تفكيك دگرساني‌هاي كانسار مس سونگون با استفاده از شبكه‌هاي عصبي مصنوعي

تفكيك دگرساني‌هاي كانسار مس سونگون با استفاده از شبكه‌هاي عصبي مصنوعي

جدايش مناطق دگرساني يكي از مراحل مهم در ارزيابي و شناسايي كارهاي معدني به شمار مي‌رود كه به داشتن ديد بهتري از منطقه و شناخت نواحي كاني‌ساز كمك شاياني مي‌كند. بيشتر روش‌هاي جدايش دگرساني‌ها بر اساس مشاهدات سنگ‌شناسي است و كمتر، از روش‌هاي ديگري استفاده شده است. در اين نوشتار، سعي شده است با استفاده از شبكه‌هاي عصبي نوعRBPNN (Radial Basis Probabilistic Neural Network) اين مناطق را جدا نمود. اين شبكه‌ها به علت ساختار منحصر به فرد و طراحي آسان آنها، بيشتر در مسايل طبقه‌بندي مورد استفاده قرار مي‌گيرند. داده‌هاي ورودي مورد استفاده در اين مطالعه، تجزيه‌هاي شيميايي 12 اكسيد و 16 عنصر (28 متغير) عنصر مربوط به 45 نمونه ژيوشيميايي بودند كه خروجي آن نيز مناطق دگرساني (پتاسيك، انتقالي و فيليك) هستند كه براي هركدام از داده‌هاي ورودي كدگذاري شده‌اند. پس از انتخاب داده‌هاي آموزشي و تست، شبكه براي آموزش آماده، و داده‌ها همراه با خروجي آنها به شبكه داده شد. بر اساس نتايج به‌دست آمده از اين بررسي، شبكه توانست رابطه فضايي پيچيده مابين ورودي‌ها كه يك فضاي 28 متغيره است را تشخيص داده و همچنين توانست دگرساني‌ها را به درستي طبقه‌بندي نمايد. به صورتي كه مقدار MSE (ميانگين مربعات خطا) 0163/0 به‌دست آمد كه خود حاكي از كاركرد مطلوب شبكه در اين امر است.