تخمین مقادیر آنومال مس-مولیبدن با استفاده از روش جدایش فواصل ماهالانوبیس و سه روش پرکاربرد داده کاوی؛ مطالعه موردی: ظفرقند

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی معدن دانشگاه صنعتی امیرکبیر

2 استادیار دانشکده مهندسی معدن/دانشگاه صنعتی امیرکبیر

3 دانشیار دانشکده مهندسی معدن دانشگاه صنعتی امیرکبیر

چکیده

این پژوهش به منظور کاهش خطا در راستای صرف هزینه و انرژی به بررسی ترکیب روش‌های داده کاوی و جدایش آنومالی پرداخته است. اهمیت تشخیص مقادیر آنومال از زمینه بر هیچ یک پوشیده نیست، به این منظور روش‌های متعددی ابداع گشته است که از آن جمله می‌توان به روش جدایش فواصل ماهالانوبیس اشاره کرد که روشی مؤثر و چند متغیره در جدایش مقادیر آنومال از زمینه محسوب می‌شود. در مطالعه حاضر، به بررسی عملکرد ترکیب روش جدایش فوق با سه روش داده کاوی -Kنزدیکترین همسایه، طبقه بند ساده بیز و شبکه عصبی کانولوشن پرداخته می‌شود، به این ترتیب که پس از جدایش مقادیر آنومال مس و مولیبدن در مورد 177 نمونه حاصله از عملیات نمونه‌برداری سطحی در محدوده ظفرقند به کمک روش فواصل ماهالانوبیس، به منظور پیش‌بینی این مقادیر برای هر نمونه تصادفی، سه روش داده کاوی مذکور، مورد استفاده قرار گرفت. نتایج نشان می‌دهد که روش -K نزدیکترین همسایگی به مراتب قوی‌تر بوده، زیرا در شبکه طراحی شده توسط این روش، هیچ نمونه ای اشتباهاً شناسایی نشد که نشان دهنده دقت بالای شبکه طراحی شده است. لازم به ذکر است که تعداد نمونه‌های به اشتباه پیش‌بینی شده برای دو روش شبکه عصبی کانولوشن و بیز به ترتیب برابر با 2 و 3 عدد گزارش شده‌اند. با توجه به میزان خطای به مراتب قابل قبول‌تری برای شبکه طراحی شده توسط ترکیب روش -K نزدیکترین همسایگی و فواصل ماهالانوبیس، ترکیب مذکور به عنوان روشی قابل اطمینان و سودمند جهت رسیدن به صحیح‌ترین پیشگوئی‌ها به تصمیم‌گیران این صنعت معرفی شده است.

کلیدواژه‌ها

موضوعات