فهرست نشریات علمی دسترسی آزاد ایران

امروزه کاهش خطای تخمین عیار با استفاده از روش‌های نوین، نقش تعیین‌کننده‌ای در بهینه‌سازی عملیات معدنکاری و کاهش ریسک عدم موفقیت اقتصادی پروژه‌های معدنی ایفا می‌کند. هدف از تحقیق حاضر ارایه روشی برای بهبود تخمین سه‌بعدی عیار مس در گستره کانسار مس سرچشمه با استفاده از روش‌های هوشمند یادگیری عمیق و مقایسه با نتایج روش‌های مرسوم و متداول هندسی است. کانسار مس سرچشمه یکی از بزرگ‌ترین کانسارهای مس پورفیری و روی کمربند آتشفشانی ارومیه-دختر در جنوب استان کرمان در ایران مرکزی واقع ‌شده است. در این پژوهش، از 526 گمانه در دسترس، حاوی 38006 نمونه مغزه عیارسنجی شده برای عیار مس کل استفاده‌ شده است. میانگین عیار مس در نمونه‌ها برابر با 54/0 و حداکثر مقدار آن 43/3 درصد به دست آمده است. قبل از انجام تخمین عیار مس، پیش‌پردازش‌هایی شامل اصلاح داده‌های خارج از ردیف و هم‌پایه سازی داده‌ها روی‌ داده‌ها انجام شد و در نهایت بیضوی ناهمسانگردی عیار مس با استفاده از ماتریس کوواریانس به دست آمد. برای تخمین عیار مس، از دو روش شامل الگوریتم یادگیری عمیق با معماری ResNet-50 و وزن‌دهی عکس فاصله به عنوان نماینده روش‌های متداول هندسی استفاده گردید که در نهایت و در مرحله بررسی عملکرد روش‌های یاد شده از طریق اعتبارسنجی مشخص شد که نتایج الگوریتم ResNet-50 با مقدار RMSE برابر 45/0 عملکرد بهتری نسبت به روش وزن‌دهی عکس فاصله با مقدار RMSE برابر 6/0 داشته است.