تخمین پلاریزاسیون القایی با استفاده از یادگیری ماشین: کاربرد در اکتشاف کانسارهای سولفیدی
- سال انتشار: 1402
- محل انتشار: اولین کنفرانس ژئوفیزیک کاربردی در معادن
- کد COI اختصاصی: GEOMINE01_065
- زبان مقاله: فارسی
- تعداد مشاهده: 160
نویسندگان
کارشناسی مهندسی برق، دانشگاه بیرجند؛
دکتری ژئوفیزیک، دانشگاه آزاد واحد علوم و تحقیقات؛
دکتری حرفهای آنستزیولوژی، دانشگاه علوم پزشکی کرمان
دکتری مهندسی معدن، دانشگاه شهید باهنر کرمان
چکیده
اکتشاف معادن مس به دلیل اهمیت استراتژیک مس به عنوان یک فلز با اهمیت از جمله فرآیندهای حیاتی در صنعت معدن و فلزات است. در این راستا، استفاده از تکنیک های پیشرفته و نوآورانه برای اکتشاف معادن مس مهم و ضروری است. یکی از راهکارهای مدرن و موثر در بهبود عملکرد اکتشاف، استفاده از روش های پلاریزاسیون القایی به همراه تکنیک های یادگیری ماشین می باشد. در این مطالعه از دو روش توانمند شبکه عصبی تابع پایه شعاعی و شبکه عصبی رگرسیون عمومی برای تخمین پلاریزاسیون القایی استفاده شده است. برای این منظور از داده های مقاومت الکتریکی و پلاریزاسیون القایی هفت پروفیل در اطراف شهر مشهد استفاده شده است. نتایج گرافیکی و آماری مقایسه مدل ها، نشان از دقت بالای هر دو مدل توسعه یافته با مقدار ضریب همبستگی بالای ۹۷/۰ و خطای جذر میانگین مربعات کمتر از ۳/۱ دارد.کلیدواژه ها
پلاریزاسیون القایی، شبکه عصبی با تابع پایه شعاعی، شبکه عصبی رگرسیون عمومی، اکتشاف کانسارهای سولفیدیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.