بررسی عملکرد روش یادگیری ماشین رگرسیون فرآیندهای گوسی در مدلسازی فضایی عیار آهن معدن سنگ آهن چادرملو

امروزه با پیشرفت هایی که در روشهای مدلسازی فضایی ذخایر معدنی حاصل شده است و نقش کلیدی که و مدلسازی فضایی در بررسی های فنی و اقتصادی و به طور دقیق تر در اقتصادی بودن و یا نبودن یک کانسار ایفا میکند روشهای محاسبه ذخیره از اهمیت بالایی برخوردار هستند. هدف از تحقیق حاضر بررسی عملکرد روش یادگیری ماشین فرایندهای گوسی در مدلسازی فضایی عبار آهن در معدن سنگ آهن چادر ملو میباشد. معدن چادر ملو یکی از معادن مهم آهن در ایران و در بلوک آهن دار بافق ساغند قرار دارد. داده های مورد استفاده در این تحقیق مربوط به ۶۹ گمانه در دسترس با ۱۸۸۰ نمونه عیار سنجی شده برای عناصر آهن گوگرد و فسفر میباشند. میانگین عیار آهن در نمونه ها برابر با ۵۳٫۹۹ و حداکثر مقدار آن ۷۸٫۱ درصد به دست آمده است. در بانک اطلاعاتی داده های مورد استفاده هشت متغیر برای هر داده ثبت شده است. که سه مورد آن مربوط به موقعیت مکانی طول عرض ارتفاع میباشد چهارمین پنجمین و ششمین متغیر نیز نشان دهنده عیار فسفر، گوگرد. و آهن دو ظرفیتی هستند هفتمین متغیر نیز معرف نوع سنگ است. هشتمین متغیر نیز عیار آهن است که به عنوان متغیر هدف مورد استفاده قرار میگیرد. برای تخمین عبار آهن از روش رگرسیون فرآیندهای گوسی با چهار کرنل مختلف استفاده گردید و در نهایت روش Rational Quadratic GPR با مقدار RMSE برابر با ۶۵ و R-Squared برابر با ۷ به عنوان روش مناسب ارائه گردید.