احمد نیامدپور - هیات علمی دانشگاه آزاد اسلامی واحد مسجدسلیمان
هوشنگ عسکری عالم - گروه زمین شناسی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز
هوشنگ پورکاسب - گروه زمین شناسی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز
علیرضا زراسوندی - گروه زمین شناسی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز

شبکه های عصبی از توانایی بالایی در استخراج الگوها از میان داده ها و همچنین حل مسایل پیچیده با ماهیت طبیعی برخوردار هستند. شبکه های عصبی در واقع از ساختارهای بسیار پیچیده مغز انسان الهام گرفته شده است. هدف این پژوهش، بهینه کردن ساختار شبکه مورد استفاده و ارایه روند بهینه سازی ساختاری آن برای تهیه نقشه های پتانسیل معدنی و همچنین شناسایی بهتر مکان های مناسب حفاری کانسار مس علی آباد یزد در آینده است. بر این اساس، شش الگوریتم یادگیری پس انتشار خطا برای این هدف مورد بررسی قرار گرفتند. نتایج این مطالعه بیانگر آن است که در الگوریتم های مورد استفاده دو الگوریتم BR و LM بهترین کارایی را دارند. نتایج ارزیابی توسط این دو نوع شبکه عصبی، نشان میدهد که شبکه عصبی BR از کارآیی بهتر با دقتی در حدود 0 / 95 درصد برای مدلسازی برخوردار است

شبکه های عصبی، الگوریتم پس انتشار خطا، مس پورفیری، علی آباد یزد