بکارگیری شبکه عصبی مصنوعی به‌ منظور تخمین عیار کانسار انگوران

پیش‌بینی دقیق عیار مواد معدنی یک امر بسیار مهم است که نقش قابل توجهی در ارزیابی اقتصادی پروژه‌های معدنی ایفا می‌کند. یکی از بهترین روش‌ها جهت بدست آوردن‌عیار در یک کانسار، اقدام به حفر گمانه های اکتشافی است که به‌دلیل هزینه های بالا امکان پذیر نمی‌باشد. روش‌های موجود در حال حاضر یا بر پایه رویکردهای هندسی استوارند یا تکنیک‌های زمین‌آماری که جزو محبوب ترین روش های براورد هستند اما قادر به درک پیچیدگی‌های توده‌های معدنی نیستند و به دلیل این محدودیت ها، عیار را با خطای زیاد پیش بینی می کنند. .در این مقاله، ما یک تکنیک برآورد عیار با مدل شبکه عصبی پرسپترون چند لایه( ann-mlp) بااستفاده از داده‌های اکتشافی معدن سرب و روی انگوران پیشنهاد می‌دهیم. این مدل با استفاده از اطلاعات زمین‌شناسی(جنس سنگ) و همچنین مختصات گمانه‌های اکتشافی(شرق، شمال، ارتفاع) بدست امده، ایجاد شده است. شد. نتایج حاصل با در نظر گرفتن، مقدار مربعات خط (mse) برابر02/0، ریشه میانگین مربعات خطا (rmse) برابر 14/0، ضریب همبستگی برابر97/0 بین پارامتر هدف و مقدار خروجی مدل بدست آمده است که بیانگر کارایی مدل بدست آمده و دقت قابل قبول تخمین عیار مورد نظر است.