تخمین ذخیره کانسار سنگ آهن لکه سیاه با روش های زمین آماری و شبکه مصنوعی
Publish place: Journal of Mineral Resource Engineering، Vol: 8، Issue: 2
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 374
This Paper With 22 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MHRE-8-2_002
تاریخ نمایه سازی: 9 خرداد 1402
Abstract:
سرمایه گذاری ها و پیشرفت پروژه های معدنی بستگی به کمیت و کیفیت منابع و ذخایر معدنی دارد، بنابراین اطلاع از اعتبار تخمین ذخیره معدنی بر اساس روش های گوناگون اهمیت فراوانی دارد. این پژوهش به بررسی نقش زمین آمار و شبکه عصبی مصنوعی در مدل سازی، تخمین عیار بلوک های اکتشافی و تخمین ذخیره کانسار پرداخته است. مدل سازی توزیع فضایی مقادیر آهن با استفاده از سه روش کریجینگ معمولی، شبیه سازی متوالی گاوسی و شبکه عصبی مصنوعی انجام شده است. برای ساخت مدل بلوکی کانسار، از ۲۹ گمانه اکتشافی با میانگین عمق ۷۵/۱۴۲ متر و مجموع طول ۹/۴۱۳۹ متر استفاده شد. تحلیلهای آماری بر روی ۱۲۴۷ داده کامپوزیت شده ۲ متری انجام شد. پس از بررسی های آماری، واریوگرافی سه بعدی برای شناخت ناهمسانگردی منطقه و انتخاب بهترین واریوگرام و بیضوی جستجو برای متغیر آهن، انجام و مدل سه بعدی کانسار برای تخمین عیار به روش های کریجینگ معمولی و شبیه سازی متوالی گاوسی به دست آمد. همچنین مدل سازی و تخمین عیار به روش شبکه عصبی مصنوعی انجام گرفت. اعتبارسنجی نتایج به دست آمده از روش شبکه عصبی مصنوعی نشان داد که این تخمین اعتبار بسیار خوبی دارد و به علت سادگی استفاده و عدم نیاز به محاسبات سنگین واریوگرافی جایگزین مناسبی برای روشهای زمینآماری کریجینگ و شبیهسازی متوالی گاوسی است. در ادامه نیز بر اساس عیار حدهای مختلف، میزان تناژ و عیار متوسط محاسبه و نمودار عیار-تناژ رسم شد. نتایج نشان می دهد که این کانسار به ازای عیار حد ۲۰ درصد، ۴۳۹ میلیون تن ماده معدنی با عیار متوسط ۴۲ درصد دارد.
Keywords:
Authors
سید جعفر موسوی
دانشجوی دوره دکتری، گروه مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان
محمدرضا شایسته فر
دانشیار، گروه مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان
پرویز معارف وند
دانشیار، دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر، تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :