تصحیح سیستم طبقه بندی امتیاز توده سنگ با استفاده از الگوریتم های خوشه بندی k-means و fuzzy c-means

با توجه به اهمیت و کاربرد سیستم طبقه بندی امتیاز توده سنگ در مهندسی سنگ، هدف از این مقاله تصحیح کلاس های نهایی این سیستم طبقه بندی با استفاده از الگوریتم های خوشه بندی k-means و fuzzy c-means (FCM) است. در سیستم طبقه بندی امتیاز توده سنگ داده ها توسط یک سری از اطلاعات اولیه بر مبنای نظریات و قضاوت های تجربی طبقه بندی می شوند ولی با کاربرد الگوریتم های خوشه بندی در این سیستم طبقه بندی، کلاس بندی داده ها بعد از مراحل تحلیل خوشه ای انجام می شود، در نتیجه موجب تفکیک پذیری مناسب کلاس های نهایی سیستم طبقه بندی امتیاز توده سنگ و رفع ابهامات حاصل از معیار های زبانی آن می شود. جهت اعتبار سنجی الگوریتم خوشه بندی k-means از روش سیلهوته(SC) و اعتبار سنجی الگوریتم خوشه بندی FCM از چهار روش: ضریب توزیع پارتیشن (PC)، روش آنتروپی (CE)، روش فوکویاما و سوگنو (FS) و ضریب زی و بنی (XB) استفاده شده است. با توجه به نتایج اعتبار سنجی هر یک از الگوریتم های خوشه بندی، در نهایت مشخص شد که الگوریتم خوشه بندی FCM به دلیل شرایط عدم قطعیت در تعیین کلاس های سیستم طبقه بندی توده سنگ دارای نتایج بهتر و مناسب تری نسبت به الگوریتم خوشه بندی k-means است. این نتایج در مورد داده های برداشت شده از آنومالی B معادن سنگ آهن سنگان نشان می دهد که تکنیک مورد استفاده در این مقاله از اهمیت ویژه ای جهت ارزیابی کیفیت توده سنگ برخوردار است.

کلیدواژه ها:

rock mass rating classification system ، k-means and FCM clustering algorithms ، Clustering validation methods ، Anomaly B of Sangan iron mines