گابرو(Gabbro)
گابرو يك سنگ آذرين دروني(سنگ نفوذي تمام بلورين) بازيك که داراي بافت فانريتي بوده وکانيهاي (فرومنيزين ،اوژيت ، هيپرستن يا اوليوين و گاهي هورنبلند25 تا 50 درصد) ، (پلاژيوکلازهاولابرادوريت يا بيتونيت 45 تا 70 درصد ) در آن ديده ميشود. اگرپلاژيوکلازها اسيدي تر از لابرادوريت باشند سنگ جزء دسته ديوريتها است. عدهاي از سنگ شناسان بعضي از سنگهاي کم سيليس سياه رنگ را که داراي اليوين است و پلاژيوکلازهاي آن جز آندزينها ميباشد، از اين دسته به شمار ميآورند.
· گابرو : اوژيت و پلاژيوکلازهاي کلسيک
· اوليوين گابرو : اوژيت ، اوليوين و پلاژيوکلازهاي کلسيک
· تروکتوليت : اليوين و پلاژيوکلازهاي کلسيک
· نوريت : هيپرستن و پلاژيوکلازهاي کلسيک
· آنورتوزيت : پلاژيوکلازهاي متوسط تا کلسيک
·
این مقاله مقدمه ای بر شبکه های عصبی مصنوعی است. گونه های مختلف شبکه های
عصبی توضیح و شرح داده شده است و کاربرد های شبکه های عصبی، نظیر ANN ها در
پزشکی بیان شده و همچنین سابقه ای تاریخی از آن به تفصیل آورده شده است. همچنین
رابطه بین چیزهای ساختگی و واقعی مورد بررسی قرار گرفته و در مورد آن توضیح داده شده
است و سر انجام به شرح مدل های ریاضی در رابطه با این موضوع می پردازیم.

