مکان یابی معادن با استفاده از شبکه های عصبی

پایان نامه
چکیده

حفاری در اکتشاف معادن،پروسه ای پرهزینه و زمانبر بوده و با مشکلات بسیاری همراه است. از اینرو وجود مدلی برای تعیین نقاط بهینه حفاری به دلیل تسهیل مدل سازی موقعیت و شکل توده معدنی و به تبع آن کاهش ریسک و هزینه فرآیند حفاری در مطالعات تفصیلی اکتشاف ذخایر معدنی، از اهمیت ویژه ای برخوردار است. تعیین نقاط بهینه حفاری از طریق در نظر گرفتن کلیه شرایط پیچیده حاکم بر شکل گیری ذخایر معدنی و تلفیق فاکتورهای موثر بر کانی سازی انجام می شود.با توجه به اینکه روش های متداول تلفیق فاکتور های کانی سازی مانند روش های همپوشانی، بر دانش کارشناسی استوار است،و از آنجاییکه داده های موجود،مبنای قضاوت کارشناسان قرار می گیرد، دقت این روش ها با افزایش حجم اطلاعات پردازش شده و وجود نویز در داده ها به نحو قابل توجهی کاهش می یابد. لذا برای حل مشکلات موجودبه ابزارهای قوی در پردازش حجم عظیم اطلاعات و باانعطاف پذیری زیاد (بخصوص در صورت وجود نویز در داده ها) نیاز است. شبکه های عصبی با ساختار موازی و انعطاف پذیر، از توانایی بالایی در مدیریت جحم عظیم اطلاعات واستخراج الگو ها از میان داده های نویزدار برخوردارند. بنابراین شبکه های عصبی می توانند جهت شناسایی نقاط مناسب برای حفاری مورد استفاده قرار گیرند. از آنجاییکه این شبکه ها برحسب نوع توابع عملکرد دارای ساختارهای بسیار متنوع هستند، لازم است کارآیی هریک از این ساختارها در تعیین نقاط بهینه حفاری مورد بررسی و مطالعه قرارگیرد. لذا در این پایان نامه روش تعیین نقاط بهینه حفاری ذخایر معدنی مس پورفیری در محدوده های نوچون و چاه فیروزه استان کرمان با استفاده ازشبکه های عصبی mlp، rbf، grnn و pnn و بابهره گیری از روش cross correlation ارائه شده است. نتایج پیاده سازی این چهار نوع شبکه عصبی، نشان می دهد که در میان چهار ساختار مختلف شبکه عصبی، شبکه grnn از کارآیی بهتر با دقتی در حدود 86 درصد در اندیس معدنی چاه فیروزه و دقتی در حدود 85 درصد در اندیس معدنی نوچون برخوردار است. همچنین نتایج ارزیابی نقشه های تهیه شده توسط چهار شبکه عصبی mlp، rbf، grnn و pnn به وسیله اطلاعات گمانه های اکتشافی نشان می دهد که نقشه تهیه شده به وسیله شبکه عصبی grnn از انطباق بالاتری با گمانه ها برخوردار است.میزان انطباق این نقشه با گمانه های اکتشافی در اندیس چاه فیروزه 73 درصد و در اندیس نوچون 70 درصد می باشد.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

مکان یابی بهینه دفن زباله روستای لیقوان با استفاده از مدل فرآیند تحلیل شبکه (ANP)

حفظ محیط زیست روستاها از جمله ضرورت­های توسعه روستایی محسوب می­شود. یکی از مسائلی که در مناطق روستایی اهمیت دارد مکان مناسب جهت دفن زباله می­باشد. دراین تحقیق به منظور ارزیابی مکان مناسب جهت دفن زباله در روستای لیقوان داده­ها و اطلاعات مربوط به عوامل ژئومورفولوژیکی تهیه و تحلیل گردید. در بررسی محل دفن زباله از محیط سیستم اطلاعات جغرافیایی و مدل فرآیند تحلیل شبکه (ANP) استفاده شد. در این تحقیق 5...

