برای گزارش دادن معاونت علمی و آموزشی ایرنا از دانشگاه صنعتی امیرکبیر، مجله متالورژی از انتشارات MDPI منتشر شده در بازل، سوئیس/MDPI مقاله ای علمی درباره تحقیقات مش، دانشمندان دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران) و دانشگاه پلی تکنیک تومسک در زمینه اکتشافات معدنی و زمین شناسی منتشر کرد. .
،وان این مقاله: بررسی رفتار مغناطیسی/رادیومتری برای تعیین مدل برآوردگر با استفاده از خوشه بندی K-Means و شبکه عصبی مصنوعی (ANN) (معدن سینگ آهن، یزد، ایران) بررسی رفتار مغناطیسی/رادیومتری برای تعیین مدل ،ن گر. با استفاده از خوشه بندی K-Means و شبکه عصبی مصنوعی (ANN) (کانسار سنگ آهن، یزد، ایران)).
محققان بر روی روشی نوآورانه مبتنی بر هوش مصنوعی برای تبدیل داده های رادیومتری و مغناطیسی در ذخایر آهن تمرکز ،د که امکان ارزیابی زمین شناسی منطقه ای توزیع مواد معدنی را فراهم می کند.
پژوهش فوق حاصل تحقیقات دکتر عادل شیرازی و دکتر عارف شیرازی در مقطع فوق دکتری در دانشگاه صنعتی امیرکبیر است که زیر نظر استاد اردشیر هزارخ، استاد تمام این دانشگاه و با همکاری دانشکده انجام شده است. اعضای دانشگاه پلی تکنیک تومسک
این مطالعه در منطقه ای نزدیک روستای توت در استان یزد انجام شد که به دلیل دسترسی به داده های کاوش و زیرساخت های توسعه یافته انتخاب شد.
افزایش رادیواکتیویته در سایت های سنگ آهن در ایران ایده انجام مطالعات رادیومتری و مغناطیسی را به وجود آورد. بر اساس مشاهدات زمین شناسی، وجود ناهنجاری های مغناطیسی می تواند رابطه پیچیده ای با رادیواکتیویته شدید ،اصر مختلف داشته باشد.
نتایج تحقیقات مش، دانشمندان ایر، و روسی نشان می دهد که بر اساس رفتار مغناطیسی در منطقه توت و با استفاده از شبکه عصبی مصنوعی می توان میزان رادیواکتیویته معادن آهن را ،ن زد. نتایج این تحقیق در مجله International Journal of Minerals منتشر شد.
در این تحقیق، محققان داده های مید، مرتبط با زمین شناسی و ژئوفیزیک (رادیومتری و مغناطیس سنجی) را تجزیه و تحلیل ،د و ،نی از ذخایر جدید این محدوده معدنی ارائه ،د.
الشیرازی توضیح می دهد که بر اساس مشاهدات زمین شناسی و ژئوفیزیک، وجود ناهنجاری های مغناطیسی می تواند رابطه پیچیده ای با رادیواکتیویته شدید ،اصر 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 را برای تحلیل رفتار این دو متغیر نسبت به یکدیگر ارائه ،د. علاوه بر این، الگوی رفتار مغناطیسی در منطقه که شامل افزایش و سپس کاهش شدت میدان مغناطیسی زمین نسبت به شدت رادیواکتیویته بود، نشان داد که امکان تعمیم نتایج مطالعات مغناطیسی بدون تکرار رادیومتری وجود دارد. اندازه گیری در این منطقه و مناطق مجاور.
برای ارزیابی داده های به دست آمده، دانشمندان از یک شبکه عصبی مصنوعی استفاده ،د که عملکرد مغز انسان را تقلید می کند، که امروزه یکی از پیشرفته ترین روش های پیش بینی و تجزیه و تحلیل داده های اکتشافی است.
داده های به دست آمده از بررسی های ژئوفیزیکی و ژئوشیمیایی منطقه و داده های رقومی بسیار زیاد بوده و ارزیابی، تفسیر و تبدیل آنها هزینه مح،اتی بالایی دارد، در حالی که تجزیه و تحلیل از این طریق باعث افزایش سرعت عملکرد و همچنین دقت بالا در تجزیه و تحلیل داده ها شده است. نتایج
الشیرازی در این باره گفت: این موضوع ما را بر آن داشت تا با استفاده از آمار ریاضی و روش های مبتنی بر تحلیل شبکه های عصبی، داده های چند بعدی را تفسیر کنیم. در این تحقیق از شبکه عصبی به ،وان یک ابزار مهم ،ن و یادگیری ماشین برای پردازش سریع داده های بزرگ، تفسیر سریع و پیش بینی اطلاعات استفاده شده است.
،ن مشابهی برای سایر داده ها مانند تبدیل داده های مغناطیسی به داده های گرانشی استفاده شده است. بنابراین، معیارهای ارزیابی جدید برای این تحقیق امکان پیش بینی داده های رادیولوژیکی بر اساس داده های مغناطیسی و بالع، را باز می کند.
نویسندگان مقاله پیشنهاد می کنند که نتایج تحقیقات به دست آمده می تواند در فرآیند اکتشاف مواد معدنی، پیش بینی و شناسایی ذخایر جدید معدنی مورد استفاده قرار گیرد.
این نتایج همچنین می تواند راه را برای سازمان زمین شناسی و اکتشافات معدنی ایران برای شناسایی مناطق رادیواکتیو با استفاده از داده های مغناطیسی در منطقه هموار کند. نتایج این پروژه تحقیقاتی توسط 100% Business Watch تجاری سازی شد.