زکریا جلالی - دانشجوی دوره کارشناسی، رشته مهندسی معدن، گرایش استخراج معدن، دانشگاه شهید باهنر کرمان

این مقاله به اصلاح کلاس‌های سیستم طبقه‌بندی ژئومکانیکی توده سنگ (RMRb) برمبنای توابع پیوسته توسط الگوریتم خوشه‌بندی K-Means می‌پردازد. در سیستم طبقه‌بندی RMRb، داده‌ها توسط یک سری از اطلاعات اولیه گروه‌بندی شده اندولی با کاربرد الگوریتم خوشه‌بندی K-Means در این سیستم طبقه‌بندی، داده‌ها پس از تشکیل فرایند خوشه‌بندی به خوشه‌های خاصی تعلق می‌گیرند، که در این صورت موجب قضاوت بهتر در مورد کیفیت توده سنگ می‌شود. نتایج نهایی الگوریتم خوشه‌بندی K-Means در مورد داده‌های برداشت‌شده از آنومالی B معادن سنگ آهن سنگان نشان می‌دهد که استفاده از تکنیک خوشه‌بندی مورد استفاده در این مقاله می‌تواند روش بسیار مناسبی جهت تخمین کلاس‌های سیستم طبقه‌بندی RMRb برمبنای توابع پیوسته باشد

سیستم طبقه‌بندی RMRb ، الگوریتم خوشه‌بندی K ، Means ، آنومالی B معادن سنگ آهن سنگان