مدل سازی سه بعدی عیار ماده معدنی با یک رهیافت بیزی تقریبی
محل انتشار: فصلنامه علوم زمین، دوره: 34، شماره: 4
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 254
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GSJ-34-4_002
تاریخ نمایه سازی: 22 دی 1403
چکیده مقاله:
از آنجا که عیار عناصر در یک محدوده معدنی دارای همبستگی فضایی است، تحلیل آماری آن با روش های آماری معمول امکان پذیر نیست. بنابراین، برای مدل بندی ساختار همبستگی فضایی و تخمین مقادیر نامعلوم عیار در مکان های دلخواه، در تحلیل آن ها از روش های آمار فضایی استفاده می شود. برای انجام تخمین، گنجاندن ساختارهای وابستگی و پیروی از روند به دلیل عوامل زمینه ای (مانند توپوگرافی) در بهبود دقت تخمین متغیر پاسخ کمک می کند. در تحلیل داده ها، کم بودن تعداد مشاهدات، وجود مشاهدات پرت یا داده هایی با توزیع شدیدا چوله، باعث برآوردی نادقیق از تغییرنگار(Variogram) می شود. در این موارد، استفاده از یک رویکرد زمین آمار مبتنی بر مدل توصیه می شود. در این مقاله برای مدل سازی سه بعدی داده ها از یک رهیافت بیزی و برای برازش مدل پیشنهادی از یک روش بیزی تقریبی معروف به تقریب لاپلاس آشیانه ای جمع بسته (INLA) استفاده می شود. با توجه به چگال بودن داده های زمین آماری، برای اطمینان از محاسبات سریع با استفاده از INLA، مدل فضایی تعریف شده روی ناحیه معدنی تحت مطالعه را به کمک مثلث سازی و رهیافت معادلات دیفرانسیل جزیی تصادفی (SPDE)، به یک فرایند تصادفی مارکوفی گاوسی (GMRF) تبدیل می کنیم. پیاده سازی روش ترکیبی INLA+SPDE بر روی یک مجموعه داده زمین آماری سه بعدی، مبحث جدیدی در زمینه مدل سازی داده های معدنی است.
کلیدواژه ها:
نویسندگان
احمدرضا بسکابادی
دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران
علیرضا عرب امیری
دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران
بهزاد تخم چی
دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران
حسین باغیشنی
دانشکده علوم ریاضی، دانشگاه صنعتی شاهرود، شاهرود، ایران
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 :