بررسی تاثیر اندازه دانه بندی و جنس سنگدانه های آهک و سیلیس در مشخصات فیزیکی و مکانیکی سنگ مصنوعی

پیش‌بینی دقیق عیار مواد معدنی یک امر بسیار مهم است که نقش قابل‌توجهی در ارزیابی اقتصادی پروژه‌های معدنی ایفا می‌کند. یکی از بهترین روش‌ها جهت بدست آوردن عیار در یک کانسار، اقدام به حفر گمانه‌های اکتشافی است که به‌دلیل هزینه‌های بالا امکان‌پذیر نمی‌باشد. روش‌های موجود در حال حاضر یا بر پایه رویکردهای هندسی استوارند یا تکنیک‌های زمین‌آماری که جزو محبوب‌ترین روش‌های برآورد هستند؛ اما قادر به درک پیچیدگی‌های توده‌های معدنی نیستند و به دلیل این محدودیت‌ها، عیار را با خطای زیاد پیش‌بینی می‌کنند. در این مقاله، ما یک تکنیک برآورد عیار با مدل شبکه عصبی پرسپترون چندلایه (ann-mlp) با استفاده 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 آمده، ایجاد شده است. شد. نتایج حاصل با درنظرگرفتن، 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 قابل‌قبول تخمین عیار موردنظر است.