تفکیک دگرسانی های کانسار مس سونگون با استفاده از شبکه های عصبی مصنوعی
محل انتشار: فصلنامه علوم زمین، دوره: 20، شماره: 77
سال انتشار: 1389
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 185
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GSJ-20-77_006
تاریخ نمایه سازی: 18 بهمن 1400
چکیده مقاله:
جدایش مناطق دگرسانی یکی از مراحل مهم در ارزیابی و شناسایی کارهای معدنی به شمار می رود که به داشتن دید بهتری از منطقه و شناخت نواحی کانی ساز کمک شایانی می کند. بیشتر روش های جدایش دگرسانی ها بر اساس مشاهدات سنگ شناسی است و کمتر، از روش های دیگری استفاده شده است. در این نوشتار، سعی شده است با استفاده از شبکه های عصبی نوعRBPNN (Radial Basis Probabilistic Neural Network) این مناطق را جدا نمود. این شبکه ها به علت ساختار منحصر به فرد و طراحی آسان آنها، بیشتر در مسائل طبقه بندی مورد استفاده قرار می گیرند. داده های ورودی مورد استفاده در این مطالعه، تجزیه های شیمیایی ۱۲ اکسید و ۱۶ عنصر (۲۸ متغیر) عنصر مربوط به ۴۵ نمونه ژئوشیمیایی بودند که خروجی آن نیز مناطق دگرسانی (پتاسیک، انتقالی و فیلیک) هستند که برای هرکدام از داده های ورودی کدگذاری شده اند. پس از انتخاب داده های آموزشی و تست، شبکه برای آموزش آماده، و داده ها همراه با خروجی آنها به شبکه داده شد. بر اساس نتایج به دست آمده از این بررسی، شبکه توانست رابطه فضایی پیچیده مابین ورودی ها که یک فضای ۲۸ متغیره است را تشخیص داده و همچنین توانست دگرسانی ها را به درستی طبقه بندی نماید. به صورتی که مقدار MSE (میانگین مربعات خطا) ۰۱۶۳/۰ به دست آمد که خود حاکی از کارکرد مطلوب شبکه در این امر است.
نویسندگان
اردشیر هزارخانی
دانشکده مهندسی معدن، متالورژی و نفت، دانشگاه صنعتی امیرکبیر، تهران، ایران.
پژمان طهماسبی
دانشکده مهندسی معدن، متالورژی و نفت، دانشگاه صنعتی امیرکبیر، تهران، ایران.
امید اصغری
دانشکده مهندسی معدن، دانشگاه کاشان، کاشان، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :