تخمین توزیع عیار با استفاده از الگوریتم ترکیبی PSO-SVR مطالعه موردی: زون سوپرژن کانسار مس سونگون

تخمین عیار یکی از مراحل کلیدی و پیچیده در طراحی و ارزیابی اقتصادی معادن است. از اینرو در سال های اخیر پژوهش های گسترده ای در این زمینه انجام و روش های متعددی برای تخمین عیار پیشنهاد داده اند که در این بین، روش های غیرخطی مبتنی بر هوش مصنوعی از مؤثرترین و دقیق ترین روش های معرفی شده به شمار می آیند. در مقاله ی حاضر، یک روش ترکیبی شامل الگوریتم تخمین گر رگرسیون بردار پشتیبان (SVR) و الگوریتم بهینه سازی ازدحام ذرات (PSO) معرفی و جهات تخمین عیار مس در زون سوپرژن کانسار مس پورفیری سونگون بکار گرفته شد. براساس شاخص های آماری سنج خطای تخمین این روش عملکرد مناسبی را در تخمین عیار مس ارائه نمود. همچنین مقایسه نتایج حاصله از این روش ترکیبی با نتایج حاصل از دیگر تخمین گرهای هوشمند نظیر شبکه عصبی پرسپترون چند لایه و سیستم استنتاج فازی- عصبی تطبیقی، بیانگر قابلیت تعمیم دهی و کارایی محاسباتی بالاتر این روش نسبت به دو روش های مذکور بود. لذا به کارگیری این روش به عنوان یک روش سریع و دقیق جهت تخمین توزیع عیار در موارد مشابه پیشنهاد می شود.

کلیدواژه ها:

تخمین عیار ، رگرسیون بردار پشتیبان ، بهینه سازی ازدحام ذرات ، سونگون