مریم قدیانلو - دانشجوی کارشناسی ارشد، گروه مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی (ره)، قزوین
اندیشه علیمرادی - استادیار، گروه مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی (ره)، قزوین
مهیار یوسفی - دانشیار، گروه مهندسی معدن، دانشگاه ملایر، ملایر

در مدلسازی پتانسیل های معدنی و شناسایی اهداف اکتشافی با استفاده از روش های هوش مصنوعی، نحوه استفاده از نمونه های آموزشی و انتخاب الگوریتم مناسب یک مساله مهم است، زیرا عدم استفاده از الگوریتم آموزش مناسب موجب بروز خطاهای سیستماتیک در مدل خروجی می شود. هدف از مطالعه حاضر، تهیه نقشه پتانسیل معدنی کانی سازی مس پورفیری در منطقه چهارگنبد استان کرمان با استفاده از شبکه عصبی مصنوعی است. در این راستا نقشه های شاهد وزن دار پیوسته برای معیارهای توده نفوذی، گسل، ژئوشیمی و آلتراسیون ها تولید و به عنوان ورودی شبکه عصبی انتخاب شدند. برای آموزش شبکه از ۱۶ نقطه شناخته شده دارای ذخیره و ۱۶ نقطه فاقد کانی سازی و همچنین از الگوریتم ماشین یادگیری سریع استفاده شد. در نهایت مدل پتانسیل معدنی تولید شده با استفاده از شبکه عصبی مصنوعی با نتایج مدلسازی با روش تلفیق میانگین هندسی، با استفاده از نمودار نرخ پیش بینی مساحت بهبودیافته، مورد مقایسه قرار گرفت و برای مدل های یاد شده، به ترتیب نرخ پیش بینی ۳۴/۰ و ۲۷/۰ به دست آمد. ارزیابی مدل ها اثبات کرد که اهداف شناسایی شده و مناطق دارای پتانسیل بالای کانی سازی مس، انطباق خوبی با اندیس ها و کانسارهای مس شناخته شده و همچنین با سایر شواهد اکتشافی دارند، بنابراین می توانند برای طراحی ادامه عملیات اکتشاف مورد توجه قرار گیرند.

مدل مفهومی, وزن دهی پیوسته, تابع لجستیکی, چهارگنبد, شبکه عصبی مصنوعی