بهزاد تخم چی - دانشکده معدن، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
حسین معماریان - دانشکده معدن، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
حسین احمدی نوبری - دانشکده مهندسی برق و کامپیوتر، قطب علمی کنترل و پردازش هوشمند، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
بهزاد مشیری - دانشکده مهندسی برق و کامپیوتر، قطب علمی کنترل و پردازش هوشمند، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران

درزه نگاری در پروژه های اکتشاف نفت و معدن، مطالعات ساختگاهی و زمین شناسی، اهمیت فوق العاده ای دارد. به طور معمول، بسته به هدف از مطالعه درزه ها، ویژگی های مختلفی از آنها به صورت برجا برداشت می شود. برای مثال در مطالعات مخزن، علاوه بر ویژگی های ساختاری، بررسی میزان بازشدگی و پرشدگی درزه ها و شبکه ارتباطی آنها، برای مدل سازی جریان سیال، اهمیت ویژه ای دارد. اما از آنجا که درزه ها ماهیت پیچیده ای دارند، اغلب شناخت آنها بدون رده بندی ممکن نیست. لذا توجه به این نکته ضروری است که در رده بندی درزه ها، از کلیه ویژگی های تاثیر گذار در تفسیر نتایج رده بندی استفاده شود. این در حالی ست که به صورت متداول، حداکثر دو ویژگی شیب و جهت شیب، برای رده بندی درزه ها مورد استفاده قرار می گیرند و دیگر ویژگی ها، نادیده گرفته می شوند. در این مقاله، روشی جدید برای رده بندی درزه ها ارائه شده است. برای بررسی کارایی و مزیت روش جدید، یک مجموعه مصنوعی از درزه ها، شامل ۸ دسته درزه ساخته شده است و برای هر درزه، ۴ ویژگی شیب، جهت شیب، میزان پرشدگی و نوع پرکننده در نظر گرفته شده است، به گونه ای که جدایش دسته درزه ها بر اساس ویژگی های شیب و جهت شیب ناممکن باشد. سپس برنامه هایی برای استفاده از روش رده بندی بیزین (Bayesian)، نوشته شده و در فضای ۴ بعدی نسبت به رده بندی داده های مصنوعی اقدام شده است. به این ترتیب اثبات شده که با دقت بسیار مطلوب تری، کلیه ۸ دسته درزه را می توان از هم تفکیک کرد.

درزه, رده بندی, خوشه بندی, ویژگی ها, بیزین