نوع مقاله: علمی - پژوهشی

نویسندگان

دانشگاه صنعتی امیرکبیر

چکیده

تخمین عیار یکی از مراحل کلیدی در ارزیابی و بررسی های فنی و اقتصادی یک معدن اس ت . مقادیر عیار تأثیر قابل توجهی بر روی برنامه ریزی ها، طراحی و مدیریت معدن دار د . بنابراین، بکار بردن روش هایی که این مقادیر را با دقت بالایی تخمین بزند ضروری بنظر می رسد. یکی از بهترین رو ش ها جهت به دست آوردن عیار در یک کانسار اقدام به حفر گمان ه های اکتشافی است که بعلت هزینه های بالا امکان پذیر نم ی باشد. در این مطالعه یک روش جدید برای تخمین عیار برپایه منطق فازی، شبک ه های عصبی و الگوریتم ژنتیک ارائه شده اس ت . این شبکه جدید با بکاربردن الگوریتم ژنتیک در ساختار خود به منظور بهینه نمودن آن و پارامترهای شبکه فازی -عصبی و نیز استفاده همزمان از شاخه های مختلف هوش مصنوعی، دارای نتایج بهتری در مقایسه با سایر روش های تخمین عیار م ی باشد. این روش در کانسار مس پرفیری در ه زار کرمان استفاده شد و مطابق نتایج ب ه دست آمده، شبکه توانسته است به خوبی الگوی فضایی مابین ورودی ها و خروجی را به درستی تشخیص دهد و عیار را با دقت مطلوبی تخمین بزند. به 0 بهبود یافت. / 0 و 82 / 0 به ترتیب برای زونهای هیپوژن و سوپرژن به 96 / 0 و 7 / طوری که مقادیر ضریب همبستگی از 73

کلیدواژه‌ها

عنوان مقاله [English]

Application of Neural-Fuzzy-Genetic Network for Grade Estimation of Darrehzar Copper Porphyry-Kerman

نویسندگان [English]

  • P Tahmasebi
  • A Hezarkhani

Amirkabir University of Technology

چکیده [English]

Grade estimation is one of the important stages for mining assessment. Grade values have a significant effect on scheduling, designing and management of the mine. Therefore, it is important to apply a method, which is able to estimate the necessary parameters with a high accuracy. One of the direct methods for figuring out the grades is to use exploration wells, which, because of their high costs, usually it is impossible to use them extensively. In this study, a novel method based on fuzzy logic, neural networks and genetic algorithm is presented. This algorithm, by applying genetic algorithms for optimization of the architecture and the neuro-fuzzy parameters, is able to achieve better results as compare with other traditional methods for grade estimation. This is because of using different artificial intelligent methods. Foe this aim, Darrehzar copper porphyry was selected as the case study. According to the results obtained our proposed algorithm able to capture the existing pattern between the inputs and outputs finely and to estimate the grade with a high precision.

کلیدواژه‌ها [English]

  • Hybrid artificial intelligent
  • Optimization
  • Grade
  • ANFIS-GA
  • estimation