تخمین عیار اکسید آهن در معدن الماس کویر توت مبتنی بر شبکه عصبی مصنوعی

تعیین دقیق توزیع اکسید آهن در معادن نقشی کلیدی در طراحی بهینه فرآیندهای استخراجی دارد. نحوه پراکندگی و عیار اکسیدهای آهن در توده ی معدنی امکان تحلیل رفتار فیزیکی و شیمیایی کانسنگ را در شرایط مختلف ممکن می سازد و هرگونه عدم قطعیت در این برآوردها می تواند کارایی اقتصادی و فنی فرآیندهای متالورژی استخراجی را کاهش دهد. در سال های اخیر الگوریتم های یادگیری ماشین برای مدلسازی اکتشاف مواد معدنی به طور گسترده به کار رفته اند. در این مطالعه برای برآورد مقادیر اکسید آهن در نواحی نمونه برداری نشده از شبکه عصبی مصنوعی استفاده شد. این شبکه با تحلیل روابط میان داده های مکانی و عیار نمونه ها امکان پیش بینی دقیق مقادیر اکسید آهن را فراهم کرد. پس از اعتبارسنجی نتایج مدل سه بعدی اکسید آهن معدن الماس کویر توت با روش کریجینگ معمولی در نرم افزار سورپک ساخته شد. نتایج این مطالعه می تواند به عنوان پایه ای برای مطالعات ژئومتالورژی استخراجی و پیش بینی رفتار مواد معدنی در فرآیندهای استخراج و بازیابی فلز مورد استفاده قرار گیرد.

کلیدواژه ها:

زمین ، آمار ، شبکه عصبی ، پرسپترون چندلایه ، کریجینگ معمولی