تخمین غلظت آهن با استفاده از ماشین برداری پشتیبان و شبکه عصبی مصنوعی- مطالعه موردی، معدن آهن چغارت شمال شرقی یزد، یزد، ایران

تعیین مقدار ذخایر فلزی یکی از موضوعات بسیار مهم در مطالعات ارزیابی ذخیره برای اکتشاف مواد معدنی دارای صرفه اقتصادی می باشد. بنابراین، برای درک مناسب انباشتگی و پیچیدگی های مواد معدنی وجود یک تخمین گر مناسب و دقیق ضروری به نظر می رسد. روش های زمین آماری یکی از متداول ترین روش هایی است که معمولا برای تخمین و مدل سازی ذخایر فلزی مانند آهن بکار می روند که مقادیر و مدل های حاصل از آن، دارای پیچیدگی ها و مشکلات بسیار زیادی می باشد. امروزه با پیدایش روش های کاربردی هوش مصنوعی مانند ماشین برداری پشتیبان با توجه به قابلیت تعمیم بالا آن و سادگی در پیش بینی و تخمین مدل سازی می توان به عنوان یکی از بهترین و موفق ترین روش های هوش مصنوعی در تخمین ذخایر معدنی فلزی بکار گرفته شود. ازینرو، در این تحقیق از روش ماشین برداری پشتیبان و شبکه عصبی برگشتی برای تخمین ذخیره آهن در معدن چغارت استفاده گردیده است. مقایسه نتایج بدست آمده برای تعیین غلظت این ذخیره نشان می دهد که ماشین برداری پشتیبان نسبت به شبکه عصبی برگشتی سریع تر و دقیق تر می باشد و همچنین مدل سازی های حاصل از این روش می تواند برای ارزیابی و تخمین غلظت ذخایر آهن با خصوصیات مشابه، با دقت قابل قبولی بکار گرفته شود.