همکاری محققان دانشگاه صنعتی امیرکبیر و روسیه در زمینه اکتشاف معادن آهن
به گزارش پروژه آسان، اکتشاف معادن آهن با استفاده از رفتار مغناطیسی و تخمینگر شبکه عصبی مصنوعی حاصل همکاری مشترک محققان دانشگاه صنعتی امیرکبیر و روسیه است.
به گزارش پروژه آسان به نقل از ایسنا، مجله مینرالز از انتشارات MDPI مقاله ای علمی در رابطه با تحقیقات مشترک دانشمندان دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران) و دانشگاه پلی تکنیک تومسک در زمینه اکتشاف معادن و زمین شناسی منتشر نمود. عنوان این مقاله عبارت است از: Investigation of Magneto-/Radio-Metric Behavior in Order to Identify an Estimator Model Using K-Means Clustering and Artificial Neural Network (ANN) (Iron Ore Deposit، Yazd، IRAN)) است.
این محققان بر روشی نوآورانه مبتنی بر هوش مصنوعی برای تبدیل داده های رادیومتری و مغناطیسی در یک کانسار آهن تمرکز کردند که امکان ارزیابی زمین شناسی منطقه ای از توزیع مواد معدنی را فراهم می آورد. این پژوهش حاصل تحقیقات دکتر عادل شیرازی و دکتر عارف شیرازی در مقطع فوق دکتری دانشگاه صنعتی امیرکبیر است که با نظارت پروفسور اردشیر هزارخانی استاد تمام این دانشگاه و همکاری اعضای هیئت علمی دانشگاه پلی تکنیک تومسک انجام شده است.
این مطالعه در منطقه ای در نزدیکی روستای توت در استان یزد ایران بوده است. این منطقه به علت دسترسی به داده های اکتشافی و زیرساخت های توسعه یافته انتخاب گردید.
افزایش رادیواکتیویته در سایت های سنگ آهن در ایران ایده انجام مطالعات رادیومتریک و مغناطیس سنجی را به وجود آورد. بر مبنای مشاهدات زمین شناسی، وجود ناهنجاری های مغناطیسی می تواند رابطه پیچیده ای با رادیواکتیویته شدید عناصر مختلف داشته باشد.
نتایج تحقیقات مشترک دانشمندان ایرانی و روسی نشان داده است که بر مبنای رفتار مغناطیسی در منطقه توت و بهره گیری از شبکه عصبی مصنوعی، میتوان میزان رادیواکتیویته معادن آهن را برآورد کرد. نتیجه این تحقیقات در ژورنال بین المللی مینرالز منتشر گردید.
محققان در این پژوهش داده های میدانی در ارتباط با زمین شناسی و ژئوفیزیک (رادیومتری و مغناطیس سنجی) را تحلیل و بررسی کردند و برآوردهایی در مورد ذخایر جدید این محدوده معدنی معرفی کردند.
شیرازی توضیح می دهد که طبق مشاهدات زمین شناسی و برداشت های ژئوفیزیکی، وجود ناهنجاری های مغناطیسی می تواند رابطه پیچیده ای با رادیواکتیویته شدید عناصر مختلف داشته باشد.
این محققان با استفاده از روش خوشه بندی K-means، رفتار دو متغیر قدرت میدان مغناطیسی و رادیواکتیویته را مورد مطالعه قرار دادند و یک رابطه ریاضی برای تحلیل رفتار این دو متغیر نسبت به یکدیگر عرضه کردند. علاوه بر این، الگوی رفتار مغناطیسی در منطقه که شامل افزایش و سپس کاهش شدت میدان مغناطیسی زمین نسبت بشدت رادیواکتیویته بود نشان داد که امکان تعمیم نتایج مطالعات مغناطیس سنجی بدون تکرار رادیومتری در این ناحیه و مناطق مجاور وجود دارد.
برای ارزیابی داده های به دست آمده، دانشمندان از یک شبکه عصبی مصنوعی استفاده کردند که عملکرد مغز انسان را شبیه سازی می کند که امروزه یکی از پیشرفته ترین روش ها در پیشبینی و تحلیل داده های اکتشافی است.
داده های حاصل از برداشت های ژئوفیزیکی و ژئوشیمیایی منطقه و داده های دیجیتال بسیار حجیم هستند و ارزیابی، تفسیر و تبدیل آنها هزینه محاسباتی بالایی دارد، در حالیکه تحلیل و بررسی با این روش علاوه بر دقت بالای نتایج، سرعت عملکرد را هم بالا برده است.
شیرازی در اینباره اظهار داشت: این مورد ما را بر آن داشت تا با استفاده از آمارهای ریاضی و روش های مبتنی بر تحلیل شبکه عصبی داده های چند بعدی را تفسیر نماییم. در این پژوهش، شبکه ی عصبی بعنوان ابزاری مهم تخمین و یادگیری ماشین برای پردازش سریع داده های بزرگ و تفسیر سریع آنها و پیشبینی اطلاعات مورد استفاده قرار گرفت.
تخمین مشابهی برای سایر داده ها مثل تبدیل داده های مغناطیسی به داده های گرانی سنجی استفاده شده است. بنابراین، معیارهای ارزیابی جدید این پژوهش، امکان پیشبینی داده های رادیومتری بر اساس داده های مغناطیس سنجی و بالعکس را باز می کند.
نویسندگان مقاله پیشنهاد می کنند که نتایج تحقیقات به دست آمده می تواند در فرایند اکتشافات معدنی و پیشبینی و شناسایی ذخایر معدنی جدید مورد استفاده قرار گیرد. همینطور این نتایج میتواند راهگشای سازمان زمین شناسی و اکتشافات معدنی کشور ایران برای شناسایی مناطق دارای پرتوزایی با استفاده از داده های مغناطیسی در منطقه باشد. نتایج این طرح تحقیقاتی توسط شرکت دانش بنیان دیده بان کسب و کار صفرتاصد تجاری سازی شده است.
منبع: پروژه آسان
این مطلب پروژه آسان را پسندیدید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب