مقایسه عملکرد روش های شبکه عصبی مصنوعی و ماشین بردار پیشتیان در تخمین عیارکانسار آهن گلالی کردستان

یکی از مراحل کلیدی در ارزیابی ذخائر معدنی، تخمین عیار براساس نمونه‌های برداشت شده از ذخیره است. اگرچه متداولترین روش تخمین عیار در پروژه‌های صنعتی، روشهای زمین آماری است، اما امروزه بخشی از پژوهش‌های مرتبط با این حوزه به کاربرد روش‌های یادگیری ماشین معطوف شده است. در این پژوهش، به مقایسه عمکرد دو روش متداول یادگیری ماشین، شبکه عصبی مصنوعی (ann) و ماشین بردار پشتیبان (svm)، برای تخمین عیار در معدن آهن گلالی پرداخته شده است. این دو تکنیک با بهره‌گیری از اصول ریاضی و الگوریتم‌های پیشرفته، توانایی تحلیل داده‌های چند‌ بعدی و تشخیص الگو‌های پنهان در آن‌ها را دارا هستند. مبنای این مقایسه معیارهای متفاوتی از اعتبارسنجی متقابل همچون میانگین مربع خطاها و میانگین درصد قدر مطلق خطا و ضریب همبستگی است. براساس مقایسه انجام گرفته، روش بردار پشتیبان ماشین عملکرد بهتری در این مطالعه موردی نشان داد.