به گزارش ایسنا، دکتر عارف شیرازی، دانش‌آموخته دانشگاه صنعتی امیرکبیر و مجری طرح «تلفیق روش‌های تحلیلی هوشمند به منظور مدل‌سازی ژئوشیمیایی و شناسایی کلیدهای اکتشافی» که آن را با راهنمایی پروفسور اردشیر هزارخانی، عضو هیات علمی دانشگاه صنعتی امیرکبیر انجام داده است، گفت: شناسایی مناطق پر پتانسیل معدنی از نظر کانی‌زایی، اولین مرحله از چرخه عمر معدن به شمار میآید؛ بنابراین به طور مستقیم و یا غیرمستقیم، مراحل بعدی را تحت تأثیر نتایج خود قرار میدهد.
وی ادامه داد: ارائه یک مدل یکپارچه از ویژگی‌های مختلف مربوط به کانی‌زایی به منظور اکتشاف ذخایر اقتصادی مس به وسیله روش‌های مبتنی بر هوش مصنوعی هدف این پروژه بوده است.
شیرازی با بیان اینکه مدل یکپارچه پتانسیل معدنی مس از اعتبار بالایی برخوردار است، به طوری که بر اساس روش ماتریکس درهم ریختگی، صحت میانگین بیش از ۸۰ درصد محاسبه شده است، گفت: به عبارت ساده‌تر مدل ارائه شده مبتنی بر هوش مصنوعی توانسته است با اعتبار بالایی پتانسیل‌های کانی‌زایی مس را بارزسازی کند.
وی خاطر نشان کرد: نتایج حاصل از این پژوهش، گامی بزرگ در جهت صرفه‌جویی در منابع مدیریتی در بخش اکتشافات مواد معدنی بوده است.
محقق دانشگاه صنعتی امیرکبیر خاطر نشان کرد: بر اساس بررسیهای صورت گرفته روی دادهها، کلیدهای اکتشافی مربوط به کانی‌زایی مس سولفید تودهای در قالب پنج لایه اطلاعاتی آماده شد؛ این لایه‌های اطلاعاتی عبارتند از زمین‌شناسی ساختاری، دگرسانی، لیتولوژی، ژئوشیمی و زمین گاهشناسی که در روند مطالعاتی هریک، از روش‌های تحلیلی و مبتنی بر هوش مصنوعی استفاده شده است.
شیرازی گفت: از جمله روش‌های بهکارگرفته شده در تحلیل لایه‌های اطلاعاتی می‌توان به آمار کلاسیک، زمین آمار، هندسه فرکتالی، شبکه عصبی مصنوعی، یادگیری ماشین و خوشه‌بندی اشاره کرد. نهایتاً به منظور شناسایی نواحی پرپتانسیل کانی‌زایی مس، لایه‌های اکتشافی مطالعه شده، به روش ابداعی فرآیند تحلیل سلسله مراتبی - عصبی فازی (NFAHP) یکپارچه شد.
وی خاطر نشان کرد: صحتسنجی مدل پتانسیل معدنی مس سولفید تودهای در ناحیه سهل‌آباد، با رویکرد ماتریکس درهم ریختگی و ضریب توافق کاپا ارزیابی شد؛ میزان صحت کلی برای کلاسهای پتانسیل بالا، متوسط و پایین به ترتیب ۸۰، ۸۳ و ۸۳ درصد و ضریب توافق کاپا ۰/۶۵ محاسبه شد. این نتیجه تاییدی بر اعتبار مدل پتانسیل کانی‌زایی مس در ناحیه سهل‌آباد است.
شیرازی خاطر نشان کرد: سیستم مدیریت اکتشافات معدنی کشور، دیر یا زود باید خود را با روش‌های روز دنیا از جمله روش‌های مبتنی بر هوش مصنوعی همراه کند. مدل‌های تلفیقی بهینه‌سازی شده بر مبنای هوش مصنوعی، می‌تواند تا حد زیادی در صرفه‌جویی در منابع مالی و زمانی مؤثر باشد. این مهم به عنوان گام نخست در شناسایی ذخایر معدنی، به طور کلی تاثیر بسزایی بر روند رشد صنایع کشور خواهد داشت.
وی گفت: پژوهش حاضر از جنس روش‌شناسی و ارائه الگوی بهینه در اکتشاف مواد معدنی است، لذا پیشینه مطالعاتی دانشمندان چراغ راه مسیر مطالعاتی پژوهش بوده و نتایج این پژوهش در نوع خود به‌روزترین نمونه بهینه شده بر مبنای هوش مصنوعی و مدل‌های تصمیم‌گیری است.
به نقل از روابط عمومی دانشگاه صنعتی امیرکبیر، وی گفت: از کاربردهای این طرح می‌توان به افزایش صحت مناطق مستعد کانی‌زایی شناسایی شده، استفاده هم‌زمان از روش‌های داده محور و دانش محور، ارائه رویکردی جدید از کاربرد روش خوشه‌بندی کا-میانگین در تفکیک جوامع آماری و جدایش آنومالی از زمینه، ارائه روش ابداعی فرآیند تحلیل سلسله مراتبی فازی عصبی (Neuro-Fuzzy- Analytic Hierarchy Process) که اختصاراً NFAHP خوانده می‌شود، به عنوان روشی جدید در یکپارچه‌سازی لایه‌های اطلاعاتی اشاره کرد؛ گفتنی است که این روش به طور کلی قابلیت تلفیق و یکپارچه‌سازی هرگونه لایه اطلاعاتی را دارد که در طرح حاضر به صورت کاربردی در اکتشاف معدن استفاده شده است.
انتهای پیام
نظرات