|
|
|
|
مقایسه عملکرد روش‌های زمین‌آماری و یادگیری ماشین در تخمین ذخیره معادن
|
|
|
|
|
|
|
|
نویسنده
|
پرتوی علی ,پور میرزایی راشد ,مختاریان اصل مجتبی
|
|
منبع
|
سيزدهمين كنفرانس ملي مهندسي معدن ايران - 1403 - دوره : 13 - سیزدهمین کنفرانس ملی مهندسی معدن ایران - کد همایش: 03241-92190 - صفحه:0 -0
|
|
چکیده
|
در این پژوهش، به مقایسه دو روش تخمین ذخایر معدنی شامل روش‌های زمین‌آماری و الگوریتم‌های یادگیری ماشین پرداخته شده است. معدن آهن چادرملو به عنوان مطالعه موردی انتخاب، و از داده‌های حفاری موجود برای ارزیابی دقت تخمین‌ها استفاده شده است. روش‌های زمین‌آماری شامل کریجینگ شاخص و ساده به عنوان ابزارهای سنتی در این تحقیق به کار گرفته شده‌اند. همچنین به‌طور خاص، در این پژوهش، الگوریتم جنگل تصادفی به عنوان یک روش نوین برای تخمین ذخایر معدنی به کار رفته است. این الگوریتم با توانایی شناسایی الگوهای پیچیده توزیع عیار، دقت تخمین‌ها را به‌طور قابل‌توجهی افزایش می‌دهد. نتایج نشان می‌دهد که روش‌های یادگیری ماشین، به‌ویژه الگوریتم جنگل تصادفی، در شرایطی که داده‌ها پیچیده و غیرخطی هستند، دقت بیشتری نسبت به روش‌های زمین‌آماری دارند. در این پژوهش، همچنین معیارهایی نظیر ریشه میانگین مربع خطا (rmse) و ضریب تعیین (r²) برای ارزیابی نتایج به کار گرفته شده‌اند. یافته‌ها نشان می‌دهند که استفاده از الگوریتم جنگل تصادفی دقت تخمین را تا مقدار قابل توجهی بهبود می‌بخشد و خطاهای آماری را کاهش می‌دهد.
|
|
کلیدواژه
|
تخمین ذخایر معدنی،زمین‌آمار،یادگیری ماشین،جنگل تصادفی،کریجینگ
|
|
آدرس
|
, iran, , iran, , iran
|
|
پست الکترونیکی
|
m.mokhtarian@uut.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
comparison of the performance of geostatistical and machine learning methods in mineral reserve estimation
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|