مقدمه :
یک شبکه عصبی چیست؟
یک شبکه عصبی مصنوعی (Artificial Neural Network (ANN)) ایده ای است برای پردازش
اطلاعات که از سیستم عصبی زیستی الهام گرفته شده و مانند مغز به پردازش اطلاعات
می پردازد . عنصر کلیدی این ایده ، ساختار جدید سیستم پردازش اطلاعات است. این
سیستم از شمار زیادی عناصر پرداز شی فوق العاده بهم پیوسته تشکیل شده (neurons)
که برای حل یک مسأله با هم هماهنگ عمل می کند.ANN ها ،نظیر انسانها ، با مثال یاد
می گیرند . یک ANN برای انجام وظیفه های مشخص ، مانند شناسایی الگو ها و دسته
بندی اطلاعات ، در طول یک پروسه یاد گیری ، تنظیم می شود . در سیستم های زیستی
یاد گیری با تنظیماتی در اتصالات سیناپسی که بین اعصاب قرار دارد همراه است . این
روش ANN ها هم می باشد.
سابقه تاریخی :
به نظر می آید شبیه سازی های شبکه عصبی یکی از پیشرفت های اخیر باشد . اگرچه
این موضوع پیش از ظهور کامپیوتر ها بنیان گذاری شده و حداقل یک مانع بزرگ تاریخی
و چندین دوره مختلف را پشت سر گذاشته است.
خیلی از پیشرفت های مهم با تقلید ها و شبیه سازی های ساده و ارزان کامپیوتری
بدست آمده است. در پی یک دوره ابتدائی اشتیاق و فعالیت در این زمینه ، یک دوره ی
بی میلی و بدنامی راهم پشت سر گذاشته است . در طول این دوره سرمایه گذاری و
پشتیبانی حرفه ای از این موضوع در پایین ترین حد خود بود ، پیشرفت های مهمی به
نسبت تحقیقات محدود در این زمینه صورت گرفت . که بدین وسیله پیشگامان قادر شدند
تا به گسترش تکنولوژی متقاعد کننده ای بپردازند که خیلی برجسته تر از محدودیت هایی
بود که توسط Minsky و Papert شناسانده شد. Minsky و Papert ،کتابی را در سال 1969
منتشر کردند که در آن عقیده عمومی راجع به میزان محرومیت شبکه های عصبی را در
میان محققان معین کرده بود و بدین صورت این عقیده بدون تجزبه و تحلیل های بیشتر پذیرفته
شد. هم اکنون ، زمینه تحقیق شبکه های عصبی از تجدید حیات علایق و متناطر با آن افزایش
سرمایه گذاری لذت می برد .
اولین سلول عصبی مصنوعی در سال 1943 بوسیله یک neurophysiologist به نامWarren
McCulloch و یک منطق دان به نام Walter Pits ساخته شد . اما محدودیتهای تکنولوژی
در آن زمان اجازه کار بیشتر به آنها نداد.
چرا از شبکه های عصبی استفاده می کنیم ؟
شبکه های عصبی ، با قابلیت قابل توجه آنها در استنتاج معانی از داده های پیچیده یا
مبهم ، میتواند برای استخراج الگوها و شناسایی روشهایی که آگاهی از آنها برای انسان
و دیگر تکنیک های کامپیوتری بسیار پیچیده و دشوار است به کار گرفته شود. یک شبکه
عصبی تربیت یافته می تواند به عنوان یک متخصص در مقوله اطلاعاتی ای که برای تجزیه
تحلیل به آن داده شده به حساب آید.از این متخصص می توان برای بر آورد وضعیت های
دلخواه جدید و جواب سؤال های " چه می شد اگر " استفاده کرد.
مزیتهای دیگر آن شامل موارد زیر می شود :
یادگیری انطباق پذیر: قابلیت یاد گیری نحوه انجام وظایف بر پایه اطلاعات داده شده برای
تمرین و تجربه های مقدماتی .
سازماندهی توسط خود: یک ANN می تواند سازماندهی یا ارائه اش را ، برای اطلاعاتی
که در طول دوره یادگیری در یافت می کند، خودش ایجاد کند.
عملکرد بهنگام(Real time ) : محاسبات ANN می تواند بصورت موازی انجام شود، و
سخت افزارهای مخصوصی طراحی و ساخته شده است که می تواند از این قابلیت استفاده
کند.
تحمل اشتباه بدون ایجاد وقفه در هنگام کد گذاری اطلاعات : خرابی جزئی یک شبکه
منجر به تنزل کارایی متناظر با آن می شود اگر چه تعدادی از قابلیت های شبکه ممکن است
حتی با خسارت بزرگی هم باقی بماند.
شبکه های عصبی در مقابل کامپیوتر های معمولی:
شبکه های عصبی نسبت به کامپیوتر های معمولی مسیر متفاوتی را برای حل مسئله
طی می کنند . کامپیوتر های معمولی یک مسیر الگو ریتمی را استفاده می کنند به
این معنی که کامپیوتر یک مجموعه از دستورالعمل ها را به قصد حل مسئله پی می گیرد.
بدون اینکه، قدم های مخصوصی که کامپیوتر نیاز به طی کردن دارد، شناخته شده باشند
کامپیوتر قادر به حل مسئله نیست. این حقیقت قابلیت حل مسئله ی کامپیوتر های
معمولی را به مسائلی ،محدود می کند که ما قادر به درک آنها هستیم و می دانیم
چگونه حل میشوند. اما اگر کامپیوتر ها می توانستند کار هایی را انجام دهند که ما
دقیقا نمیدانیم چگونه انجام دهیم ، خیلی پر فایده تر بودند.
شبکه های عصبی اطلاعات را به روشی مشابه با کاری که مغز انسان انجام می دهد
پردازش می کنند. آنها از تعداد زیادی از عناصر پرداز شی(سلول عصبی) که فوق العاده بهم
پیوسته اند تشکیل شده است که این عناصر به صورت موازی باهم برای حل یک مسئله
مشخص کار می کنند .شبکه های عصبی با مثال کار می کنند و نمی توان آنها را برای انجام
یک وظیفه خاص برنامه ریزی کرد مثال ها می بایست با دقت انتخاب شوند در غیر این
صورت زمان سودمند، تلف می شود و یا حتی بدتر از این شبکه ممکن است نا درست کار
کند. امتیاز شبکه عصبی این است که خودش کشف می کند که چگونه مسئله را حل کند
، عملکرد آن غیر قابل پیش گویی است.
از طرف دیگر ، کامپیوتر های معمولی از یک مسیر مشخص برای حل یک مسئله استفاده
می کنند . راه حلی که مسئله از آن طریق حل می شود باید از قبل شناخته شود
و به صورت دستورات کوتاه و غیر مبهمی شرح داده شود. این دستورات سپس به زبان
های برنامه نویسی سطح بالا برگردانده می شود و بعد از آن به کدهایی که کامپیوتر قادر
به درک آنها است تبدیل می شود. به طور کلی این ماشین ها قابل پیش گویی هستند و
اگر چیزی به خطا انجام شود به یک اشتباه سخت افزاری یا نرم افزاری بر می گردد.
شبکه های عصبی و کامپیوتر های معمولی با هم در حال رقابت نیستند بلکه کامل کننده
یکدیگرند . وظایفی وجود دارد که بیشتر مناسب روش های الگو ریتمی هستند نظیر عملیات
محاسباتی و وظایفی نیز وجود دارد که بیشتر مناسب شبکه های عصبی هستند . حتی
فراتر از این ، مسائلی وجود دارد که نیازمند به سیستمی است که از تر کیب هر دو روش بدست
می آید (بطور معمول کامپیوتر های معمولی برای نظارت بر شبکه های عصبی به کار گرفته
می شوند ) به این قصد که بیشترین کارایی بدست آید.
شبکه های عصبی معجزه نمی کنند اما اگر خردمندانه به کار گرفته شوند نتایج شگفت
آوری را خلق میکنند.
انسان و سلول های عصبی مصنوعی- در جستجوی شباهت ها
چگونه مغز انسان می آموزد ؟
مسائل زیادی راجع به این که مغز چگونه خود را برای پردازش اطلاعات آموزش می دهد،
نا شناخته باقی مانده است بنابر این تئوری های فراوانی وجود دارد. در مغز انسان یک
سلول سیگنال ها را از دیگران از طریق یک گروه از ساختار های ریز به نام dendrites
جمع آوری می کند سلول عصبی جهش سریع فعالیت الکتریکی را در طول یک پایه بلند
و نازک که axon نامیده میشود ، می فرستد که به داخل هزاران شاخه گسترش می یابد
و کشیده می شود . در انتهای هر شاخه ، ساختاری که synapse نامیده می شود این
فعالیت را ازaxon به اثرات الکتریکی تبدیل می کند که فعالیت یکaxon به صورت اثرات
الکتریکی فعال کننده یا غیر فعال کننده تبدیل می شود که این کار باعث برانگیخته شدن
یا آرام شدن سلول های عصبی مرتبط می شود. وقتی یک سلول عصبی پیام های
فعال کننده را در یافت می کند، که بطور قانع کننده و وسیعی با پیام های ورودی غیر فعال
کننده اش مقایسه شده باشد ،در این زمان این سلول نیز یک جهش از فعالیت الکتریکی را
به داخل axon خودش می فرستد.

