تعیین مناطق بهینه حفاری در اکتشاف تفصیلی منابع معدنی با استفاده ازشبکههای عصبی GRNN و RBF درمحیط GIS

حفاری در اکتشاف معادن،پروسهای پرهزینه و زمانبر بوده و با مشکلات بسیاری همراه است.از اینرو تعیین نقاط حفاری در مطالعات تفصیلی اکتشاف ذخایر معدنی، که از طریق در نظر گرفتن کلیه شرایط پیچیده حاکم بر شکل- گیری ذخایر معدنی و تلفیق فاکتورهای موثر بر کانیسازی انجام میشود، از اهمیت ویژهای برخوردار است .با توجه به اینکه روشهای متداول تلفیق فاکتورهای کانیسازی مانند روشهای همپوشانی ،بر دانش کارشناسی استوار است، دقت این روشها با افزایش حجم اطلاعات پردازش شده و وجود نویز در دادهها بهنحو قابل توجهی کاهش مییابد. لذا برای حل مشکلات موجودبه ابزارهای قوی در پردازش حجم عظیم اطلاعات و باانعطافپذیری زیاد نیاز است. شبکه- های عصبی با ساختار موازی و انعطافپذیر، از توانایی بالایی در مدیریت جحم عظیم اطلاعات واستخراج الگوها از میان دادههای نویزدار برخوردارند. لذا شبکههای عصبی میتوانند جهت شناسایی نقاط مناسب برای حفاری مورد استفاده قرار گیرند. بنابراین در این مقاله به تهیه نقشههای نقاط بهینه حفاری ذخایر مسپورفیری بهوسیله دو نوع شبکه عصبیGRNN و RBF بابهرهگیری از روش cross correlation و ارزیابی این نقشهها بر اساس گمانههای اکتشافی حفرشده در منطقه نوچون استان کرمان پرداخته شده است. نتایج ارزیابی نقشههای تهیه شده توسط این دو نوع شبکهعصبی، نشان میدهد که شبکه عصبیGRNNاز کارآیی بهتر با دقتی در حدود ۷۱ درصد برای مدلسازی مکانیابی نقاط بهینه حفاری برخوردار است. مکانیابی نقاط بهینه حفاری برخوردار است.