تخمين عيار در كانسارهاي با تغييرات موضعي ناهمسانگردي به روش كولوني مورچگان، مطالعه موردي:كانسار مس پورفيري ميدوك

ناهمسانگردي يا ناپيوستگي كانسار در جهت‌هاي مختلف به دليل تغييرات عيار يا ساختار ماده معدني پديد مي‌آيد. كنترل كننده‌هاي زمين‌ساختي يا تغييرات شيميايي در حين تشكيل ماده معدني مي‌توانند سبب ناهمسانگردي شوند. اين ويژگي به صورت سه‌بُعدي در كانسارها با يك بيضوي به قطرهاي در راستاي پيوستگي و با مقادير متناسب با نسبت ناهمسانگردي تعريف مي‌شود. در طبيعت اما، بسياري از كانسارها تحت تاثير فرآيندهايي مثل چين‌خوردگي، گسل، تغييرات زايشي و دگرگوني دچار تغييرات موضعي ناهمسانگردي (LVA) مي‌شوند و نمي‌توان آنها را با يك بيضوي ناهمسانگردي كلي مدل كرد. در روش مدلسازي متغير داراي خاصيت LVA، پارامترهاي ناهمسانگردي براي هر سلول شبكه تخمين محاسبه شده و با تبديل فضا به يك فضاي همسانگرد، از فواصل جديد اقليدسي در واريوگرافي و سپس كريجينگ معمولي (OK) استفاده شده است. اين روش كه كريجينگ LVA (OKLVA) نام گرفته، در صورت وجود اطلاعات ثانويه، مي‌تواند با دقت بيشتري نسبت به كريجينگ سنتي، نقاط نامعلوم را تخمين بزند. در اين پژوهش از الگوريتم كولوني مورچگان استفاده شده تا با هدايت هدفمند مورچه‌ها به كمك ميدان LVA در مسيرهاي پيوسته‌تر عياري و تبديل هر مورچه به يك پنجره ميانگين متحرك، بتواند عيار را در مسيرهاي ناهمسانگرد اصلاح كند. اين كاربرد جديدي از يك الگوريتم فرا ابتكاري است كه تاكنون در حل مسائل بهينه‌سازي به كار گرفته مي‌شده است. اين روش (ACLVA) از ابتدا تا انتها در نرم‌افزار MATLAB پياده‌سازي شده و سپس روي 12955 نمونه كامپوزيت شده مغزه‌هاي حفاري معدن مس ميدوك به عنوان نمونه مطالعاتي امتحان شد. نتايج با روش‌هاي OK و OKLVA مقايسه شد. براي اعتبارسنجي هر سه روش از داده‌هاي چال‌هاي آتشباري استفاده شد كه نشان داد روش تخمين با ACLVA تقريبا 3 درصد بهتر از OK و 4 درصد بهتر از OKLVA در تخمين عيار عمل كرده است. با اين وجود، آنچه كه مسلم است در ساختارهاي با ميدان موضعي پيچيده‌تر، جواب بهتر و قابل قبول‌تري با اين روش به دست خواهد آمد.