چکیده: تخمین ذخیره یکی از مهمترین مراحل در عملیات اکتشافی می‏باشد و نتایج این بخش نقش بسیار مهمی در تبدیل کانسار به معدن ایفا می‏کند. روش‏های تخمین ذخیره را به طور کلی می‏توان به دو دسته روش‏های کلاسیک و نوین تقسیم نمود. از روش‏های کلاسیک می‏توان به روش‏های چند ضلعی، مثلثی، مقاطع، متوسط‏گیری ریاضی، قطعه‏های زمین‏شناسی، قطعه‏های معدنی، خطوط تراز و عکس مجذور فاصله و از روش‏های نوین می‏توان به روش‏های زمین‏آمار، شبکه عصبی مصنوعی، فازی - عصبی و ... اشاره نمود. در این پایان‏نامه، تخمین ذخیره کانسار مس سونگون که یکی از بزرگ‌ترین کانسارهای مس شناخته شده در ایران است و در 32 کیلومتری شمال شرق شهر ورزقان از توابع شهرستان اهر قرار دارد، توسط روش‏های نوین انجام شده است. در ابتدا با استفاده از اطلاعات موجود نظیر داده‏های اکتشافی، مدل هندسی کانسار تهیه گردید. سپس تحلیل‏های آماری و زمین‏آماری بر روی داده‏های اکتشافی صورت گرفته و عملیات تخمین به سه روش نزدیک‏ترین نقاط، عکس مجذور فاصله و کریجینگ انجام شد. بر این اساس میزان ذخیره برای عیارحد 25/0درصد مس به ترتیب برای سه روش مذکور حدود 561، 679 و 664 میلیون تن با عیار متوسط 69/0، 57/0 و 56/0 درصد مس به دست آمد. در مرحله بعد تخمین ذخیره با استفاده از روش شبکه عصبی مصنوعی صورت گرفت. این شبکه‏ها که با الهام از سیستم عصبی انسان به وجود آمده‏اند، قابلیت یادگیری دارند و می‏توانند روابط بین ورودی‏ها و خروجی‏ها را بیابند. در مسئله تخمین ذخیره، پس از آموزش شبکه با داده‏های اکتشافی، شبکه می‏تواند رابطه بین الگوهای ورودی (مختصات مکانی) و الگوهای خروجی (مانند عیار ماده معدنی) را بیابد و سپس این رابطه را برای درون‏یابی عیار بین گمانه‏ها تعمیم دهد. برای تخمین از دو نوع شبکه پس‏انتشار خطا و شبکه شعاعی برای تخمین استفاده گردید. با توجه به نتایج حاصل، ضریب همبستگی بین داده‏های پیش‏بینی و داده‏های واقعی برای دو سری آموزش و آزمون در شبکه پس‏انتشار خطا برابر 78/0 و 56/0 و در روش شبکه شعاعی برابر 95/0 و 75/0 حاصل گردید. با توجه به نتایج بهتر شبکه شعاعی، از این شبکه برای تخمین ذخیره استفاده شد. براساس این روش میزان ذخیره برای عیارحد 25/0درصد مس حدود 540 میلیون تن با عیار متوسط 61/0 درصد مس به دست آمد.