| شکل١-یک نرون بیولوژیکی |
یاد گیر ی با تغییر تاثیر synapses اتفاق می افتد در نتیجه تاثیر یک سلول بر دیگران تغییر میکند.
از سلول های عصبی انسانی تا سلول های عصبی مصنوعی
ما این شبکه های عصبی را با تلاش اولیه در جهت یافتن خصوصیات اساسی سلول های
عصبی و اتصالات آنها ، هدایت می کنیم. سپس بطور معمول یک کامپیوتر را برای شبیه سازی
این خصوصیات برنامه ریزی می کنیم .اگر چه بدلیل اینکه دانش ما از سلول های عصبی ناقص
است و قدرت محاسبات ما محدود است ، مدل های ما لزوما آرمان های خام و ناقصی از
شبکه های واقعی سلول های عصبی است .
![]() |
| شکل٢- نمایی از یک شبکه عصبی مصنوعی |
تهیه کننده:
هادی سردار
مهندس نفت - دانشگاه صنعت نفت

Case-based Reasoning که می توانیم آن را شرایط دلیل پایه ترجمه کنیم یکی از گرایشهای فعال در این شاخه می باشد. به عنوان مثال روند استدلال توسط یک پزشک هنگام تشخیص یک بیماری کاملا شبیه به CBR است، به این ترتیب که پزشک در ذهن خود تعداد بسیار زیادی از شواهد بیماریهای شناخته شده را دارد و تنها باید مشاهدات خود را با نمونه های موجود در ذهن خویش تطبیق دهد، و شبیه ترین نمونه را به عنوان بیماری تشخیص دهد. به این ترتیب مشخصات، نیازمندیها و تواناییهای CBR به عنوان یک چارچوب کلی پژوهش در هوش مصنوعی مورد توجه قرار گرفته است. در هر صورت هراندازه که پژوهش درباره الگوهای شناخت از طریق مطالعه بیولوژیک و یا سیستم CBR ادامه یابد به نظر می رسد که تکنولوژی هوش مصنوعی از طریق تبدیل داده ها به نمادهای تصویری است که برآیند این عملیات به عنوان یک عملیات هوشمند از نوع اتاق چینی جان سرل دلالت دارند.

