Analytical and Numerical Methods in Mining Engineering (Nov 2014)
مقایسه کارایی تخمین‌گرهای مبتنی بر هوش مصنوعی در تخمین عیار در کانسار مس پورفیری مسجد داغی
Abstract
صحت تخمین عیار ماده معدنی نقش مهمی را در ارزیابی، طراحی و برنامه‌ریزی‌های معادن ایفا می‌کند. با توجه به مشکلات موجود در زمینه‌ی بکار گیری روش‌های متداول مانند کریجینگ جهت تخمین عیار، در این تحقیق کارایی تخمین‌گرهای هوشمندی چون شبکه عصبی پرسپترون چندلایه، رگرسیون بردار پشتیبان و سیستم فازی-عصبی تخمین عیار مس در کانسار پورفیری مس (طلا) مسجد داغی واقع در استان آذربایجان شرقی مورد بررسی قرار گرفت. بدین منظور پس از تقسیم‌بندی داده‌های عیار سنجی حاصل از 31 گمانه اکتشافی به زیرمجموعه‌های آموزشی و آزمون، ساختار و مقادیر بهینه پارامترهای مؤثر در کارایی این تخمین گرها با استفاده از الگوریتم ژنتیک و بر مبنای داده‌های آموزشی تعیین شدند و درنهایت شاخص‌های اعتبارسنجی تخمین عیار مجموعه آزمون برای هر یک از روش‌ها محاسبه شدند. نتایج بیانگر قابلیت تعمیم‌دهی و کارایی محاسباتی بالاتر روش رگرسیون بردار پشتیبان نسبت به دو روش دیگر در زمینه تخمین عیار مس بود. از سویی دیگر نتایج به‌مراتب مناسب‌تر این روش نسبت به کریجینگ معمولی در تخمین عیار مس نشان داد که می‌توان از این تخمین‌گر به‌عنوان یک ابزار سریع، دقیق و ارجح نسبت به دیگر تخمین‌گرهای هوشمند جهت تخمین عیار در موارد مشابه استفاده نمود.
