بخشی از مقاله
چکیده
در اکتشافات معدنی و ژئوشیمیایی معمولاً با حجم قابل ملاحظه ای از نتایج آنالیزهای شیمیایی- دستگاهی - داده های اکتشافی - روبرو هستیم که گاهی امکان بررسی یک به یک آنها وجود ندارد. از آنجایی که اکتشاف مواد معدنی در فضای عدم قطعیت انجام میگیرد لذا ریسک سرمایهگذاری اکتشافی جزء لاینفک این نوع فعالیتها است و مدلسازی یک راهکار ارزنده و به صرفه می باشد. کنترل دقت و صحت مراحل آماده سازی نمونه ها و داده های آنالیتیک نیز پیش زمینه مدلهای عددی میباشد که در فعالیت های معدنی با برداشت نمونههای Duplicate و Replicate بررسی میگردد.
با بررسی دقت و صحت آمادهسازی و آنالیز نمونههای Duplicate و Replicate اینگونه نتیجه میشود که بیشتر خطاهای ایجاد شده در این بررسی بیشتر مربوط به آماده سازی نمونه ها بوده است. با بکارگیری روش حذفی عقبگرد و مد نظر قرار دادن اثرات متقابل عنصری در تشکیل نهشته معدنی مدلسازی مربعی کامل - FCM - همبستگی %92/1 را نشان می دهد. این مدل در پیشبینی دادههای جدید مناسب عمل نمیکند - R2 - pred - =0% - و متغیرهایی خطا ساز را در خود جا داده است. با بهینه سازی مدل بر اساس طی 15 مرحله مدل بهینه و کاهیده شده - RCM - ایجاد می گردد.
در این مدل متغیرهای خطاساز بر اساس معیار سنجش t شناسایی و حذف گردیده است. این عمل توسط مقایسه مدل با مدلهای پیشین و بر اساس شاخصهای مختلف R2, R2 - adj - , R2 - pred - , PRESS و آماره F تائید میشود. روند همگرایی و دقیقتر شدن مدل مطابق شاخص R2, R2 - adj - , R2 - pred - در 14 مرحله بخوبی صورت گرفته است و مقدار آماره F با روند صعودی و PRESS با روند نزولی خود آنرا تائید نموده است. مدل RCM دارای قدرت پیشگویی مقادیر جدید در حد %78 می باشد که در یک نهشته معدنی با وجود عوامل فراوان دخیل در کانیزایی طبیعی و تنها بر اساس ژنتیک عنصری بسیار رضایتبخش است.
-1 مقدمه
با توجه به حجم قابل ملاحظه نتایج آنالیزهای شیمیایی- دستگاهی - دادههای اکتشافی معدنی و ژئوشیمیایی - ایجاد یک مدل کلی می تواند بسیار ثمربخش باشد .[1] به منظور تجزیه و تحلیل دادههای ژئوشیمیایی، روشهای متعددی مورد استفاده قرار می گیرد که امکان تفسیر حجم زیادی از داده ها را بطور همزمان میسر و بسیاری از واقعیات زمینشناسی و معدنی را مشخص و روابط ژنتیکی را روشنتر مینماید. از آنجایی که اکتشاف مواد معدنی در فضای عدم قطعیت انجام میگیرد لذا ریسک سرمایهگذاری اکتشافی جزء لاینفک این نوع فعالیتها است. آنچه که با اهمیت است به حداقل رساندن اثر این عامل نامطلوب در اکتشاف است.
بدین منظور لازم است برداشتهای اکتشافی در چهارچوبی صورت گیرد که به حداقل رساندن ریسک در آنها لحاظ شده باشد و یا به نوعی دقت کار بالا رود و یا احتمال خطا و یا ریسک را بر مبنای ارتباط عنصر وابسته به دیگر عناصر مستقل به حداقل رساند .[2] علاوه بر مطالعات مستقیم عنصری می توان به بررسی عناصر وابسته نیز پرداخت و اطلاعاتی کسب نمود. هدف نهایی افزایش دقت و صحت همه جانبه در برداشت نمونه ، آماده سازی نمونه، آنالیز و مدلسازی میباشد.
روشهای مختلفی برای ارزیابی متغیرهای وابسته بر اساس مدلهای رگرسیون وجود دارد و بطور معمول در راه کارهای انتخاب متغیر یا سعی بر آن است که درباره اضافه نمودن یک متغیر به مدل فعلی تصمیمگیری شود که این روش را روش انتخاب پیشرو گویند و یا اینکه تمرکز بر آن است که کدام متغیر موجود از مدل فعلی حذف گردد که این روش روش حذف پسرو نامیده میشود .[3, 4] روش حذفی پسرو جهت کاهش حجم متغیرهای درگیر و تاثیرات متقابل آنها بر روی هم در ایجاد مدل ساده شده نهایی بکار گرفته شده است.
