کاربرد یادگیری ماشین در اکتشاف مواد معدنی: مزایا، چالش ها، چشم انداز آینده و مثال کاربردی

اکتشاف معدن فرآیند پیچیده و پرهزینه کاوش با هدف یافتن تمرکزهای اقتصادی ماده معدنی است. روش های سنتی اکتشاف، که عمدتا بر داده های زمین شناسی متکی هستند اغلب زمان بر بوده و نتایجی با عدم قطعیت بالا حاصل می کنند. در سال های اخیر استفاده از تکنیک های یادگیری ماشین انقلابی در این حوزه ایجاد کرده است و ابزارهای قدرتمندی برای تحلیل داده ها و نهایتا شناسایی و پیش بینی الگوها فراهم کرده است. این مقاله به بررسی کاربردهای مختلف یادگیری ماشین در اکتشاف معدن می پردازد و پس از بحث در مورد مزایا، چالش ها و چشم اندازهای آینده این الگوریتم ها با ارائه مثالی کاربردی در هدف یابی رخداد کانه زایی در معدن سنگ آهن شماره دو گل گهر سیرجان کارایی و اثربخشی الگوریتم های هوش مصنوعی را مورد ارزیابی قرار می دهد. یافته ها در مثال کاربردی حاکی از توانمندی الگوریتم های یادگیری ماشین و هوش مصنوعی در هدف یابی و پیش بینی زون کانه زایی می باشند. این توانمندی در کنار سایر مزایای این الگوریتم ها پتانسیل بالای این حوزه را در حل مسائل مختلف در حوزه اکتشاف مواد معدنی نشان می دهند.

کلیدواژه ها:

رخداد کانه زایی ، تلفیق داده های اکتشافی ، یادگیری ماشین ، هوش مصنوعی