طرح > کتابخانه مرکزی دانشگاه صنعتی شاهرود > مهندسی معدن، نفت و ژئوفیزیک > مقطع دکتری > سال 1405
پدیدآورندگان:
رضا معزی نسب [پدیدآور اصلی]، علیرضا عرب امیری[استاد راهنما]، ابوالقاسم کامکار روحانی[استاد راهنما]، میثم داودآبادی فراهانی [استاد مشاور]
چکیده: مدلسازی پتانسیل معدنی یکی از مراحل کلیدی و در عین حال پیچیده در فرآیند اکتشاف مواد معدنی به شمار میرود که هدف آن شناسایی و اولویتبندی نواحی امیدبخش با حداقل هزینه، زمان و ریسک است و این فرآیند به دلیل ماهیت چندمنبعی دادههای اکتشافی، روابط غیرخطی بین شواهد زمینشناسی و وجود عدمقطعیتهای ذاتی، همواره با چالشهای اساسی همراه بوده است، بهگونهای که روشهای کلاسیک آماری و دانشمحور، بهویژه در محیطهای دادهمحور پیچیده و تحلیلهای سهبعدی، توانایی محدودی در بازنمایی دقیق این روابط از خود نشان میدهند. در این پژوهش، یک چارچوب نوین و یکپارچه برای بهبود مدلسازی پتانسیل معدنی ارائه شده است که بر ترکیب روشهای دادهمحور و مدیریت عدمقطعیت استوار است و بدین منظور، سه الگوریتم دادهمحور شامل روش بیزین، ماشینبردار پشتیبان و مدل خود-توجه عمیق بهمنظور استخراج الگوهای پیچیده فضایی-ساختاری بهکار گرفته شدند، همچنین دادههای آموزشی با تبدیل پلیگونهای معدنی به نقاط متراکم و تولید نقاط غیرمعدنی بر اساس منطق فاصلهمحور تهیه گردید تا از نشت داده و سوگیری مدلها جلوگیری شود و مدلسازی بهصورت سهبعدی و در قالب تحلیل چندترازه در ۲۱ تراز ارتفاعی مستقل انجام شد تا تغییرات قائم پتانسیل معدنی بهطور دقیق بررسی گردد. نتایج ارزیابی عملکرد مدلها نشان داد که در میان مدلهای منفرد، مدل خود-توجه عمیق با مقدار ROC–AUC حدود 83/0 بالاترین قدرت تفکیک نواحی معدنی از غیرمعدنی را ارائه میدهد، در حالی که مدل ماشینبردار پشتیبان و مدل بیزین بهترتیب مقادیر AUC حدود 79/0 و 71/0 را نشان دادند و در گام نهایی، تلفیق خروجی مدلها با استفاده از روش دمپستر-شیفر منجر به بهبود معنادار تمامی شاخصهای ارزیابی شد، بهگونهای که مقدار AUC مدل تلفیقی به حدود 89/0 افزایش یافت، همچنین مدل تلفیقی توانست حدود 68 درصد از نقاط معدنی شناختهشده را تنها در 10 درصد بالاترین مساحت پتانسیل شناسایی کند، در حالی که این مقدار برای مدل بیزین حدود 32 درصد بوده است و افزایش همزمان شاخصهای Recall (حدود 81/0) و Precision (حدود 76/0) نشاندهنده کاهش ریسک از دسترفتن ذخایر بالقوه و کنترل بهتر حفاریهای کمبازده در چارچوب پیشنهادی است. در نهایت، نتایج این پژوهش نشان میدهد که ترکیب مدلهای دادهمحور با چارچوب دمپستر-شیفر، ضمن کاهش عدمقطعیت ذاتی دادههای اکتشافی، منجر به افزایش قابلیت اطمینان نقشه نهایی پتانسیل معدنی میشود و چارچوب ارائهشده میتواند بهعنوان ابزاری کارآمد در بهینهسازی تصمیمگیریهای اکتشافی، اولویتبندی اهداف حفاری و هدایت مؤثر عملیات اکتشاف در معدن چاهموسی و سایر معادن با شرایط زمینشناسی مشابه مورد استفاده قرار گیرد.
کلید واژه ها (نمایه ها):
#مدلسازی پتانسیل معدنی #بیزین #ماشینبردار پشتیبان #خود-توجه عمیق #دمپستر-شیفر #تحلیل چندترازه #مدلسازی سهبعدی #معدن چاهموسی
محل نگهداری: کتابخانه مرکزی دانشگاه صنعتی شاهرود
یادداشت: حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.
تعداد بازدید کننده: