بخشی از مقاله
خلاصه
تخمین عیار یکی از مراحل حیاتی در بررسیهای فنی و اقتصادی معادن است. بنابراین یافتن روشی که بتواند این مقادیر را با دقت بالا تخمین بزند یک ضرورت به شمار میرود. برای این نیل به این هدف اغلب از روشهای متداول نظیر کریجینگ، عکس مجذور فاصله و غیره استفاده میشود. این روشها اغلب غیرمنعطف بوده و در تخمین عیار با خطا همراه هستند. برای حل این مشکل میتوان از الگوریتمهای هوشمند که علاوه بر انعطافپذیری از دقت مناسبی هم برخوردار هستند بهره جست. در مطالعه حاضر از الگوریتم خفاش به منظور تخمین عیار سنگ آهن کانسار باباعلی همدان استفاده شده است. در این راستا دادههای حاصل از 37 گمانه اکتشافی جمع آوری شد و سپس با استفاده از روشهای متداول و الگوریتم خفاش عیار سنگ آهن در این مقطع تخمین زده شد. نتایج حاصل از دادههای آزمون بیانگر توانایی قابل توجه الگوریتم خفاش نسبت به روش عکس مجذور فاصله است.
.1 مقدمه
تخمین عیار ماده معدنی یکی از مهمترین مراحل تخمین ذخیره کانسار است و مراحل مختلف یک پروژه معدنی ازجمله امکان سنجی، طراحی و برنامهریزی به صحت تخمین عیار وابستهاند. امروزه روشهای زمین آماری متداولترین ابزار جهت پیشبینی تغییرات عیار و تخمین ذخیره در کانسارها محسوب میشوند. وجود برخی مشکلات در هنگام بکارگیری این روشها همچون عدم قطعیت در صدق فرضیات و تعیین پارامترهای واریوگرافی، زمانبر بودن و ناتوانی در ارائه تخمینهای دقیق در شرایط ضعیف بودن ساختار فضایی متغیر ناحیهای باعث شده است که در سالهای اخیر تخمینگرهای مبتنی بر هوش مصنوعی جهت تخمین عیار مورد توجه قرار گیرند.
چاترجی و همکاران با استفاده از الگوریتم تلفیقی ژنتیک-عصبی در یک معدن سنگ آهک اقدام به تخمین میزان ترکیبات سنگ آهک کردند. نتایج تحقیق بیانگر توانمندی الگوریتم پیشنهادی در تخمین عدم قطعیت موجود بود .[1] لی و همکاران با استفاده از الگوریتم ازدحام ذرات تغییرات عیار مس را در یک کانسار فرضی مورد مطالعه قرار دادند .[2] گیلانی و ستاروند تاثیرات عدم قطعیت عیار را در برنامهریزی تولید معادن سطحی با استفاده از الگوریتم کلونی مورچگان مورد مطالعه قرار دادند .[3] محمدی و همکاران با استفاده از الگوریتم رقابت استعماری اقدام به بررسی اثر عدم قطعیت عیار ماده معدنی در تعیین عیار حد کردند .[4] در تمامی این مطالعات با توجه به توانمندیهای الگوریتمهای هوشمند، نتایج مطلوبتری نسبت به روشهای متداول حاصل شده است. با توجه به اهمیت عدم قطعیت عیار در ارزیابی ذخایر معدنی در تحقیق حاضر تغییرات عیار در کانسار سنگ آهن باباعلی همدان مورد بررسی قرار گرفته است.
.2 روش کار
در این تحقیق نتایج حاصل از تخمین عیار با استفاده از روشهای عکس فاصله وزندار و الگوریتم هوشمند خفاش مورد مقایسه قرار گرفته است. شکل 1 روش انجام کار را نشان میدهد.
شکل -1 فلوچارت روش تحقیق
.2,1 روش عکس فاصله وزندار
یکی از روشهای تخمین عیار روش عکس فاصله وزندار میباشد. در این روش تأثیر عیارهای اطراف به نسبت عکس فاصله مرکز بلوک تا آن عیارها تغییر میکند. روشن است که عیار بلوک به عیار نزدیکترین نقاط به مرکز بلوک شبیهتر از عیار نقاط دورتر خواهد بود. برای تأکید بیشتر بر این وابستگی وزن فاصله میتواند افزایش یابد. این کار با تغییر توان n در معادله ی زیر انجام می شود. اغلب در تخمینهای گوناگون از توان 2 برای تعیین عیار استفاده میکنند. که در این رابطه، gi عیار معلوم ماده معدنی و di فاصله هر عیار معلوم از نقطه تخمین میباشد.
