پهنه بندی کانسار براساس توزیع فضایی عیار کانسنگ با استفاده از الگوریتم خوشه بندی نقشه خود سازمانده در معدن چغارت
نویسنده
چکیده مقاله:
پهنه بندی کانسار، یکی از مسائل مهم در زمینه مدلسازی، ارزیابی و برنامهریزی استخراج در امور معدنی است. در مدلسازیهای معدنی، منطقه بر اساس ویژگیهای فیزیکی مؤثر بر کانیزایی یا توزیع فضایی عیار به پهنههای مختلف تقسیم میشود. در این مقاله، از روش خوشه بندی نقشه خودسازمانده (SOM) بهمنظور پهنهبندی سه بعدی کانسار معدنی استفاده شده است و شاخصهای اعتبارسنجی برای تعیین تعداد بهینه پهنهها بهکار برده شده است. بهمنظور اعتبارسنجی الگوریتم پیشنهادی، دادهها و اطلاعات معدن سنگ آهن چغارت بهکار برده شده است. شاخصهای اعتبارسنجی خوشه بندی روی دادههای عیارسنجی آهن و فسفر گمانههای اکتشافی اجرا شد و در نتیجه تعداد دو پهنه بهصورت بهینه مشخص شد. بر اساس نتایج، محدوده دو پهنه و نحوه اختصاص نمونه به هر پهنه با استفاده از الگوریتم خوشهبندی نقشه خودسازمانده تعیین شد. در نتیجه، خروجی الگوریتمهای SOM و K-means بررسی شد که در حدود 90% دادهها بهصورت مشابه بهخوشههای یکسان اختصاص یافته است. در روش SOM، سطح جدایش دو پهنه در راستای شمالشرقی-جنوبغربی کشیده شده که به سمت جنوبشرقی شیب دارد، در حالی که این سطح جدایش در روش K-means راستای شرقی-غربی و شیب بهسمت جنوب دارد. بر اساس سطوح جدایش بهدست آمده از دو روش خوشهبندی و مقایسه با خصوصیات بعدی-جهتی و ویژگیهای ساختمانی مؤثر در کنترل کانیزایی (بهویژه گسلها)، سطح جدایش SOM از نظر ساختار فضایی و جهتی، هم خوانی قابلتوجهی با ویژگیهای ساختمانی منطقه دارد.
منابع مشابه
الگوی توزیع ژئوشیمیایی عمقی عیار طلا با استفاده از روش های فرکتالی به منظور پهنه بندی اهداف اکتشافی ناحیه ای در کانسار طلای زرشوران، تکاب، شمال غرب ایران
الگوی توزیع عمقی عناصر ژئوشیمیایی در برنامههای اقتصادی معادن بسیار مهم و ضروری میباشد. در این پژوهش 44 گمانه اکتشافی کانهزا و غیر کانه زا درکانسار زرشوران، واقع در شمال غرب ایران، برای تشخیص و توصیف الگوی توزیع عمقی عیار طلا مورد استفاده قرار گرفتند. در این رابطه از مدلهای فرکتال شمارش مربعات، فراوانی توان- قانون و ضریب هورست استفاده شده است. نتایج بدست آمده از مدل شماره مربعات نشان ...
متن کاملمنطقه بندی حوضه ی آبریز ارس با استفاده از نگاشتهای خود سازمانده
نگاشت های خودسازمانده کوهونن گونهای از شبکه های عصبی مصنوعی با توانایی ویژه در تشخیص الگو و خوشه بندی دادهها با استفاده از ویژگیهای آنها هستند. در این مطالعه، توانایی نگاشت های خودسازمانده کوهونن در منطقه بندی حوضهی آبریز ارس به منظور اجرای تحلیل فراوانی منطقه ای سیلاب با استفاده از الگوریتم گشتاورهای خطی مورد بررسی قرار گرفته است. نتایج به دست آمده نشان داد که نگاشتهای خودسازمان...
متن کاملارایه شاخصی جدید جهت سنجش اعتبار خوشه بندی در الگوریتم های خوشه بندی فازی نوع-2
One of the main issues in fuzzy clustering is to determine the number of clusters that should be available before clustering and selection of different values for the number of clusters will lead to different results. Then, different clusters obtained from different number of clusters should be validated with an index. But so far such an index has not been introduced for interval type-2 fuzzy C...
متن کاملشناسایی خودرو در تصاویر UAV با استفاده از الگوریتم SIFT با رویکرد خوشه بندی عوارض موضعی
در طول چند دههی اخیر محیطهای شهری بسیار بیشتر از گذشته گسترش یافتهاند. یکی از مهمترین مشکلاتی که در اکثر کلان شهرها و حتی شهرهای کوچک وجود دارد مدیریت سیستم حمل و نقل است. یک سیستم نظارتی پیشرفته از وسایل نقلیهی درون شهری امکان...
متن کاملشناسائی و پهنه بندی رژیم های بارشی استان کردستان با استفاده از تحلیل خوشه ای
در بررسی های اقلیمی هرچند که میزان کلی بارش در تعیین شرایط آب و هوائی و در نهایت اکولوژیکی عامل مهمی به شمار می آید، لیکن توزیع فصلی آن و به عبارت دقیق تر تطابق آن با نیازهای محیطی به ویژه کشاورزی دارای اهمیت فراوانی است. در این پژوهش هدف آن است که در یک مقیاس استانی ابتدا رژیم های بارشی هر محل در استان کردستان شناسائی و آنگاه از راه مقایسه رژیم های بارشی، گونه های اصلی را یافته و قلمرو ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 11 شماره 32
صفحات 73- 86
تاریخ انتشار 2016-10-01
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023