شاهو ملکی - دانشجوی کارشناسی ارشد اکتشاف معدن، دانشگاه صنعتی شاهرود
رئوف غلامی - دانشجوی دکتری اکتشاف معدن، دانشگاه صنعتی شاهرود
رضا قوامی - استادیار دانشکده معدن، دانشگاه صنعتی شاهرود
مسعود علی - سازمان زمین شناسی و اکتشافات معدنی کشور

در اکتشافات ژئوشیمیایی تفصیلی، پیشبینی میزان غنیشدگی عناصر در لایههای زیرسطحی لزوم تخمین دقیقتر میزان ذخیره ماده معدنی میباشد. ماشین برداری پشتیبان یکی از روشهای قدرتمند هوش مصنوعی است که به دلیل نیاز به تعدادنمونههای آموزشی کم و قابلیت تعمیم بالا در بسیاری از مسائل با موفقیت استفاده شده است. در این راستا، هدف از مقاله حاضر، استفاده از ماشین برداری پشتیبان جهت پیشبینی توزیع عیاری عنصر مس در کانسار مس دالی می باشد. به این منظور با در نظر گرفتن دادههای حاصل از نمونههای آموزشی انتخاب شده از ترانشهها، توزیع مس در محدوده کانسار موردپیشبینی قرار گرفت. از مقایسه نتایج بهدست آمده با نمونه های اعتبار سنجی مشخص گردید که ماشین برداری پشتیبان از قابلیت بالایی جهت پیش بینی روند تغییرات و توزیع غلطت عناصر برخوردار است.

هوش مصنوعی، ماشین برداری پشتیبان، کانسار دالی، پیش بینی، غنی شدگی مس