این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم زمین، جلد ۱۸، شماره ۶۹، صفحات ۱۰۲-۱۰۹
عنوان فارسی برآورد ذخیره کانسار فسفات اسفوردی با استفاده از روش‌های زمین‌آماری و شبکه عصبی مصنوعی
چکیده فارسی مقاله ارزیابی ذخیره کانسارها یکی از مهم‌ترین پارامترهای لازم برای طراحی معدن بوده و روش‌های متعددی در این خصوص توسعه یافته است. علاوه بر روش‌های تحلیلی زمین‌آماری، روش‌های هوش مصنوعی مانند شبکه‌های عصبی برای برآورد ذخیره بسیار مناسب تشخیص داده شده‌اند. در این تحقیق مدل هندسی و بلوکی کانسار فسفات اسفوردی تهیه و میزان ذخیره برآورد شده است. مدل بلوکی محتوی حدود 100 هزار بلوک با ابعاد 5 × 25 × 25 است. برای برآورد عیار هر بلوک، از روش تحلیل زمین‌آماری و شبکه‌های عصبی استفاده شد. به منظور برآورد زمین‌آماری، روش کریجینگ معمولی مورد استفاده قرار گرفت. در روش شبکه عصبی یک شبکه چند لایه پرسپترون به‌کار گرفته شده و برای آموزش شبکه از روش آموزش  LMاستفاده شد. میزان ذخیره برای دامنه مناسبی از عیار حد برآورد شده است. با در نظرگرفتن عیار حد 6 درصد، میزان ذخیره 5/16 میلیون تن با عیار میانگین 44/11 درصد و 5/17 میلیون تن با عیار میانگین 83/11 درصد به ترتیب به کمک روش زمین‌آماری و روش شبکه‌های عصبی محاسبه شد. نتایج مشابه بوده و اختلافی کمتر از 6% دارند. مدل‌سازی و برآورد انجام شده، مبنای لازم را برای اصلاح طرح استخراجی فعلی معدن فسفات اسفوردی با هدف استخراج انتخابی تا تراز 1720 فراهم می‌نماید.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Reserve Evaluation of Esfordi Phosphate Mine using Geostatistical and Artificial Neural Network
چکیده انگلیسی مقاله Reserve evaluation is one of the most important parameters for mine designing and several methods have been developed in this regards. Among these methods, in addition to geostatistical methods, artificial methods such as Artificial Neural Networks (ANN) are suitable for reserve evaluation. In this research, geometrical and block model of ٍEsfordi phosphate mine are prepared and the reserve is estimated. The block model contains 100 thousand blocks with dimensions of 25×25×5 m. To estimate the grade of each block,both methods of geostatistical and ANN methods are used. For geostatistical estimation, normal kriging is applied. In ANN a perceptron multilayer network is used and for training of network LM method is considered. Based on geostatistical and ANN methods, the amount of estimated reserve is 16.5 Mt with an average grade of 11.44% and 17.5 Mt with an average grade of 11.83%, respectively, considering a cut-off grade of 6%. The results obtained from these two methods are identical to each other and difference is less than 6%. This estimation is a requisite for improving present design of the mine with an objective of selective mining up to sea level of +1720.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله احمدرضا صیادی |
گروه مهندسی معدن، دانشگاه تربیت مدرس، تهران، ایران

مسعود منجزی |
گروه مهندسی معدن، دانشگاه تربیت مدرس، تهران، ایران

حسین شهرآبادی |
گروه مهندسی معدن، دانشگاه تربیت مدرس، تهران، ایران

نشانی اینترنتی http://www.gsjournal.ir/article_57543_0649423782e8308c222b93532bbd49b3.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات