مقایسه الگوریتم های مختلف شبکه عصبی مصنوعی در برآورد عیار مس مطالعه موردی: کانسار مس پورفیری دره زرشک، جنوب غرب یزد

  • سال انتشار: 1393
  • محل انتشار: ششمین همایش انجمن زمین شناسی اقتصادی ایران
  • کد COI اختصاصی: CISEG06_074
  • زبان مقاله: فارسی
  • تعداد مشاهده: 555
دانلود فایل این مقاله

نویسندگان

علیرضا زراسوندی

دانشگاه شهید چمران، دانشکده علوم، گروه زمین شناسی

احمد نیامدپور

هییت علمی دانشگاه آزاد واحد مسجد سلیمان

مریم خواس

دانشگاه شهید چمران، دانشکده علوم، گروه زمین شناسی

هوشنگ پورکاسب

دانشگاه شهید چمران، دانشکده علوم، گروه زمین شناسی

چکیده

از آنجا که حفاری امری پرهزینه و زمان بر می باشد به منظور کاهش هزینه نیاز به ابزارهای قوی در پردازش حجم عظیم اطلاعات با انعطاف پذیری زیاد است. شبکه های عصبی توانایی بالایی در استخراج الگوها از میان داده ها و همچنین حل مسایل پیچیده با ماهیت طبیعی دارند. در واقع این شبکه ها با مدیریت حجم عظیم داده های ورودی و پردازش آنها، تحلیل درستی از ارتباط میان آنها و شواهد زمینی استخراج و الگوها را تشخیص میدهند. هدف از این مطالعه مقایسه الگوریتم های آموزشی مختلف شبکه عصبی جهت برآورد عیار مس و ارایه روند بهینه سازی تهیه نقشه - های پتانسیل معدنی می باشد. نتایج حاصل از تحقیق حاضر، نشان میدهد که در میان هشت الگوریتم آموزشی پس۔ انتشار خطای مورد برررسی، الگوریتم آموزشی LM و BR با تابع لگاریتمی و ضریب تطابق 0 . 95 و 0 94 از بیشترین دقت برای پیش بینی عیار مس کانسار مس پورفیری دره زرشک برخوردار هستند.

کلیدواژه ها

شبکه های عصبی مصنوعی، الگوریتم پس انتشار خطا، اکتشاف معدنی، مس پورفیری

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.