.2,1 الگوریتم خفاش
الگوریتم بهینهسازی خفاش الهامی از خصوصیات ردیابی خفاشها کوچک در جستجوی شکار میباشد. به طوریکه خفاشهای کوچک میتوانند در تاریکی مطلق با انتشار صدا و ردیافت آن به شکار طعمههای خود بپردازند. برای توسعه این الگوریتم از سه قانون زیر استفاده میشود:
· همهی خفاشها از انعکاس صدا برای تشخیص فاصله استفاده میکنند و تفاوت بین مواد غذایی و موانع پیشرو را میدانند.
• پرواز خفاشها به طور تصادفی با سرعت vi در مکان xi با فرکانس ثابت fmin و طول موج مختلف و بلندی صوت A0 به منظور شکار طعمه صورت میگیرد. همچنین آنها میتوانند به طور خودکار امواج پخش شده و نرخ پالسهای ارسالی خود را ∈ [0,1] باتوجه به نزدیکی شکارشان تنظیم کنند.
· با توجه به اینکه ممکن است بلندی صدا در بسیاری از جهات مختلف متفاوت باشد لذا فرض میکنیم که بلندی صدا از R0 - بیشترین مقدار - تا Rmin - کمترین مقدار - متغیر میباشد. طبق قوانین بیان شده، مکان xit و سرعت vit برای هر خفاش مجازی iام در تکرار t و همچنین فرکانس fi به صورت روابط زیر محاسبه میگردد. که در آن >0'1@ یک بردار تصادفی با توزیع یکنواخت میباشد وx∗ بهترین مکان فعلی است که در هر تکرار پس از مقایسه با موقعیت خفاشهای مجازی انتخاب میشود. معمولا فرکانس f را با fmin=0 و fmax=100 درنظر میگیرند. در هر تکرار، در جستجوی محلی یکی از جوابها به عنوان بهترین جوابها انتخاب شده و موقعیت جدید هر خفاش به طور محلی به گام تصادفی به صورت رابطه - 5 - به روز میشود. که در آن >-1,1] ε یک عدد تصادفی بوده و At =< Ati > میانگین بلندی صدای خفاشها در تکرار t میباشد. همچنین بلندی صدای Ai و نرخ پالس ارسالی r در هر تکرار به صورت روابط زیر به روز میشود.
.3 مطالعه موردی
معدن سنگ آهن باباعلی در استان همدان در 35 کیلومتری شمال غرب شهر همدان واقع شده است. این معدن شامل دو توده باباعلی 1 و باباعلی 2 میباشد که ذخیره قطعی توده باباعلی 1 حدود 6 میلیون تن برآورد گردیده و توده باباعلی 2 نیز درحال اکتشاف و تعیین ذخیره با عیار متوسط %59/14 آهن میباشد. سنگهای نفوذی دیوریت و گرانودیوریت در این محدوده گسترش زیادی داشته و کانسنگ اصلی این کانسار مگنتیت است. استخراج در این معدن به صورت روباز میباشد. در سالهای گذشته عملیات اکتشافی پراکندهای بر روی این کانسار انجامشده که از آن جمله میتوان به تهیه نقشه زمینشناسی و ژئوفیزیکی، برداشت 21 مقطع مغناطیسسنجی، حفر ترانشه، نمونهبرداری سطحی و عمقی و حفر گمانههای اکتشافی اشاره کرد.
تعداد کل گمانه های برداشت شده در معدن آهن باباعلی 120گمانه است. در این پژوهش مقطع 2390 معدن به دلیل اینکه بیشترین تعداد گمانه ها را داراست مورد بررسی قرار گرفته است. این مقطع شامل 36 گمانه است که %80 دادهها برای آموزش و مابقی داده ها برای آزمون مدل بکارگرفته شده است. دادههای آزمون به صورت تصادفی انتخاب شدهاند. شکل 2 پراکندگی دادهها را در مقطع 2390 نشان میدهد. نقاط نشان داده شده بیانگر عیار ماده معدنی در گمانه مورد مطالعه است.
.4 آنالیز عددی
در این بخش ابتدا با استفاده از روش کلاسیک عکس فاصله وزندار عیار در نقاط آزمون برآورد شده و نتایج حاصل با عیارهای تخمین زده شده با استفاده از الگوریتم خفاش مورد مقایسه قرار میگیرد.
