مقاله


کد مقاله : 13980202178846

عنوان مقاله : ترکیب الگوریتم خوشه¬بندی Fuzzy c-means با شبکه عصبی پرسپترون چند لایه برای افزایش دقت تخمین غلظت عناصر ژئوشیمیایی، مثال موردی – محدوده شرقی کانسار مس پورفیری سوناجیل

نشریه شماره : 48 فصل زمستان 1397

مشاهده شده : 24

فایل های مقاله : 710 KB


نویسندگان

  نام و نام خانوادگی پست الکترونیک مرتبه علمی مدرک تحصیلی مسئول
1 محرم جهانگیری jahangiri2000@gmail.com دانش آموخته دکترا
2 سیدرضا قوامی ریابی Ghavami123@yahoo.com دانشیار دکترا
3 بهزاد تخم¬چی tokhmechi@ut.ac.ir دانشیار دکترا

چکیده مقاله

روش¬های شناسایی¬ الگو توانایی کشف روابط پنهان موجود در بین داده¬های اکتشافی را دارند و با بهره-گیری از این روش¬ها، الگوی پراکندگی ژئوشیمیایی حاکم بر عناصر در محدوده مورد مطالعه قابل شناسایی و تعمیم است. یکی از روش¬های شناسایی ¬الگو، شبکه عصبی چند لایه است که در تخمین غلظت عناصر ژئوشیمیایی در مطالعات معدنی استفاده می¬شود و دقت قابل قبولی ارائه می¬نماید. در این مطالعه، روش شبکه عصبی چند لایه به‌عنوان تخمینگر انتخاب شده و با 1755 نمونه سنگی آنالیز شده با روش ICP، طراحی تخمینگر انجام پذیرفته است. در تحلیل¬ها برای بالا بردن دقت تخمین شبکه عصبی از الگوریتم خوشه¬بندی FCM استفاده شده است. پس از شناسایی تعداد خوشه بهینه موجود در داده¬های ژئوشیمیایی، اقدام به خوشه¬بندی شده و مجموعه داده برای طراحی تخمینگر¬ها از داده¬های خوشه¬بندی شده انتخاب شد. نتایج به‌دست‌آمده نشان داد که استفاده از داده¬های خوشه¬بندی شده، دقت تخمین را 13 درصد افزایش داده و میانگین دقت تخمینگرهای عناصر ژئوشیمیایی که در حالت استفاده از کل داده¬ها برابر 75 درصد بود به 88 درصد افزایش یافته است. عناصری با دقت¬های پایین در حالت استفاده از کل داده¬ها، در حالت استفاده از داده¬های خوشه¬بندی شده افزایش قابل ملاحظه¬ای از خود نشان داده و خطای تخمین (MSE) در حالت استفاده از داده¬های خوشه¬بندی به میزان قابل توجهی کاهش پیدا کرده است و میانگین خطا از مقدار 079/0 با کاهشی 3 برابری به 025/0 رسیده است.