مسعود زارع - استادیار گروه مهندسی معدن، دانشگاه صنعتی همدان
سارا هاشمی فرهود - کارشناس ارشد نرم افزار، دانشگاه صنعتی همدان

امروزه امکان ذخیره حجم بالای داده های خام فراهم شده است. این داده ها همواره شامل دانش مفید کشف نشده ای هستند. هدف داده کاوی اکتشاف الگوهای پنهان، روابط بین داده ها و استفاده از الگوی کشف شده در توصیف وضعیت کنونی یا پیش بینی وضعیت آینده می باشد. فواید و کاربرد داده کاوی امروزه در زمینه های مختلفی مورد بحث قرار گرفته و بخش علوم زمین نیز از این قاعده مستثنی نمی باشد. تعیین خواص مقاومتی سنگ ها در پروژه های معدنی و عمرانی از اهمیت ویژه ای برخوردار است و به همین منظور در این تحقیق از روش های داده کاوی برای پیش بینی سه شاخص مقاومت زمین شناسی (GSI)، رده بندی توده سنگ (RMR) و سیستم رده بندی Q به جای محاسبه آزمایشگاهی استفاده شده است. در این مطالعه از شبکه های عصبی که یکی از الگوریتم های پرکاربرد دادهکاوی می باشد، استفاده شده است. با استفاده از این الگوریتم مقاومت توده سنگ ها براساس اطلاعات ورودی پیش بینی می شود. مزیت این روش سهولت محاسبه، صرفه جویی در هزینه، زمان و تجهیزات می باشد. در انتها نتایج حاصل از تخمین توسط شبکه عصبی با داده های دستی مقایسه شده و خروجی شبکه با دقت بالا تایید گردده است.

داده کاوی، رده بندی توده سنگ، شبکه های عصبی، مناطق معدنی ایران مرکزی