مدل سازی و تخمین ذخیره معدن چغارت با استفاده از شبکه های عصبی مصنوعی

طی دهه های متمادی روش های زمین آماری برای تخمین ذخیره کانسار ها مورد استفاده بسیار قرار گرفته اند. پیشرفت های اخیر در شبکه های عصبی باعث شده است تا این روش به عنوان یک ابزار قدرتمند در تخمین ذخیره کانسار ها مطرح باشد. این پایان نامه به مدل سازی شبکه عصبی برای تخمین ذخیره کانسار آهن چغارت پرداخته است. با توجه به تغییرات فضایی، ورودی های چند بعدی و داده های گمانه ها با نوفه زیاد، طراحی شبکه عصبی چند لایه، برای کشف رابطه غیر خطی حاکم، ضروری به نظر می رسید. ساختار های گوناگونی از شبکه عصبی بررسی و درنهایت ساختار پس انتشار، برای مسئله مدل سازی عیاری و تخمین ذخیره کانسار برگزیده شد. آنالیز حساسیت برای نوع ساختار شبکه، تعداد لایه های مخفی و نرون های مخفی، نوع توابع فعال سازی، نرخ یادگیری و فاکتور مومنتوم، انجام گرفت. تاثیر پارامتر های ذکر شده روی تخمین ها به تفصیل بررسی شده و در نهایت مقادیر بهینه برای این پارامتر ها مشخص شدند. برای ارزیابی نتایج شبکه-عصبی به عنوان ابزاری برای تخمین ذخیره کانسار، ذخیره و تناژهای تخمینی در افق های مختلف با مقادیر تخمین حاصل از روش زمین آمار مقایسه شدند. در نهایت ساختار بهینه برای تخمین آهن دارای توپولوژی 1-10-20-3 با مقادیر 0/71= r و 47/6= mse بدست آمد. برای عنصر فسفر نیز شبکه ای با ساختار 1-4-8-3 با مقادیر 0/60= r و 0/43= mse به عنوان شبکه بهینه انتخاب شد. به عنوان آخرین مرحله این مطالعه، شبکه عصبی بهینه طراحی شده، برای تخمین عیار و تناژ آهن و فسفر در افق های مختلف کانسار آهن چغارت، مورد استفاده قرار گرفت. نتایج در نهایت به صورت یک گزارش افق به افق تناژ و عیار میانگین ارائه شده و پلان های کانسنگ در هر افق به صورت بلوکی ترسیم شدند. در نهایت بوسیله شبکه عصبی، ذخیره معدن چغارت از افق 800 تا 1100 متری، حدود 135/8 میلیون تن با عیار متوسط آهن 56/14 و فسفر 0/707 درصد برآورد شد.