بررسی چگونگی رفتار عنصر مس نسبت به عناصر مولیبدن، سرب و روی در کانسار مس پورفیری پرکام در استان کرمان، با استفاده از روش k-means
چکیده
یکی از دیدگاههای مهم در علم دادهکاوی برای تحلیل و بررسی روی حجم زیادی از دادهها و نمونهها با مشخصههای گوناگون، دیدگاه خوشهبندی میباشد که خود شامل روشها و تکنیکهای مهمی همچون روش سلسله مراتبی، روش میانگین k، روشهای بر مبنای چگالی، روش کوهونن، و غیره در ادبیات موضوع است و تاکنون توسط پژوهشگران مختلف به کار گرفته شده است. یکی از معروفترین الگوریتمهای خوشهبندی، الگوریتم k میانگین (k-means) است. این الگوریتم تلاش میکند که بر اساس یک معیار فاصله، دادهها را به k خوشه تقسیم کند. در مقاله پیش رو با بکارگیری روش k-means برای کلاس بندی گمانههای حفاری شده در کانسار پرکام، تحت چهار مقدار عیار عناصر مس، مولیبدن، سرب و روی، مقدار بهینه k در هر مورد محاسبه شده و سپس به کلاس بندی دادههای مذکور، و تجزیه و تحلیل رفتار آنها نسبت به یکدیگر پرداخته شده است. در این پژوهش به منظور مشخص نمودن مقدار مناسب k جهت تعیین تعداد کلاسها، از معیار مناسبی استفاده گردیده که با توجه به آن تعداد کلاسها از 3=k الی10=k تغییر داده میشوند و سپس به کمک معیار مذکور گروهبندیهای حاصل شده مورد تحلیل قرار میگیرند تا k بهینه انتخاب شود. به استناد نتایج حاصل شده، خوشهبندی با تعداد 3=k در مورد مس و مولیبدن، 4=k در مورد مس و سرب و همچنین خوشه بندی با مقدار 3=k در مورد مس و روی، نسبت به تعداد کلاسهای دیگر در هر مورد، مناسبتر بوده و با توجه به کلاس بندی صورت گرفته با موارد فوق الذکر، مشاهده گردیده است که با افزایش عیار عنصر مس، عیار عنصر مولیبدن با شدت بیشتری افزایش مییابد، عیار عنصر سرب تا 16/0 کاهش شدید و سپس افزایش یافته و عیار عنصر روی نیز مانند سرب ابتدا کاهش و سپس افزایش می یابد. بنابراین میتوان با استفاده از روش پیشنهادی فوق به بررسی میزان تغییرات عنصر مس با دیگر عناصر موجود در آنالیزهای انجام شده پرداخت که خود میتواند دیدگاه بسیار مناسبی را پیش روی تصمیم گیران این صنعت ایجاد نماید. بنابر این علاوه بر کاربرد وسیع در اکتشاف معادن مس، می تواند امکان پیشبینی رفتار کانههای فلزی در حین فرآیندهای فرآوری مانند تعیین درجه آزادی و پیشبینی بهترین سایز را نیز فراهم مینماید.