برای روشن شدن موضع جان سرل درباره سیستم PDP توضیحات مختصری درباره این سیستم ارائه می نمایم. يک سيستم چندپردازنده کامپيوترى است که در آن چند پردازنده حضور دارند و اين پردازندهها براى حل يک مسأله در سطوح مختلفى با هم همکارى مىکنند. به دليل لزوم برقرارى ارتباط بين پردازندههاى مختلف در يک چندپردازنده، مسائل مختلفى از قبيل شبکههاى ارتباطى، حافظه مشترک، و انسجام حافظههاى نهانى در مبحث معمارى اين سيستمها مطرح مىشود. هدف از اختراع کامپيوتر پردازش عمليات با سرعت و دقت زياد بود. سرعت عمليات پردازش در کامپيوترهاى اوليه پاسخگوى نيازهاى استفادهکنندگان از کامپيوتر نبود. ابتدا تصور مىشد که مىتوان سرعت پردازش کامپيوترها را به هر ميزان افزايش داد. اما به زودى دريافتند که اين سرعت تا حدى قابل افزايش است و از آن حد بيشتر نمىتواند افزايش يابد. علاوه بر اين کاربردهاى کامپيوتر روز به روز پيچيدهتر شدند و از پردازش دادهها Data Processing، به پردازش اطلاعات Information Processing، پردازش دانش Knowledge Processing، و به تدريج به سوى پردازش هوشمندى Intelligence Processing ميل کردند. پردازش هوشمندی همان چیزی است که مخالفان جان سرل از آن علیه دیدگاه عصب زیستی وی بهره گرفته اند . امروزه در کارهايى مانند پيشبينى وضع هوا، محاسبات آئروديناميکى، اکتشاف معادن، هوش مصنوعى، و غيره نياز به سرعتهايى داريم که حتی اگر کامپيوترى داشته باشيم که سرعت انتقال اطلاعات در آن برابر با سرعت نور باشد، نياز ما برآورده نمىشود. در نتيجه طراحان کامپيوتر به فکر طراحى سيستمهاى جديد کامپيوترى افتادند. موفقترين تفکرى که در اين زمينه مطرح شد، پردازش موازى بود. پردازش موازى به معنى انجام همزمان چند کار توسط چند واحد پردازشگر است. براى پيادهسازى اين تفکر، روشهاى مختلفى وجود دارد که يکى از موفقترين آنها استفاده از چند پردازندههاست. طراحان سيستمهاى کامپيوترى براى دستيابى به سرعتهاى پردازشى بالاتر، ايدهى پردازش موازى parallel يعنى انجام همزمان کارها را مطرح کردند. براى پيادهسازى اين ايده روشهاى متفاوتى وجود دارد از قبيل استفاده از خط لوله Pipeline، پردازندههاى بردارى Vector Processors، چندپردازندهها و پردازش توزيع شده Distributed Processing در يک شبکهى کامپيوترى.

|
.

جهت اعمال نیروهای فشاری که منجر به فشرده شدن و ضخیمتر شدن صفحات پوسته میشود.

تنش کششی:
در صورتی که تنش وارده تمایل به کشیدن توده سنگی ( و یا هر جسمی که به آن اعمال میشود ) داشته باشد تحت عنوان تنش کششی شناخته میشود که باعث طویلتر شدن آنها میگردد. 

تنش برشی:
وقتی یک دسته کارت را بر روی زمین قرار دهید و با دست خود آنها را به جلو برانید نمونه ای از تنش برشی را بر آن وارد نموده اید. در صورتی که تنش برشی بر توده سنگها وارد گردد باعث لغزش صفحات در کنار یکدیگر میشود. 

