{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TN334",
        "title": "تخمین ذخیره کانسار مس سونگون با استفاده از نرم‏افزار DATAMINE و روش شبکه عصبی مصنوعی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1387",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TN334",
        "title": "تخمین ذخیره کانسار مس سونگون با استفاده از نرم‏افزار DATAMINE و روش شبکه عصبی مصنوعی",
        "degree": null,
        "faculty": "مهندسی معدن، نفت و ژئوفیزیک",
        "year": 1387,
        "authors": [
            {
                "name": "رضا اميري لاريجاني",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "رضا خالوکاکائی",
                "role": "استاد راهنما"
            },
            {
                "name": "محمد عطائی",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "تخمین ذخیره",
            "کانسار مس",
            "سونگون",
            "DATAMINE",
            "شبکه عصبی"
        ],
        "abstract": "تخمین ذخیره یکی از مهمترین مراحل در عملیات اکتشافی می‏باشد و نتایج این بخش نقش بسیار مهمی در تبدیل کانسار به معدن ایفا می‏کند. روش‏های تخمین ذخیره را به طور کلی می‏توان به دو دسته روش‏های کلاسیک و نوین تقسیم نمود. از روش‏های کلاسیک می‏توان به روش‏های چند ضلعی، مثلثی، مقاطع، متوسط‏گیری ریاضی، قطعه‏های زمین‏شناسی، قطعه‏های معدنی، خطوط تراز و عکس مجذور فاصله و از روش‏های نوین می‏توان به روش‏های زمین‏آمار، شبکه عصبی مصنوعی، فازی - عصبی و ... اشاره نمود.\r\nدر این پایان‏نامه، تخمین ذخیره کانسار مس سونگون که یکی از بزرگ‌ترین کانسارهای مس شناخته شده در ایران است و در 32 کیلومتری شمال شرق شهر ورزقان از توابع شهرستان اهر قرار دارد، توسط روش‏های نوین انجام شده است. در ابتدا با استفاده از اطلاعات موجود نظیر داده‏های اکتشافی، مدل هندسی کانسار تهیه گردید. سپس تحلیل‏های آماری و زمین‏آماری بر روی داده‏های اکتشافی صورت گرفته و عملیات تخمین به سه روش نزدیک‏ترین نقاط، عکس مجذور فاصله و کریجینگ انجام شد. بر این اساس میزان ذخیره برای عیارحد 25/0درصد مس به ترتیب برای سه روش مذکور حدود 561، 679 و 664 میلیون تن با عیار متوسط 69/0، 57/0 و 56/0 درصد مس به دست آمد.\r\nدر مرحله بعد تخمین ذخیره با استفاده از روش شبکه عصبی مصنوعی صورت گرفت. این شبکه‏ها که با الهام از سیستم عصبی انسان به وجود آمده‏اند، قابلیت یادگیری دارند و می‏توانند روابط بین ورودی‏ها و خروجی‏ها را بیابند. در مسئله تخمین ذخیره، پس از آموزش شبکه با داده‏های اکتشافی، شبکه می‏تواند رابطه بین الگوهای ورودی (مختصات مکانی) و الگوهای خروجی (مانند عیار ماده معدنی) را بیابد و سپس این رابطه را برای درون‏یابی عیار بین گمانه‏ها تعمیم دهد. برای تخمین از دو نوع شبکه پس‏انتشار خطا و شبکه شعاعی برای تخمین استفاده گردید.\r\nبا توجه به نتایج حاصل، ضریب همبستگی بین داده‏های پیش‏بینی و داده‏های واقعی برای دو سری آموزش و آزمون در شبکه پس‏انتشار خطا برابر 78/0 و 56/0 و در روش شبکه شعاعی برابر 95/0 و 75/0 حاصل گردید. با توجه به نتایج بهتر شبکه شعاعی، از این شبکه برای تخمین ذخیره استفاده شد. براساس این روش میزان ذخیره برای عیارحد 25/0درصد مس حدود 540 میلیون تن با عیار متوسط 61/0 درصد مس به دست آمد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TN334.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}