عنوان ترجمه شده مقاله: تلفیق شبکه های عصبی مصنوعی و زمین‌آمار برای مدلسازی بهینه بلوکی سه بعدی زمین‌شناسی در تخمین ذخایر معدنی: مطالعه موردی

چکیده

در این تحقیق، روشی موسوم به ANNMG برای تلفیق شبکه های عصبی مصنوعی و زمین آمار جهت ارزیابی بهینه ذخایر معدنی معرفی می‌شود. واژه ANNMG به‌صورت ساده به معنای مدل شبکه عصبی مصنوعی تلفیق شده با زمین آمار است. در این روش، شبکه عصبی مصنوعی با استفاده از مقادیر عیار به دست آمده از گمانه‌های اکتشافی آموزش داده شد، آزمون گردید و مورد اعتبارسنجی قرار گرفت. سپس از مدل اعتبارسنجی شده برای تعمیم عیارهای معدنی در محل‌های شناخته شده و ناشناخته نمونه‌برداری شده در درون منطقه حفاری استفاده شد. نهایتاً مقادیر عیار بازتولیدشده و تعمیم یافته با هم ترکیب گردید و برای ایجاد مدل بلوکی سه بعدی زمین‌شناسی، عملیات زمین‌آماری بر روی آن صورت گرفت. تحلیل رگرسیون نشان داد که عیارهای پیش‌بینی شده نمونه در مجاورت نزدیک با عیارهای واقعی نمونه قرار داشته‌اند. عیارهای تعمیم یافته از ANNMG نشان می‌دهند که می‌توان از این فرآیند برای تکمیل فعالیتهای اکتشافی و در نتیجه کاهش نیاز به حفاری استفاده کرد. همچنین ANNMG می‌تواند روش موثری برای ارزیابی ذخایر معدنی باشد و مدل بلوک بهینه‌ای را برای طراحی معدن ایجاد نماید.

1-مقدمه

نهشته‌های معدنی به خاطر فرآیندهای زمین‌شناسی دخیل در نهشته شدن آن‌ها، ساختارهای بسیار پیچیده‌ای از نظر مدلسازی هستند. قبل از طراحی معدن، ذخیره هر کانسار باید تخمین زده شود. مهمترین عامل در تخمین ذخیره، توزیع عیار کانسنگ است که همیشه باید آن را تابعی از فاصله فرض نمود.

از پنج دهه گذشته، در صنعت معدنکاری از زمین آمار برای تخمین ذخیره استفاده می‌شود زیرا زمین‌آماری ابزارهای قدرتمندی را برای مدلسازی بخش اعظم جنبه‌های کانسار فراهم می‌کند. مهمترین گامهای لازم در تخمین با استفاده از زمین آمار عبارتند از: (1) به دست آوردن مدل واریوگرام کانسار، (2) برازش مدل استاندارد به واریوگرام و (3) تولید تخمین‌های بلوکی با استفاده از تکنیک‌های موجود تخمین یا شبیه سازی. البته این روش تخمین تنها پیوستگی فضایی را به عنوان مهمترین عامل در نظر می‌گیرد. در طول سالهای متمادی، یاد گرفته ایم که عوامل مختلفی نظیر ساختار زمین‌شناسی، محیط نهشته شدن، نوع کانسنگ و درجه کانی‌سازی نیز باید در نظر گرفته شوند. تاکنون، بزرگترین چالشها در استفاده از زمین آمار در ناتوانی مدلسازی واریوگرام به علت ناایستایی و نرمال بودن داده‌ها نهفته است...

میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید.