مقایسه الگوریتم های مختلف شبکه عصبی مصنوعی در برآورد عیار مس مطالعه موردی: کانسار مس پورفیری دره زرشک، جنوب غرب یزد
محل انتشار: ششمین همایش انجمن زمین شناسی اقتصادی ایران
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 407
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CISEG06_074
تاریخ نمایه سازی: 16 تیر 1397
چکیده مقاله:
از آنجا که حفاری امری پرهزینه و زمان بر می باشد به منظور کاهش هزینه نیاز به ابزارهای قوی در پردازش حجم عظیم اطلاعات با انعطاف پذیری زیاد است. شبکه های عصبی توانایی بالایی در استخراج الگوها از میان داده ها و همچنین حل مسایل پیچیده با ماهیت طبیعی دارند. در واقع این شبکه ها با مدیریت حجم عظیم داده های ورودی و پردازش آنها، تحلیل درستی از ارتباط میان آنها و شواهد زمینی استخراج و الگوها را تشخیص میدهند. هدف از این مطالعه مقایسه الگوریتم های آموزشی مختلف شبکه عصبی جهت برآورد عیار مس و ارایه روند بهینه سازی تهیه نقشه - های پتانسیل معدنی می باشد. نتایج حاصل از تحقیق حاضر، نشان میدهد که در میان هشت الگوریتم آموزشی پس۔ انتشار خطای مورد برررسی، الگوریتم آموزشی LM و BR با تابع لگاریتمی و ضریب تطابق 0 . 95 و 0 94 از بیشترین دقت برای پیش بینی عیار مس کانسار مس پورفیری دره زرشک برخوردار هستند.
کلیدواژه ها:
نویسندگان
علیرضا زراسوندی
دانشگاه شهید چمران، دانشکده علوم، گروه زمین شناسی
احمد نیامدپور
هییت علمی دانشگاه آزاد واحد مسجد سلیمان
مریم خواس
دانشگاه شهید چمران، دانشکده علوم، گروه زمین شناسی
هوشنگ پورکاسب
دانشگاه شهید چمران، دانشکده علوم، گروه زمین شناسی