متن کامل

پتانسیل یابی کانی سازی مس با استفاده از شبکه عصبی فازی در محیط GIS

در علوم مرتبط با زمین به دلیل حضور عدم قطعیت بسیار بالا که خود نتیجه پدیده های گوناگون و گاهی ناشناخته زمین شناسی در یک منطقه می باشد، استفاده از مدل هیبریدی نروفازی در علوم زمین به این دلیل که، این مدل تلفیقی از دانش و داده می باشد، بسیار مناسب است. در این مطالعه منطقه نائین- کاشان که بخشی از کمربند آتشفشانی ارومیه- دختر می باشد و تعداد زیادی کانسارهای فلزی و غیرفلزی را در خود جای داده، به عنو...

متن کامل

مکان یابی تسهیلات نامطلوب با استفاده از روش آزادسازی لاگرانژ

از یک دیدگاه کلی می‌توان مسایل مکان‌یابی را در دو دسته‌ی مکان‌یابی تسهیلات مطلوب و تسهیلات نامطلوب بررسی نمود. در مکان‌یابی تسهیلات نامطلوب بر خلاف تسهیلات مطلوب، سعی می‌شود که تا حد امکان، تسهیلات دور از مناطق دریافت کننده‌ خدمت استقرار یابند. در این مقاله در مورد مساله‌ی مکان‌یابی این قبیل تسهیلات بحث شده ‌است. این تحقیق با تمرکز بر "نه در حیاط خلوت من" می‌باشد که اشاره به پدیده‌های اجتماعی د...

متن کامل

انتخاب سبد سرمایه ریسکی با استفاده از شبکه های عصبی

هدف اصلی این تحقیق دستیابی به یک سبد سرمایه مناسب‌تر برای سرمایه‌گذاران ریسک‌پذیر است. در این تحقیق مدل مارکوتیز در تئوری سبد سرمایه به عنوان مدل مقایسه‌ای استفاده شده است و مدل شبکه عصبی با آن مقایسه شده است. الگوی یادگیری شبکه عصبی، الگوی «پس انتشار خطا» می‌باشد. سبد انتخابی شامل بیست سهم از بازار بورس اوراق بهادار تهران است که برای یک دوره سیزده ماهه مورد مطالعه قرار گرفته است. در هر دو مدل ...

متن کامل

برآورد ظرفیت مالیاتی کشور با استفاده از شبکه های عصبی

ظرفیت مالیاتی، ظرفیت اقتصادی یک کشور برای تحمل فشار انواع مالیات ها است به عبارت دیگر، میزانی است که مردم می توانند مالیات بپردازند. تعیین ظرفیت مالیاتی کار دشواری است. بررسی چگونگی افزایش درآمد مالیاتی به عنوان بخشی از درآمدهای دولت از اهمیت ویژه ای برخوردار است. در این راستا، یک برآورد دقیق از ظرفیت مالیاتی و شناخت منابع موجود آن، ضروری به نظر می رسد. مناسب ترین معیار برای محاسبه و برآورد این...

متن کامل

مکان یابی مدارس با استفاده از سیستم اطلاعات جغرافیایی( GIS)

پیشرفتهای چشمگیر در ابعاد مختلف زندگی انسان و پیچیدگی ارتباط این ابعاد، مشکلات عدیده ای را در امر برنامه ریزی و مدیریت ایجادکرده است.برنامه ریزان و مدیران شهری نیز از جمله متخصصانی هستند که با اطلاعات متنوع و فراوانی سر وکار دارند و برای حفظ و ساماندهی وضعیت یک شهر نیازمند استفاده از این حجم اطلاعات در تحلیل های مکانی می باشند. پیچیدگی، تنوع و حجم انبوه اطلاعات مکانی از یک سو و توانائیهای کامپی...

متن کامل

منابع 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 @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداری

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023