مقایسه الگوریتم های مختلف شبکه عصبی مصنوعی در برآورد عیار مس مطالعه موردی: کانسار مس پورفیری دره زرشک، جنوب غرب یزد

از آنجا که حفاری امری پرهزینه و زمان بر می باشد به منظور کاهش هزینه نیاز به ابزارهای قوی در پردازش حجم عظیم اطلاعات با انعطاف پذیری زیاد است. شبکه های عصبی توانایی بالایی در استخراج الگوها از میان داده ها و همچنین حل مسایل پیچیده با ماهیت طبیعی دارند. در واقع این شبکه ها با مدیریت حجم عظیم داده های ورودی و پردازش آنها، تحلیل درستی از ارتباط میان آنها و شواهد زمینی استخراج و الگوها را تشخیص میدهند. هدف از این مطالعه مقایسه الگوریتم های آموزشی مختلف شبکه عصبی جهت برآورد عیار مس و ارایه روند بهینه سازی تهیه نقشه - های پتانسیل معدنی می باشد. نتایج حاصل از تحقیق حاضر، نشان میدهد که در میان هشت الگوریتم آموزشی پس۔ انتشار خطای مورد برررسی، الگوریتم آموزشی LM و BR با تابع لگاریتمی و ضریب تطابق 0 . 95 و 0 94 از بیشترین دقت برای پیش بینی عیار مس کانسار مس پورفیری دره زرشک برخوردار هستند.

Keywords:

شبکه های عصبی مصنوعی , الگوریتم پس انتشار خطا , اکتشاف معدنی , مس پورفیری