حال که با انواع عوامل ایجاد تغییر شکل آشنا شدیم، باید بدانیم که اجسام هم در مقابل عوامل تغییر شکل رفتارهای مختلفی از خود نشان میدهند. در قسمت بعد با انواع تغییر شکلهای مواد ( و همچنین سنگها ) در برابر نیرو و تنش آشنا میشویم.
تغییر شکلهای ارتجاعی و غیر ارتجاعی:
تعریف تغییر شکلهای ارتجاعی و غیر ارتجاعی باعث خواهد شد تا بتوانیم درک کاملی از مکانیزم ایجاد تغییر شکلها در پوسته زمین و نحوه ایجاد آنها داشته باشیم. هر مادهای بر روی کره زمین، دارای خصوصیات فیزیکی منحصر بفردی است. ولی غالبا اساس این خصوصیات یکسان میباشد. یکی از این خصوصیات فیزیکی که در این قسمت به آن میپردازیم، نحوه عکس العمل مواد در برابر نیروی وارده بر آنها میباشد. برای مثال یک میله فلزی باریک ( یا خط کش فلزی ) را در نظر بگیرید. اگر بخواهیم این میله را خم کنیم، در جریان خم کردن این میله با دو مرحله مختلف روبرو میشویم که عبارتند از:
مرحله تغییر شکل ارتجاعی (الاستیک[3]):
اگر میله فلزی را اندکی خم کنیم، پس از آنکه آن را رها میکنیم، شاخه به حالت طبیعی خود بازمیگردد. در این مرحله گفته میشود که چوب در حالت ارتجاعی خود قرار دارد. در این حالت هر جسم دقیقا همانند یک فنر عمل نموده و نیروی وارده را در خود ذخیره کرده و پس از برطرف شدن نیرو آن را آزاد نموده و به حالت اولیه خود باز میگردد.
مرحله تغییر شکل غیر ارتجاعی (پلاستیک[4]):
اگر نیرویی که به میله وارد میکنیم، از میزان معینی بیشتر باشد و در نتیجه میله از میزان معینی بیشتر تغییر شکل دهد، پس از رها کردن، دیگر به حالت اولیه خود باز نمیگردد و مقداری از تغییر شکل بصورت دائمی در آن باقی خواهد ماند. که در اصطلاح علمی گفته میشود چوب از مرحله الاستیک خارج شده و وارد مرحله پلاستیک شده است.
مواد شکل پذیر و شکننده
هر ماده ای میتواند مقدار خاصی نیرو را تحمل نموده و همچنان ارتجاعی بماند. اگر نیرو از مقدار مشخص فراتر رود، دیگر جسم ارتجاعی نخواهد ماند و وارد مرحله غیر ارتجاعی میشود. مواد در مرحله ای که به حد ارتجاعی خود میرسند، به دو گونه این تغییر شکل دائمی را متحمل میشوند. یا همانند میله فلزی فوق جاری میشوند که به آن "جاری شدن[5]" میگویند یا همانند یک شاخه خشک چوب بصورت ناگهانی میشکنند که به اینگونه مواد "شکننده[6]" میگویند..


