جداسازی ماده معدنی از باطله بر اساس داده های ژئوفیزیکی با بکارگیری تکنیک SVM

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 752

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

IMT01_015

تاریخ نمایه سازی: 30 فروردین 1392

Abstract:

تکنیک ماشین بردار پشتیبان (SVM) یکی از تکنیک های جدید آموزش ماشین جهت حل مسائل کلاس بندی و رگرسیون می باشد که در دهه ی گذشته در علوم مختلف به کار گرفته شده و توانسته است عملکرد بسیار موفقی را از خود به نمایش بگذارد. در مطالعه حاضر از این تکنیک در جدایش زونهای پرعیار از کم عیار مس بر روی داده های اکتشافی منطقه مس دره زرشک استفاده شده است. از مشکلات اساسی در اکتشافات کانسارهای فلزی بویژه مس های پورفیری وجود عدم قطعیت در تعیین زونهای با IP بالا مرتبط با کانی زایی اقتصادی از این عنصر می باشد. در بسیاری از موارد زونهای با پلاریزاسیون القایی بالا پس از حفاری به صورت تجمع کانیهای غیر اقتصادی بویژه پیریت مشاهده شده است. در این پژوهش از SVM جهت جدایش زونهای حاوی مس با مقادیر بالاتر از حد اقتصادی از زونهای کمتر از این مقدار استفاده شده است. نتایج با میزان تمایز قابل توجه 95% نشان دهنده قابلیت بسیار بالای این تکنیک به عنوان یک تکنیک تمایز دهنده می باشد.

Keywords:

Authors

اسماعیل قاسمی

دانشجوی کارشناسی ارشد اکتشاف، دانشکده مهندسی معدن، دانشگاه صنعتی اصفهان

احمدرضا مختاری

استادیار دانشکده مهندسی معدن، دانشگاه صنعتی اصفهان

نادر فتحیان پور

دانشیار دانشکده مهندسی معدن، دانشگاه صنعتی اصفهان

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 :
  • شرکت ملی مس ایران، شرکت زمین شناسی مهندسی و علوم ...
  • John, D.A, And et al, Porphyry Copper Deposit Model, Scientific ...
  • DOUMPOS, M., CHATZI, E., and ZOPOUNIDIS, C., An Experimental Evaluation ...
  • C. Cortes and V. Vapnik. Support 1ector networks. Machine Learning, ...
  • Li, H.D., Liang, Y., Xu, Q., Support 1ector machines and ...
  • Chapelle, O., Vapnik, V., Bousquet, O., Mukherjee, S., Choosing multiple ...
  • نمایش کامل مراجع