Comparison of Ordinary Kriging and Deep Learning Methods in Grade Estimation: A Pilot Study on the Sırakayalar Au Mineralization (NW Türkiye)

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Mühendislik Fakültesi, Jeoloji Mühendisliği Bölümü, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: İngilizce

Öğrenci: Ali Buğra Özgün

Danışman: Ali İmer

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bir cevher yatağının kaynak tahmini, projenin finansmanını ve nihayetinde fizibilitesini belirlediği için ileri arama projesi için çok önemli bir adımdır. Bu kapsamda, 20. yy' dan buyana maden kaynak tahmini için jeoistatiksel yaklaşımlar kullanılmaktadır. Son zamanlarda, artan teknolojiyle beraber güçlenmiş bilgisayarların yardımlarıyla jeoistatiksel yaklaşımlar daha yaygın hale gelmiştir. Makine Öğrenmesi algoritmaları da aynı evrime tabi olmuştur. Makine öğrenmesi karmaşık görevler üzerinde geleneksel yöntemlerden çoğu zaman daha iyi sonuçlar göstermektedir. Bu çalışma, Çanakkale Lapseki' deki bulunan Sırakayalar altın çevherleşmesinde tenör tahmini çalışmasında Ortalamasız Kriging (OK) ve Derin Öğrenme (DÖ) uygulamalarını, sonuçların karşılaştırılmasını ve avantaj & dezavantajlarını, sınırlarını ve uygulamada uygun olabilecek ortamları ortaya koymak amacıyla Sırakayalar Cevherleşmesi' nde gerçekleştirilmiştir. Sırakayalar'daki altın cevherleşmesi, silika, killer ve Fe-Ti oksitlerden oluşan ince taneli bir matris içinde taşınmış ve mekanik olarak parçalanmış düşük sülfürlü epitermal tarzı damar parçalarından oluşan bir yamaç moloz zonunda yer almaktadır. Çalışmanın metodolojisi, uygulamadan önceki veri işleme, kümelendirme, OK uygulamaları için variogramlar, blok model ve arama kriterlerinin kurgusu ve DÖ için optimizasyon ve aktivasyon fonksiyonlarını seçimi ve 3B ağırlık fonksiyonunu oluşturmayı kapsamaktadır. OK tahmin için otokorelasyon fonsiyonunu kullanırken DÖ 3B ağırlık fonksiyonlarını kullanmaktadır. Her iki yöntem de yerel anomalileri göstermektedir. Dolayısıyla, yorum kabiliyeti ve tahmin gücü arasında değişimler bulunmaktadır. OK, tüm adımlar için şeffaflık gösterirken, DÖ kara kutu gibi davranmaktadır. OK, boşluklu yapılardaki verilerde uygulanabilirken, DÖ büyük veri setleri ve durağan yapıda kümeler için daha uygun yapıya sahiptir. Gelecekte, hibrit modellerin kullanımı, blok bazlı fonksiyonların ve kutupsal koordinatlar kullanılarak modelleme incelenebilir.