تخمين عيار كانسار فسفات اسفوردي با روش رگرسيون بردار پشتيبان

امروزه تخمين متغير با استفاده از روش هاي مبتني بر هوش مصنوعي از جمله رويكردهاي جديدي است كه فرآيند تصميم گيري موثر را در بسياري از علوم ميسر ساخته است. تخمين عيار نيز از مسايل مهم در ارزيابي ذخاير معدني در علوم زمين به شمار مي رود. روش هاي زمين آماري از جمله روش هاي متداول تخمين متغير در علوم زمين محسوب مي شوند. از آنجايي كه اين روش ها در رابطه با داده هايي كه تعداد آن ها محدود است و ماهيت پراكندگي و غير خطي بودن دارند تا حدودي دچار مشكل مي شوند، در اين مطالعه از روش رگرسيون بردار پشتيبان به عنوان يكي از روش هاي هوشمند در حيطه الگوريتم هاي يادگيري ماشين براي تخمين عيار در كانسار فسفات اسفوردي استفاده شده است. دقت مدلسازي انجام گرفته با اين روش بر اساس داده هاي آزمايش در حدود 84 درصد شد كه نشان دهنده كارايي مدلسازي انجام شده است. بر اساس نتايج به دست آمده از مدلسازي انجام گرفته به روش رگرسيون بردار پشتيبان، اقدام به تخمين عيار در محدوده مدل بلوكي كانسار فسفات اسفوردي شد. نواحي معرفي شده به عنوان مناطق پرپتانسيل در مدل بلوكي تخمين زده شده به روش رگرسيون بردار پشتيبان مي تواند در ادامه فرآيند اكتشاف به عنوان محل گمانه هاي تكميلي مورد برداشت قرار گيرد. همچنين بر اساس نتايج به دست آمده از روش رگرسيون بردار پشتيبان در كانسار فسفات اسفوردي، مدل تناژ عيار متوسط تهيه شد. به عنوان نمونه بر اساس اين مدل به ازاي عيار حد 6 درصد، تناژ ذخيره حدود 15.36 ميليون تن با عيار متوسط 13.59 درصد به دست آمد.