مدل‌سازی تعیین نقاط بهینه حفاری با بهره‌گیری از تصویر ماهواره‌ای Hyperion و شبکه‌های عصبی

از اهداف اساسی و اولیه در مطالعات تفصیلی اکتشاف منابع معدنی، تفکیک آلتراسیون‌های معدنی به‌منظور مدل‌سازی شکل و موقعیت توده‌های معدنی و تهیه نقشه نقاط بهینه حفاری است. نخستین هدف این مقاله تفکیک آلتراسیون‌های معدنی در تصویر ماهواره‌ای فراطیفی Hyperion با استفاده از دو روش SAM و نسبت باندی است. در ادامه با استفاده از شبکه‌های عصبی پرسپترون چندلایه و تابع شعاع‌مبنا، به منظور تلفیق لایه‌های مؤثر بر کانی‌سازی مس پورفیری و لایه آتراسیون حاصل از طبقه‌بندی تصویر، هدف دوم که همان مدل‌سازی نقاط بهینه حفاری است، حاصل می‌گردد. نتایج طبقه‌بندی تصویر فراطیفی با استفاده از روش‌های مذکور، نشان می‌دهد که روش نسبت باندی که قبل از به‌کارگیری آن از تبدیل MNF استفاده شده است، دارای دقتی بالا و در حدود 2/94 درصد (دقت کلی به‌دست آمده از ماتریس خطا) است. نتایج بهره‌گیری از شبکه‌های عصبی در مدل‌سازی تعیین نقاط بهینه حفاری نیز نشان می‌دهد که بهترین ساختار شبکه‌های عصبی، شبکه عصبی MLP است و میزان انطباق گمانه‌ها با نقشه تهیه شده به‌وسیله این شبکه عصبی 54 درصد است.