%0 Journal Article %T تخمین عیار در کانسارهای با تغییرات موضعی ناهمسانگردی به روش کولونی مورچگان، مطالعه موردی:کانسار مس پورفیری میدوک %J روش های تحلیلی و عددی در مهندسی معدن %I دانشگاه یزد %Z 2251-6565 %A معینی, حمید %A محمدتراب, فرهاد %A حسین مرشدی, امین %D 2020 %\ 10/22/2020 %V 10 %N 24 %P 41-52 %! تخمین عیار در کانسارهای با تغییرات موضعی ناهمسانگردی به روش کولونی مورچگان، مطالعه موردی:کانسار مس پورفیری میدوک %K کریجینگ %K ناهمسانگردی محلی %K کولونی مورچگان %K کانسار میدوک %R 10.29252/anm.2019.12048.1392 %X ناهمسانگردی یا ناپیوستگی کانسار در جهت‌های مختلف به دلیل تغییرات عیار یا ساختار ماده معدنی پدید می‌آید. کنترل کننده‌های زمین‌ساختی یا تغییرات شیمیایی در حین تشکیل ماده معدنی می‌توانند سبب ناهمسانگردی شوند. این ویژگی به صورت سه‌بُعدی در کانسارها با یک بیضوی به قطرهای در راستای پیوستگی و با مقادیر متناسب با نسبت ناهمسانگردی تعریف می‌شود. در طبیعت اما، بسیاری از کانسارها تحت تاثیر فرآیندهایی مثل چین‌خوردگی، گسل، تغییرات زایشی و دگرگونی دچار تغییرات موضعی ناهمسانگردی (LVA) می‌شوند و نمی‌توان آنها را با یک بیضوی ناهمسانگردی کلی مدل کرد. در روش مدلسازی متغیر دارای خاصیت LVA، پارامترهای ناهمسانگردی برای هر سلول شبکه تخمین محاسبه شده و با تبدیل فضا به یک فضای همسانگرد، از فواصل جدید اقلیدسی در واریوگرافی و سپس کریجینگ معمولی (OK) استفاده شده است. این روش که کریجینگ LVA (OKLVA) نام گرفته، در صورت وجود اطلاعات ثانویه، می‌تواند با دقت بیشتری نسبت به کریجینگ سنتی، نقاط نامعلوم را تخمین بزند. در این پژوهش از الگوریتم کولونی مورچگان استفاده شده تا با هدایت هدفمند مورچه‌ها به کمک میدان LVA در مسیرهای پیوسته‌تر عیاری و تبدیل هر مورچه به یک پنجره میانگین متحرک، بتواند عیار را در مسیرهای ناهمسانگرد اصلاح کند. این کاربرد جدیدی از یک الگوریتم فرا ابتکاری است که تاکنون در حل مسائل بهینه‌سازی به کار گرفته می‌شده است. این روش (ACLVA) از ابتدا تا انتها در نرم‌افزار MATLAB پیاده‌سازی شده و سپس روی 12955 نمونه کامپوزیت شده مغزه‌های حفاری معدن مس میدوک به عنوان نمونه مطالعاتی امتحان شد. نتایج با روش‌های OK و OK-LVA مقایسه شد. برای اعتبارسنجی هر سه روش از داده‌های چال‌های آتشباری استفاده شد که نشان داد روش تخمین با ACLVA تقریبا 3 درصد بهتر از OK و 4 درصد بهتر از OKLVA در تخمین عیار عمل کرده است. با این وجود، آنچه که مسلم است در ساختارهای با میدان موضعی پیچیده‌تر، جواب بهتر و قابل قبول‌تری با این روش به دست خواهد آمد. %U https://anm.yazd.ac.ir/article_1565_ea0b728385849aa9903d10a4021aedc3.pdf