بسیاری از ما این پدیدهها را مشاهده کرده ایم و شاید برایمان امری بدیهی و طبیعی باشد، ولی جالب خواهد بود اگر بدانیم این پدیده تقریبا در مورد تمام مواد فیزیکی موجود در این جهان هستی نیز صادق است. شاید تصور آن که حتی یک صخره سنگی بزرگ و یا منزلی که در آن زندگی میکنیم نیز دارای چنین رفتاری هستند و یا با هر قدم گذاشتن بر روی زمین، خاک زیر پایمان تغییر شکل میدهد کمی دور از ذهن باشد. دلیل آن هم این است که بدلیل تفاوت عملکرد و جنس و ابعاد مواد مختلف، هر کدام از آنها تغییر شکلهای متفاوتی را متحمل میشوند که غالبا برای ما غیر قابل احساس است. در واقع ما در دنیایی از فنر با مشخصات مختلف زندگی میکنیم.
درخت بزرگتری را تصور کنید، معمولا کسی نمیتواند با نیروی طبیعی خود تغییر شکل محسوسی را در کل درخت ایجاد نماید. ولی همه ما دیده ایم که با وزش باد، درختان چگونه به رقص درمی آیند. پس به این نتیجه میرسیم که با نیروی بیشتری میتوان حتی اجسامی که در نظر اول صلب و غیر قابل تغییر شکل بنظر میرسند را خم کنیم.
این پدیده در صفحات سنگ کره که در فصل قبل در باره آن بحث نمودیم نیز صادق است. و نیرویی که میتواند چنین توده های بزرگی از سنگ و خاک را جابجا نماید از جریان ماگما در داخل کره زمین حاصل میشود.
مشخصات فیزیکی سنگ کره:
حال تمام مواردی که تا بحال مطالعه نمودیم را در زمین مورد بررسی قرار میدهیم.
پوسته کره زمین همانند تمام مواد دارای رفتار ارتجاعی و غیر ارتجاعی در برابر نیرو میباشد و برخی موارد بصورت شکل پذیر و گاهی بصورت شکننده به این تغییر شکل پاسخ میدهند. با جریان ماگما بدلیل همرفت در داخل کره زمین، نیرویی بر پوسته ها وارد میشود و پوسته ها تمایل دارند که بر اثر این نیروی وارده جابجا شوند. از طرف دیگر بدلیل اصطکاکی که بین و داخل صفحات سنگ کره زمین وجود دارد این نیرو بصورت تغییر شکلهای ارتجاعی در صفحات ذخیره میشود. و در نهایت وقتی این مقدار تغییر شکل ارتجاعی از حد تحمل (مقاومت[7]) سنگ کره فراتر میرود، بصورت تغییر شکل ماندگار در آن در میآید.
مقاومت سنگها و نحوه تغییر شکل آنها در برابر نیرو علاوه بر جنس آنها به دما، فشا و به زمان نیز بستگی دارد.

مقاومت کم سنگ نمک در برابر تنش وارده بر آن
مقاومت گرانیت در مقابل تنش وارده که نشان میدهد خیلی بیشتر از سنگ نمک طعام است.
با توجه به مواردی که در مورد مواد شکل پذیر و شکننده گفته شد، در مقابل تنشهای مختلفی که به سنگ کره وارد میشود، سنگ کره بصورتهای زیر درمیآید:

عکس العمل سنگ کره به تنش فشاری در حالت شکننده (بالا) و در حالت شکلپذیر (پایین). این همان اتفاقی است که در مرزهای همگرا اتفاق میافتد.

عکس العمل سنگ کره به تنش کشش در حالت شکننده (بالا) و در حالت شکلپذیر (پایین). این همان اتفاقی است که در مرزهای واگرا دیده میشود.

