تخمین ذخیره با استفاده از تکنیک‌های شبکه عصبی : مطالعه موردی معدن مس سونگون

تخمین ذخیره شامل مدل‌سازی تغییرات مکانی و توزیع عیار ماده معدنی در منطقه مورد اکتشاف است. رویکردهای فعلی اساساً مبتنی بر استدلال هندسی یا تکنیک‌های آماری هستند و به طور کلی فرض می‌کنند که توزیع فضایی عیار ماده معدنی، تابعی از فاصله است. پیشرفت‌های اخیر در شبکه‌های عصبی، یک رویکرد جدید را برای حل این مسئله ارائه کرده است. در این مقاله، از یک شبکه عصبی پیش‌خور چند لایه برای ثبت توزیع فضایی عیار ماده معدنی با آموزش مستقیم شبکه به وسیله داده‌های حاصل از عیار سنجی از گمانه استفاده شده است. سپس از شبکه عصبی آموزش دیده برای پیش بینی توزیع عیار ماده‌معدنی در منطقه حفاری استفاده می‌شود. نتایج پیش‌بینی‌شده از مدل شبکه عصبی با مدل‌ کریجینگ مقایسه شده ونشان از اعتبار شبکه عصبی آموزش دیده را دارد. مدل پیشنهادی بر روی معدن مس سونگون اعمال شد و طبق نتایج بدست آمده، ذخایر با عیار مس کمتر از 5/0درصد بیش از حد و ذخایر با عیار مس بیشتر از 5/0 درصد کمتر از حد تخمین زده شده است. همچنین نشان داده شد که شبکه‌ آموزش دیده ابزار امیدوارکننده‌ای در حل مسئله تخمین ذخیره در مهندسی معدن است.