دکتر سید حسن طباطبایی

دکتر سید حسن طباطبایی

tabatabaei@iut.ac.ir
نشانی دفتر
دانشگاه صنعتی اصفهان-دانشکده مهندسی معدن
شماره تماس
+98 311 3915104
فکس
+98 311 3912776
پست ها و موقعیت های شغلی و سازمانی
استاد
عناوين کسب کرده :
• رتبه اول دوره کارشناسی
• رتبه اول آزمون ورودی کارشناسی ارشد مهندسی اكتشاف معدن
• پژوهشگر نمونه در جشنواره اسميرنف روسيه
سوابق تحصیلی :
• کارشناسی : مهندسی اکتشاف معدن - دانشگاه صنعتی شاهرود - 1374
• کارشناسی ارشد : مهندسی اکتشاف معدن - دانشگاه تهران - 1376
• دکتری : مهندسی معدن (ژئوشيمي اكتشافي) - دانشگاه دولتی مسکو - 1382
زمینه های مورد علاقه
- ژئوشیمی اکتشافی کانسارهای فلزی و غیرفلزی
- محیط زیست معدنی
- داده کاوی
- GIS و دورسنجی
نوع: Conference
عنوان عنوان کنفرانس Date
بهبود شناسايي آنومالي هاي ژئوشيميايي رسوبات آبراهه اي مس با استفاده از پارامتر شدت زهكشي در برگه 1:100000 ورزقان 14th Iranian Mining Enineering conference
چهاردهمين كنفرانس ملي مهندسي معدن ايران
ارزيابي ميزان آلودگي سرب و روي با استفاده از تحليل آماري داده هاي ژئوشيميايي در ورقه 1:100000 خنداب 13th Iranian Mining Engineering Conference and 8th International Mine and Mining Industries Congress
سيزدهمين كنفرانس مهندسي معدن ايران و هشتمين كنگره بين المللي معدن و صنايع معدني
بهبود شناسايي دگرساني هاي مرتبط با كاني زايي مس پورفيري در محدوده كانساركوه پنج استان كرمان با استفاده از روشهاي تقويت داده در ساختار شبكه عميق U-net
نوع: Journal
عنوان عنوان کنفرانس Date
Multi-element geochemical anomaly recognition applying geologically-constrained convolutional deep learning algorithm with Butterworth filtering of frequency domain information Scientific Reports
Optimization of multi-element geochemical anomaly recognition in the Takht-e Soleyman area of northwestern Iran using swarm-intelligence support vector machine Frontiers in Earth Science
Adopting a cell-based method to identify mineralized geological structures in support of mineral prospectivity mapping at the Kuh-Lakht epithermal gold deposit, Central Iran ORE GEOLOGY REVIEWS
Geologically-constrained GANomaly network for mineral prospectivity mapping through frequency domain training data
Improving the accuracy of detecting and ranking favorable porphyry copper prospects in the east of Sarcheshmeh copper mine region using a two-step sequential Fuzzy - Fuzzy TOPSIS integration approach
Blind Source Separation of Spectrally Filtered Geochemical Signals to Recognize Multi-depth Ore-Related Enrichment Patterns
Infomax-based deep autoencoder network for recognition of multi-element geochemical anomalies linked to mineralization