به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

data preprocessing

در نشریات گروه مهندسی معدن
تکرار جستجوی کلیدواژه data preprocessing در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه data preprocessing در مقالات مجلات علمی
  • سجاد طالش حسینی، امید اصغری*
    کریگینگ به‎عنوان بهترین روش تخمینی خطی نااریب در مدل سازی دو بعدی و سه بعدی مطالعات مربوط به علوم زمین، به ارزیابی معیارهای مختلف وابسته است. علاوه بر شناسایی داده های خارج از ردیف و خوشه زدایی داده های مورد مطالعه، شاخص هایی از قبیل تعریف شعاع جستجو بهینه و مناسب، نقش مهمی در افزایش دقت مدل سازی دارند. در این مقاله، با استفاده از معیار آزمون کمی شعاع جستجوی کریگینگ (QKNA)، مدل سازی بهینه ای از معدن شماره یک سنگ آهن گل گهر سیرجان ارایه شده است. اهمیت و ضرورت آزمون QKNA به دلیل آن است که وزن های تخمین مستقیما تحت تاثیر معیارهایی از قبیل شعاع جستجو، تعداد نقاط موجود در پنجره جستجو، استفاده یا عدم استفاده از روش اکتانت و غیره است. برای این منظور، مجموعه داده های مورد مطالعه براساس تغییرات کانسار به دو زون مگنتیتی و هماتیتی تقسیم شد و سپس با تغییر معیارهای معرفی شده، برای هر کدام از زون ها تعداد 180 استراتژی تخمین، مورد بررسی قرار گرفت. به منظور به دست آوردن معیارهای بهینه تخمین در هر زون، در استراتژی های تعریف شده شاخص هایی از قبیل واریانس تخمین، شیب رگرسیون بین داده های واقعی و تخمینی، بازده کریگینگ و وزن میانگین ارزیابی شدند. بر این اساس، شعاع های جستجوی بهینه در زون اول 688، 226 و 152 و در زون دوم 482، 233 و 303 به‎دست آمدند. همچنین، بازه بهینه تعداد نقاط موجود در بیضیگون جستجو، در زون اول بین 3 تا 12 و در زون دوم بین 5 تا 15 است.
    کلید واژگان: کریگینگ، پیش پردازش داده ها، واریوگرافی، شعاع جستجوی بهینه، آزمون کمی شعاع جستجوی کریگینگ
    S. Talesh Hosseini, Omid Asghari *
    As the best linear estimator, Kriging is now a well-established method in all types of  2D and 3D modeling, including geochemical mapping, rock types modeling, geophysical mapping, and resource estimation. In general, a multi-stage approach can be used for evaluating kriging parameters. The first step in the assessment of mineral resources using linear geostatistics is to remove outlier data and to find the best de-cluster size. After this stage, variogram models in the area under study must be provided by a spherical model. In this context, investigating kriging performance has always been of interest to numerous researchers. Evaluating kriging implementation for different applications has been a growing field of study in the last few decades. Although many authors have discussed various kriging parameters, it seems necessary to conduct more detailed reviews on range searching, high and low nugget effect, as well as 2D and 3D estimations. In this paper, an optimal search range was determined using quantitative kriging neighborhood analysis (QKNA), and the utility of this search range was explored by assessing kriging efficiency. To this end, the borehole dataset of the Gol-E-Gohar No.1 mine was used. In total, 2579 samples (of length 3 m) make up the database for this study.  In this research, the dataset was divided into two zones based on their associated geological domains. Based on the aforementioned parameters, 180 estimation strategies were generated for each rock type. The results indicate that the optimal search ranges of zone 1 are 688, 226, and 152, and the optimal search ranges of zone 2 are 482, 233, and 303.
    Keywords: Kriging, Data Preprocessing, Variogram, Optimal search range, Quantitative Kriging Neighborhood Analysis
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال