مقايسه روش هاي طبقه بندي، شبكه عصبي مصنوعي و رگرسيون چندمتغيره در برآورد بازيابي فلز از بلوك كانسنگ

با توجه به نقش بازيابي در محاسبه ارزش اقتصادي بلوك كانسنگ و تأثير مقدار اين ارزش بر محاسبات طراحي و برنامه‌ريزي توليد معدن، تعيين بازيابي فلز از بلوك كانسنگ ارسالي به كارخانه فرآوري، از اهميت بالايي برخوردار است. هدف از اين پژوهش، بررسي قابليت برآورد بازيابي بلوك كانسنگ به‌صورت كيفي و با روش‌هاي مبتني بر طبقه‌بندي داده‌ها از مجموعه روش‌‌هاي داده‌كاوي و به‌صورت كمّي، با دو روش رگرسيون چندمتغيره و مدل هوشمند شبكه عصبي، بر اساس داده‌هاي آناليز خوراك ورودي كارخانه است. براي نيل به اين هدف، معدن مس ميدوك مورد مطالعه قرار گرفت و با استفاده از 58 نمونه آناليزشده عيار خوراك كارخانه،  شامل عيارهاي Cu، CuOو CuS و ميزان بازيابي عنصر Cu در محصول نهايي، فرآيند پيش‌بيني بازيابي كل ذخيره به‌صورت كيفي با روش‌هاي طبقه‌بندي درخت تصميم، قانون بيز و  الگوريتم نزديك‌ترين همسايه انجام شد. براي برآورد كمّي ميزان بازيابي ذخيره، مدل رگرسيون چندمتغيره و شبكه عصبي مصنوعي براي شاخص‌هاي عياري مذكور و ميزان بازيابي بين 47 نمونه از 58 نمونه برقرار شد و توسط 11 نمونه آناليزشده آزمايشي، مدل‌هاي به‌دست‌آمده اعتبارسنجي شدند. معيارهاي ميانگين خطا و جذر ميانگين مربعات خطا در مدل رگرسيوني به ترتيب 0.021702 و 0.024972 و در مدل شبكه عصبي مصنوعي به ترتيب 0.015753 و 0.021404 محاسبه شدند. بنابراين مدل شبكه عصبي مصنوعي به‌عنوان ابزار دقيق‌تري در پيش‌بيني بازيابي نسبت به مدل رگرسيون چندمتغيره عمل مي‌كند. نتايج آناليز حساسيت اين مدل نشان داد، عيار Cu مهم‌ترين عامل و عيار CuO و CuS نيز به ترتيب، ديگر عوامل تاثيرگذار بر تغييرات بازيابي هستند.