توسعه فنی و ارتقای میزان قدرت پیش بینی مدل ژئوشیمیایی در نهشته معدنی گلوجه

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 350

This Paper With 10 Page And PDF and WORD Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CCESI01_337

تاریخ نمایه سازی: 5 بهمن 1395

Abstract:

در اکتشافات معدنی و ژئوشیمیایی معمولاً با حجم قابل ملاحظه ای از نتایج آنالیزهای شیمیایی- دستگاهی (داده های اکتشافی) روبرو هستیم که گاهی امکان بررسی یک به یک آنها وجود ندارد. از آنجایی که اکتشاف مواد معدنی در فضای عدم قطعیت انجام می گیرد لذا ریسک سرمایه گذاری اکتشافی جزء لاینفک این نوع فعالیت ها است و مدل سازی یک راهکار ارزنده و به صرفه می باشد. کنترل دقت و صحت مراحل آماده سازی نمونه ها و داده های آنالیتیک نیز پیش زمینه مدل های عددی می باشد که در فعالیت های معدنی با برداشت نمونه های Duplicate وReplicate بررسی می گردد. با بررسی دقت و صحت آماده سازی و آنالیز نمونه های Duplicate وReplicate اینگونه نتیجه می شود که بیشتر خطاهای ایجاد شده در این بررسی بیشتر مربوط به آماده سازی نمونه ها بوده است. با بکارگیری روش حذفی عقبگرد و مد نظر قرار دادن اثرات متقابل عنصری در تشکیل نهشته معدنی مدل سازی مربعی کامل (FCM) همبستگی 92/1% را نشان می دهد. این مدل در پیش بینی داده های جدید مناسب عمل نمی کند (R(2)(pred)=0%) و متغیرهایی خطا ساز را در خود جا داده است. با بهینه سازی مدل بر اساس طی 15 مرحله مدل بهینه و کاهیده شده (RCM) ایجاد می گردد. در این مدل متغیرهای خطاساز بر اساس معیار سنجش t شناسایی و حذف گردیده است. این عمل توسط مقایسه مدل با مدل های پیشین و بر اساس شاخص های مختلف R(2), R(2)(adj), R(2)(pred), PRESS و آماره F تائید می شود. روند همگرایی و دقیقتر شدن مدل مطابق شاخص R(2), R(2)(adj), R(2)(pred) در 14 مرحله بخوبی صورت گرفته است و مقدار آماره F با روند صعودی و PRESS با روند نزولی خود آنرا تائید نموده است. مدل RCM دارای قدرت پیشگویی مقادیر جدید در حد 78% می باشد که در یک نهشته معدنی با وجود عوامل فراوان دخیل در کانی زایی طبیعی و تنها بر اساس ژنتیک عنصری بسیار رضایت بخش است.

Authors

فرشاد دارابی گلستان

دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر

اردشیر هزارخانی

دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر

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 :
  • اشراقیان م..، رحیمی فروشانی ع.، (1393). روش‌های کاربردی تحلیل رگرسیون, ...
  • Breidenbach, _ R.E. McRobert, and R. Astrup (2016). Empirical coverage ...
  • Cook, N.J.a.C., _ (2005). Tellurides in Au deposits: Implications for ...
  • Larose, D.T., 2005. Discovering knowledge in data: _ introduction to ...
  • Samal, A.R., M.K. Mohanty, and R.H. Fifarek, 2008. Backward elimination ...
  • Cordell, H.J. and D.G. Clayton, 2002. A unified stepwise regression ...
  • Clausen, J.L, Georgian, _ Richardson, J., Bednar, A., Perron, N., ...
  • Leon, A.C. and M. Heo, 2009. Sample sizes required to ...
  • Yadav, V., K.L. Mueller, and A.M. Michalak, 2013. A backward ...
  • نمایش کامل مراجع