بررسی چگونگی رفتار عنصر مس نسبت به عناصر مولیبدن، سرب و روی در کانسار مس پورفیری پرکام در استان کرمان، با استفاده از روش k-means

یکی از دیدگاه­های مهم در علم داده­کاوی برای تحلیل و بررسی روی حجم زیادی از داده­ها و نمونه­ها با مشخصه­های گوناگون، دیدگاه خوشه­بندی می­باشد که خود شامل روش­ها و تکنیک­های مهمی همچون روش سلسله مراتبی، روش میانگین k، روش­های بر مبنای چگالی، روش کوهونن، و غیره در ادبیات موضوع است و تاکنون توسط پژوهشگران مختلف به کار گرفته شده است. یکی از معروف­ترین الگوریتم­های خوشه­بندی، الگوریتم k میانگین (k-means) است. این الگوریتم تلاش می­کند که بر اساس یک معیار فاصله، داده­ها را به k خوشه تقسیم کند. در مقاله پیش رو با بکارگیری روش k-means برای کلاس بندی گمانه­های حفاری شده در کانسار پرکام، تحت چهار مقدار عیار عناصر مس، مولیبدن، سرب و روی، مقدار بهینه k در هر مورد محاسبه شده و سپس به کلاس بندی داده­های مذکور، و تجزیه و تحلیل رفتار آنها نسبت به یکدیگر پرداخته شده است. در این پژوهش به منظور مشخص نمودن مقدار مناسب k جهت تعیین تعداد کلاس­ها، از معیار مناسبی استفاده گردیده که با توجه به آن تعداد کلاس­ها از 3=k الی10=k تغییر داده می­شوند و سپس به کمک معیار مذکور گروه­بندی­های حاصل شده مورد تحلیل قرار می­گیرند تا k  بهینه انتخاب ­شود. به استناد نتایج حاصل شده، خوشه­بندی با تعداد 3=k در مورد مس و مولیبدن، 4=k در مورد مس و سرب و همچنین خوشه بندی با مقدار 3=k در مورد مس و روی، نسبت به تعداد کلاس­های دیگر در هر مورد، مناسب­تر بوده و با توجه به کلاس بندی صورت گرفته با موارد فوق الذکر، مشاهده گردیده است که با افزایش عیار عنصر مس، عیار عنصر مولیبدن با شدت بیشتری افزایش می­یابد، عیار عنصر سرب تا 16/0 کاهش شدید و سپس افزایش یافته و عیار عنصر روی نیز مانند سرب ابتدا کاهش و سپس افزایش می یابد. بنابراین می­توان با استفاده از روش پیشنهادی فوق به بررسی میزان تغییرات عنصر مس با دیگر عناصر موجود در آنالیز­های انجام شده پرداخت که خود می­تواند دیدگاه بسیار مناسبی را پیش روی تصمیم گیران این صنعت ایجاد نماید. بنابر این علاوه بر کاربرد وسیع در اکتشاف معادن مس، می تواند امکان پیش­بینی رفتار کانه­های فلزی در حین فرآیندهای فرآوری مانند تعیین درجه آزادی و پیش­بینی بهترین سایز را نیز فراهم می­نماید.