اساس روش پسرو به اینصورت است که در معادلهی ارائه شده در هر مرحله به حذف عبارتهای کم اهمیتتر در مدل پرداخته میشود .[5] روش حذفی پسرو با یک مدل رگرسیون مکعبی با در نظر گرفتن عبارتهای تک پارامتری و دو پارامتری و حذف عبارتهای بیش از دو پارامتر توسعه یافته است .[6] این مهم با بررسی شاخصهای S, R2, R2 - adj - , PRESS و R2 - pred - در آنالیرز رگرسیون و همچنین محاسبه مقدار F توسط آنالیز واریانس صورتپذیر خواهد بود.
کاراکتر S که خطای استاندارد دادهها از خط رگرسیونی و یا انحراف معیار باقیماندهها میباشد که مقدار کمتر آن گویای دقت بالاتر می باشد. آماره R2 سعی در تخمین جامعه دارد بطوری که با افزایش تعداد نمونهها مدل ایجاد شده معتبرتر، و با افزایش تعداد متغیرها در مدل مقدار آن بیشتر گردد بدین خاطر جهت از بین بردن این اثر R2 - adj - استفاده میگردد تا مقایسه مدل ها راحتتر صورت گیرد و اعتماد به مقادیر بیشتر گردد. کاراکتر R 2 - pred - مقیاس دیگری است که جهت همپوشانی و برازش دادهها و بالا بردن قدرت پبشبینی مدل برای مشاهدات بعدی بکار میرود و از آماره PRESS1 محاسبه میشود .[7]
-2 کنترل دقت و صحت نمونهها
به منظور استفاده مطلوب از نتایج عیارسنجی، درجه اعتماد آنالیز با آزمایشات کنترل کیفیت جهت تعیین خطای مراحل آمادهسازی و اندازه گیری انجام میشود. به طور کلی قابلیت اعتماد به داده های حاصل از اندازهگیری تابع مقدار دو نوع خطای تصادفی و سیستماتیک است. خطای تصادفی در اثر عوامل خارج از کنترل شخص حاصل می گردد و بدین لحاظ وجود آنها اجتناب ناپذیر است .[8] از ویژگی آماری این نوع خطا این است که جمع جبری آنها حول میانگین صفر می شود.
خطای سیستماتیک باعث میشود که میانگین مقادیر اندازهگیری شده یک کمیت به اندازهای معین از مقدار حقیقی آن کمتر یا بیشتر شود و باعث انحراف مقدار میانگین از مقدار حقیقی می گردد. بر این اساس، صحت معرف نزدیکی مقدار اندازه گیری شده به اندازه حقیقی آن است. در مقابل، دقت معرف قابلیت تکرار با نتایج مشابه است. برای بررسی صحت نمونهبرداری بایستی اندازهگیری را با نمونههای استاندارد کنترل نمود - شکل . - 1 در صورتیکه بین میانگین مقادیر اندازهگیری شده و مقدار حقیقی که همان مقدار نسبت داده شده به نمونه استاندارد است اختلاف معنیداری از نظر آماری وجود داشته باشد با یک خطای سیستماتیک روبرو هستیم و چنانچه این اختلاف از نظر آماری بیمعنی باشد خطای سیستماتیک قابل اغماض است. همچنین جهت کنترل دقت آزمایشگاه و مراحل نمونهسازی از نمونههای Duplicate و Replicate استفاده میشود.
نمونههای Duplicate نمونههایی هستند که بعد از پودر کردن کامل نمونه اصلی، دو پالپ 30 گرمی با شماره نمونه متفاوت و پشت سر هم برداشت میشود. این نمونهها برای کنترل میزان دقت - Precision - آزمایشگاه تهیه میشوند. نمونههای Replicate نیز به نمونههایی گفته میشود که بعد از خرد کردن نمونه مورد نظر و هنگام تقسیم، دو پالپ 200 گرمی از نمونه خرد شده برداشت میشود. این نمونه ها نیز برای کنترل دقت در مراحل آماده سازی نمونه ها کاربرد دارند.
برای هر 10 نمونه اصلی یک نمونه Duplicate و Replicate برداشت می شود و بررسی میزان صحت و دقت این آنالیزها تائید میگردد - شکل . - 2 نمودار تمام لگاریتمی داده های واقعی آنالیز شده و میانگین نمونههای Duplicate و Replicate آن نمونهها نیز در شکل 3 نشان از دقت مناسب می باشد. هر چند اینگونه رداشت می گردد که خطای بیشتری در آمادهسازی نمونهها نسبت به آنالیز - در مقایسه با شکل مربوط به دقت و صحت در شکل - 2 وجود دارد.
