی از روش منطق فازی استفاده شد. توابع فازی OR و Gammaبرای تلفیق پدیده هایی که دارای ارتباط فضایی مثبت با نهشته های منطقه مورد مطالعه بودند، بکار برده شده و در نهایت نقشه پتانسیل معدنی برای کانسارهای سرب و روی منطقه ارائه شده است. موقعیت سیزده معدن و محدوده شناخته شده برای ارزیابی نقشه پتانسیل نهایی مورد استفاده قرار گرفت. با در نظر گرفتن امتیازهای فازی 0/53 و 0/62به عنوان معیاری برای تقسیم منطقه مورد مطالعه به دو بخش مطلوب و غیر مطلوب، به ترتیب 90 و 50 درصد از نهشته های تیپ رگه ای هیدروترمال منطقه مورد مطالعه در ناحیه مطلوب قرار گرفت همچنین امتیازهای فازی 0/62و 64/0 به ترتیب 100 و 67 درصد از نهشته های شناخته شده نوع سدکس را در محدوده مطلوب قرار داده است.

امروزه بیش از ?? درصد از دانش ما به صورت متن، مستندات و دیگر صورت‌های رسانه ای نظیر ویدیو و صدا نگهداری می‌شود. اگر از دید علوم کامپیوتری به این مستندات نگـاه کنیم هـمه آن‌ها به طبیعتی غیر ساخت یافته وابسته‌اند. یک فرد برای دریافت دانش از اطلاعات یک متن، باید ابتدا آن‌را درک کند و سپس آن‌را پردازش کند تا بفهمد چه معانی و مفاهیمی در آن موجود است، چه ارتباطی میان مفاهیم وجود دارد و از میان این مفاهیم کدامیک جدید و کدامیک قدیمی است. حال اگر فردی سوالی هرچند ساده داشته باشد بار دیگر باید همان روند طولانی قبلی را طی کند. سیستم‌های پرسش و پاسخ (QAS) به کمک یک مجموعه داده که در اختیار آن است (اینترنت یا داده های متنی و یا هر داده مورد نیاز) پرسش را تحلیل می‌کند و برای آن سوال مناسب‌ترین جواب را پیدا می‌کند. از اولیه‌ترین کارها پردازش سوال برای پیدا کردن پاسخ و پیدا کردن بهترین پاسخ در بین مجموعه ای پاسخ‌ها مورد نظر می‌باشد که مقالات بسیاری با الگوریتم‌های اکتشافی متفاوتی ازجمله ژنتیک و ماشین بردار پشتیبان و یا حتی روش آماری (پیشنهاد داده شده است) در این زمینه کار کرده‌اند که همه با درصد های خوبی به نتیجه مطلوب رسیده‌اند. ما سعی بر آن داریم در صورت امکان برای بهبود بیشتر پاسخ درست از الگوریتم فاخته (COA) برای دسته بندی‌های موجود در سیستم پرسش و پاسخ استفاده کنیم. الگوریتم فاخته برای دسته بندی پاسخ ها و برای استخراج بهترین پاسخ و در آنتولوژی یک کلمه که دارای چندین معنای مختلف می‌باشد، معناهای مختلف را از WordNet استخراج و انتخاب معنای درست در حوزه خاص از الگوریتم‌های بهینه سازی فاخته بهره ببریم.