Αναζήτηση

Πλοήγηση

• Κοινότητες
• Συγγραφείς
• Έτος
• Τίτλοι
• Θέματα

Ο Χώρος μου

• Είσοδος

Χρήση νευρωνικών δικτύων ή/και νευροασαφών συστημάτων για την εκτίμηση αποθεμάτων ποιότητας κοιτασμάτων και εύρεση βέλτιστων ορίων εκσκαφής

Nasai Risalnt

Πλήρης Εγγραφή

---

Περίληψη

Ο υπολογισμός της περιεκτικότητας και της εκτίμησης των αποθεμάτων ενός κοιτάσματος καθώς και ο καθορισμός των βέλτιστων ορίων εκσκαφής είναι μια εξαιρετικά σημαντική διαδικασία, καθώς αποτελεί βασικό πυλώνα της μελέτης και του σχεδιασμού μιας εκμετάλλευσης. Οι πιο γνωστές μέθοδοι υπολογισμού της περιεκτικότητας είναι η γεωστατιστική μέθοδος Kriging, οι μέθοδοι των αντιστρόφων αποστάσεων και οι γεωμετρικές μέθοδοι. Ο δε καθορισμός των βέλτιστων ορίων εκσκαφής είναι σημαντικός, διότι η υπερεκτίμηση μπορεί να αυξήσει τη σχέση αποκάλυψης, ενώ η υποεκτίμηση μπορεί να οδηγήσει σε εγκατάλειψη τμήματος του κοιτάσματος με οικονομικό ενδιαφέρον. Οι πιο γνωστές μέθοδοι προσδιορισμού των ορίων εκσκαφής βασίζονται στον γραμμικό και δυναμικό προγραμματισμό, στη μέθοδο του κινητού κώνου και στη θεωρία των γραφημάτων. Η πρόοδος των τελευταίων ετών πάνω στον τομέα της τεχνητής νοημοσύνης προσφέρει τη δυνατότητα εφαρμογής τους σε τέτοια μη γραμμικά προβλήματα χωρίς τις απλοποιήσεις και παραδοχές που συνήθως απαιτούν οι συμβατικές μέθοδοι.Στην εργασία αυτή μελετήθηκε η δυνατότητα εκτίμησης της περιεκτικότητας και των αποθεμάτων σε ένα κοίτασμα χαλκού, με την ανάπτυξη του ψηφιακού μοντέλου κοιτάσματος σε μορφή στοιχειωδών όγκων (blocks), με τη χρήση νευρωνικών δικτύων καθώς και ο καθορισμός στη συνέχεια των βέλτιστων ορίων εκσκαφής με την ενσωμάτωση οικονομικών στοιχείων και την εφαρμογή του αλγόριθμου “μέγιστης ροής” (Pseudoflow). Αναπτύχθηκαν τρεις διαφορετικές παραλλαγές νευρωνικών δικτύων τα οποία όλα ήταν δίκτυα ευθείας προώθησης με οπισθοδιάδοση του σφάλματος. Στο πρώτο χρησιμοποιήθηκαν για την εκπαίδευση όλα τα σύνθετα δείγματα των γεωτρήσεων και με ένα κρυφό επίπεδο, στο δεύτερο με ένα επίπεδο και τροποποίηση των δεδομένων της εκπαίδευσης για βελτίωση της αποτελεσματικότητας του καθόσον στο πρώτο γινόταν μια σημαντική υποεκτίμηση των υψηλών περιεκτικοτήτων χαλκού και το τελευταίο με δύο κρυφά επίπεδα και τροποποίηση των δεδομένων της εκπαίδευσης. Το νευρωνικό δίκτυο αυτό πέτυχε ικανοποιητικά αποτελέσματα και με μικρότερο χρόνο εκπαίδευσής σε σχέση με το δεύτερο. Τα αποτελέσματα του νευρωνικού δικτύου συγκρίθηκαν με αυτά της μεθόδου Kriging και το τετράγωνο των αντιστρόφων αποστάσεων(IDS) και έδειξαν ότι τα νευρωνικά δίκτυα μπορούν να αποδώσουν καλά τις χωρικές μεταβολές του χαλκού και ότι μπορούν να εντοπίσουν περιοχές με υψηλή περιεκτικότητα χαλκού που δεν ήταν δυνατόν να γίνει με τις μεθόδους Kriging και IDS.Στη συνέχεια στα αποτελέσματα του ψηφιακού μοντέλου του κοιτάσματος που προέκυψε από το νευρωνικό δίκτυο και τις μεθόδους Kriging και IDS ενσωματώθηκαν οικονομικά στοιχεία και υπολογίστηκε η οικονομική αξία των blocks. Τέλος εφαρμόστηκε ο αλγόριθμος Pseudoflow για την εύρεση των βέλτιστων ορίων εκσκαφής. Τα αποτελέσματα έδειξαν ότι παρά το γεγονός ότι ο αριθμός των μπλοκ εντός της βέλτιστης εκσκαφής, δεν διαφέρει σημαντικά για τις τρεις μεθόδους, οι διαφορές ανάμεσα στην οικονομική αξία είναι σημαντικές, καθώς και η μέση οικονομική αξία ανά μπλοκ. Η διαφορά αυτή των οικονομικών τιμών που προκύπτει για τα μπλοκ της βέλτιστης εκσκαφής σχετίζεται άμεσα με τις εκτιμήσεις της περιεκτικότητας κάθε μεθόδου.

Διαθέσιμα αρχεία

Υπηρεσίες