سیستم پیشنهاد دهنده برای شناسایی مکان مناسب برای اکتشاف معدن با استفاده از تجزیه مقدار تکین

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 69

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ANM-9-19_004

تاریخ نمایه سازی: 20 آذر 1403

چکیده مقاله:

اکتشاف معادن شامل چهار مرحله پی جویی، اکتشاف مقدماتی، اکتشاف تفضیلی و اکتشاف تکمیلی (یا حین استخراج) است. در مرحله پی جویی بعد از بررسی اطلاعات موجود محدوده اکتشافی و برداشت های اولیه بر اساس یک بررسی فنی و اقتصادی سرانگشتی، امکان سنجی ورود به مرحله اکتشاف مقدماتی صورت می گیرد. برای شروع مرحله پی جویی در مورد کانسار معدنی باید ابتدا ظرفیت کلی منطقه برای تشکیل مقدار قابل توجه ماده معدنی که دارای ارزش اقتصادی است، مشخص شود. به صورت معمول این ظرفیت یابی بر اساس دانش و تجربه بالای زمین شناسان و مهندسین معدن صورت می گیرد، لذا این مرحله از اکتشاف مستلزم صرف هزینه هایی با ریسک بالاست و روش هایی که بتواند هزینه را کاهش داده و یا از عدم قطعیت های موجود بکاهد، مورد توجه هستند. از طرفی مجموعه ای از داده­های مرتبط با منطقه مورد مطالعه و مناطق اطراف با پراکندگی بالا موجود است که تحلیل آنها، می تواند هدف اشاره شده را برآورده نماید. با استفاده از روش های داده کاوی ریاضی مانند روش های مختلف خوشه بندی، می توان محدوده های دارای ماده معدنی مشخص را بر اساس شرایط زمین شناسی مشابه در مناطق مختلف دسته بندی کرد. تجزیه مقدار تکین یکی از ابزارهای پر استفاده در ریاضیات است و کاربرد آن بیشتر در مسائل خوشه بندی و سیستم های پیشنهاد دهنده است. در این مقاله با استفاده از تجزیه مقدار تکین و اطلاعات معادن فلزی استخراج شده از پایگاه داده معادن ایران، استان ها خوشه بندی شده اند. استان هایی که در یک خوشه قرار می گیرند دارای بخش هایی با شرایط زمین شناسی مشابه اند و می توان انتظار داشت که اگر کانساری در یک استان وجود دارد، در استان های هم خوشه آن نیز امکان شناسایی آن کانسار وجود داشته باشد.

نویسندگان

Seyed Abolfazl Shahzadeh Fazeli

Dept. of Mathematical Sciences, Yazd University, Iran

Azam Sadeghian

Dept. of Mathematical Sciences, Yazd University, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Madani, S.H. (۲۰۱۱) Mineral Exploration, Publishing Company of textbooks (In ...
  • Moon, C. J., Whateley, K.G. (۲۰۰۶) Introduction to Mineral Exploration ...
  • Zhou, X. (۲۰۱۵) SVD-based incremental approaches for recommender systems. Computer ...
  • Rokach, L. Maimon, O. (۲۰۰۵) Data Mining and Knowledge Discovery ...
  • Datta, B. (۲۰۱۰) Numerical linear algebra and Applications. SIAM ...
  • Golub, G. H., Van Loan, C. F. (۱۹۹۶) Matrix computations, ...
  • Schaeffer, S. E, (۲۰۰۷) Survey: Graph clustering, Computer Science Review ...
  • نمایش کامل مراجع