مدل سازی تعیین نقاط بهینه حفاری با بهره گیری از تصویر ماهواره ای hyperion و شبکه های عصبی

از اهداف اساسی و اولیه در مطالعات تفصیلی اکتشاف منابع معدنی، تفکیک آلتراسیون های معدنی به منظور مدل سازی شکل و موقعیت توده های معدنی و تهیه نقشه نقاط بهینه حفاری است. نخستین هدف این مقاله تفکیک آلتراسیون های معدنی در تصویر ماهواره ای فراطیفی hyperion با استفاده از دو روش sam و نسبت باندی است. در ادامه با استفاده از شبکه های عصبی پرسپترون چندلایه و تابع شعاع مبنا، به منظور تلفیق لایه های مؤثر بر کانی سازی مس پورفیری و لایه آتراسیون حاصل از طبقه بندی تصویر، هدف دوم که همان مدل سازی نقاط بهینه حفاری است، حاصل می گردد. نتایج طبقه بندی تصویر فراطیفی با استفاده از روش های مذکور، نشان می دهد که روش نسبت باندی که قبل از به کارگیری آن از تبدیل mnf استفاده شده است، دارای دقتی بالا و در حدود 2/94 درصد (دقت کلی به دست آمده از ماتریس خطا) است. نتایج بهره گیری از شبکه های عصبی در مدل سازی تعیین نقاط بهینه حفاری نیز نشان می دهد که بهترین ساختار شبکه های عصبی، شبکه عصبی mlp است و میزان انطباق گمانه ها با نقشه تهیه شده به وسیله این شبکه عصبی 54 درصد است.