شناسایی نواحی امیدبخش برای کان یزایی مس پورفیری نیازمند روشهای پیشرفته تحلیل داد هها ی ژئوشیمیایی است. در این پژوهش، ترکیب شاخص احتمال کانیزایی ژئوشیمایی ) GMPI ( و رگرسیون لجستیک برای پردازش و مد لسازی داد ههای ژئوشیمیایی بهکار گرفته شده است. محدوده مورد مطالعه بخشهایی از ورقههای ساردوئیه و بافت در استان کرمان میباشد. داد ههای ژئوشیمیایی شامل 49 عنصر از حدود 1500 نقطه نمونهبرداری پس از پردازش اولیه مورد تجزی هوتحلیل قرار گرفتند. ابتدا، نقشههای GMPI برای عناصر مس طلا، آرسنیک مولیبدن و سرب روی تهیه شد و مناطق دارای آنومالی - - - مشخص گردید در ادامه مدل رگرسیون لجستیک ب هعنوان یک روش یادگیری ماشین برا ی طبقهبند ی مناطق دارای پتانسل کانیسازی مس پورفیری مورد استفاده قرار گرفت. نقشههای ژئوشیمیایی تهیه شده به عنوان ورودی مدل رگرسیون لجستیک انتخاب شد. همچنین از کانسارهای شناخته شده و نقاط غیر کانساری جهت آموزش استفاده شد. براساس انتخاب بهترین مدل محدوده مورد مطالعه به دوبخ ش دارای پتانسیل و فاقد پتانسیل تقسیم گردید. مقایسه مدل پیشنهادی با رو شهای سنتی نشان داد که ترکی ب GMPI و رگرسیون لجستیک میتواند دقت پیشبینی را بهبود بخشد و بهعنوان یک ابزار کارآمد در کاهش هزین هها و افزایش کارایی در اکتشاف کانسارهای مس پورفیری مورد استفاده قرار گیرد .
