تخمین عیار کانسار مس کهنگ (اصفهان) با استفاده از داده های ژئوفیزیک اکتشافی و الگوریتم ماشین یادگیری حدی ELM

درپژوهش حاضر از تکنیک شبکه عصبی مصنوعی برای تخمین عیارکانسارمس واقع در کهنگ اصفهان استفاده شده است. برای ارزیابی شبکه طراحی شده، داده های حاصل از اطلاعات ژئوفیزیکی و گمانه جهت تخمین عیار انتخاب شده است. در حوزه یادگیری ماشین، روش های بسیاری برای طبقه بندی ارائه شده است. در این مقاله از شبکه عصبی پرسپترون چند لایه مبتنی بر ماشین با قابلیت یادگیری فوق العاده استفاده شده است. این روش نسبت به الگوریتم های مبتنی بر گرادیان، الگوریتمی سریع تر، با دقت و قابلیت تعمیم فوق العاده در طبقه بندی می باشد. در این الگوریتم، پارامترهای لایه پنهان به صورت تصادفی انتخاب می شوند و وزن های لایه خروجی به صورت تحلیلی از یک سیستم خطی و با استفاده از معکوس تعمیم یافته مور پنروز به دست می آید. مقادیر دقت آموزش و دقت تعمیم به ترتیب 0/05 و 6/55×10(10-4) و زمان پردازش نیز 0/0156 بدست آمده است. نتایج حاصل از شبیه سازی بیانگر دقت بالا از نظر آموزش و تعمیم و همچنین سرعت بالای یادگیری و ارزیابی وکارآیی بالای الگوریتم ELM در تخمین عیار می باشد

کلیدواژه ها:

شبکه عصبی ، ELM ، دقت آموزش و تعمیم ، تخمین عیار