عکس العمل سنگ کره به تنش برشی در حالت شکننده (بالا) و در حالت شکلپذیر (پایین). در مرزهای امتداد لغز شاهد چنین تغییر شکلهایی هستیم.
بازگشت کشسان
فرض کنید کتابی را بر روی سطح زمین قرار داده اید و با کشی که به آن بستهاید، میخواهید که آن را جابجا نمایید. مراحلی که اتفاق میافتد عبارتند از:
1- کش کشیده میشود بدون اینکه در کتاب جابجائی ایجاد شود. ( یعنی حالتی که تغییر ارتجاعی در پوسته زمین رخ میدهد )
2- وقتی نیرویی که از طرف کش به کتاب وارد میشود از میزان اصطکاک بین کتاب و سطح زمین بیشتر شود، کتاب با یک حرکت جهشی به سمت کش حرکت میکند و در واقع انرژی ذخیره شده در کش بصورت حرکت جهشی کتاب آزاد میگردد. ( همان لحظه ای که سنگها به حد ارتجاعی خود رسیده اند و با تغییر مکان بیشتر، بصورت غیر ارتجاعی می شکنند)
3- دوباره کتاب میایستد و کش شروع به کشیده شدن و ذخیره انرژی مینماید. و پروسه دوباره تکرار میشود.
این دقیقا همان اتفاقی است که بهنگام وقوع زلزله در پوسته زمین اتفاق میافتد. در اثر نیروهای وارده بر پوسته زمین، صفحات سنگ کره دچار تغییر شکل میشود. این تغییر شکل در حد ارتجاعی است و آرام آرام اتفاق میافتد و انرژی را در خود ذخیره میکند. و آنقدر سنگها انرژی در خود ذخیره میکنند که در نهایت فراتر از اصطکاک بین سنگها میشود. در این لحظه است که صفحات شکسته شده و نسبت به هم جابجا میشوند.
ما به همین سادگی توانستیم تئوری اساس ایجاد زلزله ها را که سالهای متمادی دانشمندان را به خود مشغول کرده بود را درک کنیم. پدیده "بازگشت الاستیک[8]" دقیقا آن چیزی که آزمایش ساده کتاب به ما نشان داد. حال متوجه میشویم که دلیل بازگشت زلزله ها و آنچه که به عنوان دوره بازگشت مطرح میشود، مربوط به خصوصیت ارتجاعی بودن مواد تشکیل دهنده پوسته زمین است.
مکانیزم درونی زمین لرزه تا زمانی که آقای رِید از دانشگاه جان هاپکینگز پس از زلزله سال 1906 سانفرانسیسکو مطالعاتی را انجام داد، ناشناخته بود. این زمینلرزه با جابجائیهای افقی چند متری همراه بود که در طول 1300 کیلومتر اتفاق افتاده بود. بررسیهای میدانی نشان داد که طی این زلزله صفحه آرام بطول 7/4 متر از کنار صفحه مجاور خود ( صفحه آمریکای شمالی) به سمت شمال جابجا گردیده است.
[1] Stationary
[2] Motion
[3] Elastic
[4] Plastic
[5] Ductile Deformation
[6] Brittle
[7] Strength
[8] Elastic Rebound
خبر زير که از سايت تکتاز نقل شده را در اينجا عينا منعکس ميکنم .
در اين بخش به بررسي اثرات و مشکلات زيست محيطي مرتبط با عمليات شناسايي، پي جويي و اکتشاف منابع معدني اشاره مي شود. منابع معدني شامل کانيها و آب هاي زيرزميني مي باشد. شناسايي، پي جويي و اکتشاف از جمله مواردي هستند که در واقع زيربناي يک عمليات استخراج اقتصادي مي باشند.
هدف از شناسايي، نقشه برداري و کسب ديد کلي نسبت به منطقه، شناخت و تعيين محدوده جهت پي جويي کاني ها و همچنين شناخت فاکتورهاي مؤثر مي شود.
هدف از پي جويي، تعيين مکان نهايي استخراجي توسط روشهاي زمين شناسي، ژئوفيزيکي و روشهاي ژئوشيميايي در بررسي هاي صحرايي مي باشد.
هدف از اکتشاف، مطالعه تفصيلي نواحي بازرسي شده است. لازم به ذکر است روشهاي اکتشاف، همان روشهاي بکار گرفته در پي جويي است با اين توضيح که منطقه به صورت جزئي تر و دقيق تر مورد بررسي قرار مي گيرد.
فرستاده شده توسط یوسف شجاعی
Sungun is a mine located in Ahar, Azarbaijan, Iran. It is active in the following commodities : Copper.
The Sungun mine is owned by NICICO.
AME Mineral Economics provides detailed commercial intelligence on the metals, mining and energy sectors. Our research is independent and we have earned a solid reputation as specialists in the market and financial aspects of the aluminium, alumina, coal, copper, gold, nickel iron ore, DRI/HBI, steel, lead, zinc and titanium minerals industries. We are one of the largest and most established research houses undertaking detailed mine and smelter cost analysis.
Our analytical effort is supported by a comprehensive information unit. We undertake extensive basic research and have collected a vast amount of data on the formation, history and exploitation of the world’s major resource projects over the last 30 years.
AME forecasts supply, demand and prices on a five-year horizon. These market projections are based on meticulous fundamental research, undertaken in a collegiate manner to encourage a high level of specialization.
AME has built its reputation for detailed analysis of production costs, covering mines, smelters and refineries. These major reports provide information on the profitability of each operation, company and industry group.
AME Mineral Economics undertakes extensive analysis on the Sungun mine in Iran via our individual cost reports, global cost analysis and strategic studies.(Copper cost report, Copper strategic market study)
ارسال شده توسط پور اسمعیل
| زمین شناسی نفت از دو کلمه Petroleum Geology تشکیل شده که اصطلاح پترولیوم (روغن سنگ) ، دو کلمه لاتین پترا ، یعنی سنگ والیوم ، یا روغن را شامل میشود و Geology هم که به معنی زمین شناسی میباشد. |