مدل‌سازي تعيين نقاط بهينه حفاري با بهره‌گيري از تصوير ماهواره‌اي Hyperion و شبكه‌هاي عصبي

از اهداف اساسی و اوليه در مطالعات تفصيلی اكتشاف منابع معدنی، تفكيك آلتراسيون‌های معدنی به‌منظور مدل‌سازی شكل و موقعيت توده‌های معدنی و تهيه نقشه نقاط بهينه حفاری است. نخستين هدف اين مقاله تفكيك آلتراسيون‌های معدنی در تصوير ماهواره‌ای فراطيفی Hyperion با استفاده از دو روش SAM و نسبت باندی است. در ادامه با استفاده از شبكه‌های عصبی پرسپترون چندلايه و تابع شعاع‌مبنا، به منظور تلفيق لايه‌های مؤثر بر كانی‌سازی مس پورفيری و لايه آتراسيون حاصل از طبقه‌بندی تصوير، هدف دوم كه همان مدل‌سازی نقاط بهينه حفاری است، حاصل می‌گردد. نتايج طبقه‌بندی تصوير فراطيفی با استفاده از روش‌های مذكور، نشان می‌دهد كه روش نسبت باندی كه قبل از به‌كارگيری آن از تبديل MNF استفاده شده است، دارای دقتی بالا و در حدود 2/94 درصد (دقت كلی به‌دست آمده از ماتريس خطا) است. نتايج بهره‌گيری از شبكه‌های عصبی در مدل‌سازی تعيين نقاط بهينه حفاری نيز نشان می‌دهد كه بهترين ساختار شبكه‌های عصبی، شبكه عصبی MLP است و ميزان انطباق گمانه‌ها با نقشه تهيه شده به‌وسيله اين شبكه عصبی 54 درصد است.