برآورد ذخیره کانسار فسفات اسفوردی با استفاده از روش‌های زمین‌آماری و شبکه عصبی مصنوعی

Authors

احمدرضا صیادی گروه مهندسی معدن، دانشگاه تربیت مدرس، تهران، ایران

حسین شهرآبادی گروه مهندسی معدن، دانشگاه تربیت مدرس، تهران، ایران

مسعود منجزی گروه مهندسی معدن، دانشگاه تربیت مدرس، تهران، ایران

Abstract:

ارزیابی ذخیره کانسارها یکی از مهم‌ترین پارامترهای لازم برای طراحی معدن بوده و روش‌های متعددی در این خصوص توسعه یافته است. علاوه بر روش‌های تحلیلی زمین‌آماری، روش‌های هوش مصنوعی مانند شبکه‌های عصبی برای برآورد ذخیره بسیار مناسب تشخیص داده شده‌اند. در این تحقیق مدل هندسی و بلوکی کانسار فسفات اسفوردی تهیه و میزان ذخیره برآورد شده است. مدل بلوکی محتوی حدود 100 هزار بلوک با ابعاد 5 × 25 × 25 است. برای برآورد عیار هر بلوک، از روش تحلیل زمین‌آماری و شبکه‌های عصبی استفاده شد. به منظور برآورد زمین‌آماری، روش کریجینگ معمولی مورد استفاده قرار گرفت. در روش شبکه عصبی یک شبکه چند لایه پرسپترون به‌کار گرفته شده و برای آموزش شبکه از روش آموزش LMاستفاده شد. میزان ذخیره برای دامنه مناسبی از عیار حد برآورد شده است. با در نظرگرفتن عیار حد 6 درصد، میزان ذخیره 5/16 میلیون تن با عیار میانگین 44/11 درصد و 5/17 میلیون تن با عیار میانگین 83/11 درصد به ترتیب به کمک روش زمین‌آماری و روش شبکه‌های عصبی محاسبه شد. نتایج مشابه بوده و اختلافی کمتر از 6% دارند. مدل‌سازی و برآورد انجام شده، مبنای لازم را برای اصلاح طرح استخراجی فعلی معدن فسفات اسفوردی با هدف استخراج انتخابی تا تراز 1720 فراهم می‌نماید.

Upgrade to premium to download articles

Already have an account?login

similar resources

برآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی

دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیمشناسی است که اندازهگیری و برآورد آن ضروری است. با توجه به اینکه دمای خاک فقط در ایستگاههای سینوپتیک کشور اندازهگیری میشود، کمبود آن در نقاط فاقد ایستگاه از چالشهای بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...

full text

تخمین عیار کانسار فسفات اسفوردی با روش رگرسیون بردار پشتیبان

امروزه تخمین متغیر با استفاده از روشهای مبتنی بر هوش مصنوعی از جمله رویکردهای جدیدی است که فرآیند تصمیمگیری موثر را در بسیاری از علوم میسر ساخته است. تخمین عیار نیز از مسایل مهم در ارزیابی ذخایر معدنی در علوم زمین به شمار میرود. روشهای زمین آماری از جمله روشهای متداول تخمین متغیر در علوم زمین محسوب میشوند. از آنجایی که این روشها در رابطه با دادههایی که تعداد آنها محدود است و ماهیت پراک...

full text

برآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی

full text

برآورد رواناب حوضه بار اریه با استفاده از مدل‌های WetSpa و شبکه عصبی مصنوعی

برآورد صحیح رواناب حوضه نقش بسیار مهمی در مدیریت آن دارد. تا به حال محققین زیادی از مدل‌های یکپارچه، توزیعی و هم‌چنین از روش‌های هوشمند مصنوعی به‌منظور برآورد رواناب حوضه استفاده نمودند. در تحقیق حاضر برای برآورد آبدهی حوضه بار اریه با مساحتی معادل با 112 کیلومتر مربع و متوسط بارش سالانه 72/306 میلی‌متر از دو مدل توزیعی WetSpa و مدل هوشمند شبکه عصبی مصنوعی ANN استفاده گردید. به‌منظور اجرای مدل ...

full text

پیش آگاهی و برآورد بارش یزد با استفاده از شبکه های عصبی مصنوعی

full text

برآورد مشخصه تراکم درختان جنگل با استفاده از آنالیز زمین و شبکه عصبی مصنوعی

اثر متقابل بین منظر زمین و خصوصیات جنگل کاملاً ثابت شده است. بنابراین فرض قابل‌قبولی است که فاکتورهای منظر زمین در یک منطقه جنگلی در ایجاد خصوصیات جنگل نقش تعیین‌‌کننده‌ای دارند. اگرچه پژوهش‌های گذشته روابط کاملاً قطعی بین خصوصیات جنگل و عوامل محیطی را شناسایی کرده‌اند، اما تاکنون مدل مناسبی برای شرح این خصوصیات ارائه نشده است. استفاده از مدل‌های رقومی زمین و مشخصه‌های قابل استخراج از آن می‌تواند...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

علوم زمین

volume 18 issue 69

pages 102- 109

publication date 2009-01-20

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

ارزیابی ذخیره زمین‌آمار شبکه‌های عصبی شبکه پرسپترون چندلایه کانسار فسفات اسفوردی

Hosted on Doprax cloud platform doprax.com