تخمين عيار آهن در آنومالي تپه قرمز معدن سنگ آهن سنگان با استفاده از سه الگوريتم فازي عصبي تطبيقي

Iron Grade Estimation Using ANFIS Algorithm at Tappeghermez Anomaly of Sangan Mine

تخمين عيار يكي از مراحل حياتي در بررسي‌هاي فني و اقتصادي معادن است. بنابراين يافتن روشي كه بتواند اين مقادير را با دقت بالا تخمين بزند يك ضرورت به شمار مي‌رود. در اين مطالعه، يك الگوريتم فازي عصبي تطبيقي به منظور تخمين عيار آهن كانسار هاي اسكارني به كار رفته است. اين الگوريتم در حقيقت يك سيستم فازي مي‌باشد كه بايد توابع عضويت آن توسط داده‌هاي آموزشي تنظيم گردد. قابل ذكر است كه تعريف توابع عضويت اوليه در كيفيت نتايج خروجي اين الگوريتم تاثيرگذار مي‌باشد كه بدين منظور سه الگوريتم تفكيك شبكه، خوشه بندي كاهشي و خوشه بندي فازي براي تنظيم اين توابع مرسوم مي‌باشد. در اين مقاله سه سيستم فازي عصبي بر پايه ي الگوريتمهاي مذكور براي تخمين عيار آهن به كار گرفته شد. نتايج حاصل از داده‌هاي تست، بيانگر توانايي قابل توجه سيستم فازي عصبي بر پايه خوشه بندي كاهشي در تخمين عيار آهن نسبت به دو الگوريتم ديگر مي‌باشد.

Grade estimation is one of the vital stages in economic and technical investigation of mines. Therefore, to find a method which could estimate these values accurately has been considered as a necessity. In this research, an adaptive neuro fuzzy algorithm was employed in order to estimate iron grade of Skarn ores. In fact, this algorithm is a fuzzy system in which membership functions should be adjusted by training data. It is worth mentioning that definition of initial membership functions is effect on quality of output results of this algorithm. For these reason, three algorithms of grid partitioning, subtractive clustering method and fuzzy c-means clustering have been conventional in order to adjust these functions. In this paper, three neuro fuzzy systems based on aforementioned algorithms were developed. The results of test data show that there is a significant ability in neuro fuzzy system based on subtractive clustering for estimation of iron grade in comparison of other algorithms.