firefly algorithm
در نشریات گروه مهندسی معدن-
هدف از این پژوهش، استفاده هم زمان از عیار طلای به دست آمده از مدل سازی های ژئوشیمیایی و پارامتر های زمین شناسی، جهت شناسایی مناطق امیدبخش کانی زایی طلای اپی ترمال منطقه زایلیک در شمال غرب ایران است. شواهد زمین شناسی مورد استفاده در این منطقه، سنگ شناسی و دگرسانی های آرژیلیکی، پروپیلیتیکی، سیلیسی و اکسید آهن بوده و در مدل سازی های ژئوشیمیایی نیز از دو روش هوش مصنوعی 1) شبکه عصبی مصنوعی و 2) تلفیق آن با الگوریتم کرم شب تاب استفاده شد. شواهد زمین شناسی پس از کمی شدن، به همراه مقادیر تخمین زده شده طلا در روش های هوش مصنوعی، برای وزن دهی به سیستم سلسله مراتبی در نرم افزار Expert Choise وارد شدند. در این نرم افزار وزن دهی و تعیین درجه اهمیت نسبی پارامترهای زمین شناسی پس از مشورت با متخصصان زمین شناسی و اکتشاف صورت پذیرفته و روش های هوش مصنوعی نیز با استفاده از معیارهای کمی مانند ضریب تعیین و تابع جذر میانگین مربعات خطا با یکدیگر مقایسه شدند که روش تلفیقی شبکه عصبی مصنوعی با الگوریتم کرم شب تاب، با توجه به بیشتر بودن ضریب تعیین (R2=0.643) و کمتر بودن تابع خطا (RMSE=0.754)، نتایج بهتری را نشان داد، بنابراین از درجه اهمیت بیشتر، جهت تشخیص مناطق امید بخش کانی زایی برخوردار شد. در نهایت تمامی پارامترهای یاد شده در نرم افزار Arc GIS به وسیله روش برهم نهی فازی با یکدیگر تلفیق شده و مناطق بهینه اکتشافی در شمال و شمال شرق منطقه ثبت و ادامه اکتشاف ریشه کانی زایی طلا با توجه به مدل معرفی شده در مناطق همجوار میسر شد.
کلید واژگان: شبکه عصبی مصنوعی، الگوریتم کرم شب تاب، سلسله مراتبی، برهم نهی فازی، طلای زایلیکThis research aims to simultaneously use geochemical modeling and geological parameters for gold grade estimation to identify promising zones of epithermal gold mineralization in the Zailik region, northwest of Iran. For this purpose, the employed geological evidence includes lithology and alterations like silicification, iron oxides, phyllic, and propylitic. For geochemical modeling two methods were utulized: 1) artificial neural network (ANN), 2) integrating ANN with the Firefly algorithm. Geological evidence after quantification, along with the estimated amounts of gold in artificial intelligence methods, was entered into the hierarchical system in Expert Choice software for weighting. In this method, the weighting and determination of the degree of relative importance of geological parameters were attempted after consulting geological and exploration experts. Subsequently, artificial intelligence methods were also compared with each other using quantitative criteria such as the coefficient of determination and the root mean square error function. The results showed that the combined method of artificial neural networks with the Firefly algorithm provides better results due to the higher coefficient of determination (R2=0.643) and lower error function (RMSE=0.754). Therefore, it has a higher degree of importance to identify promising areas for mineralization. Finally, all the above parameters were combined with each other in the Arc GIS software using the fuzzy overlay method, and the optimal exploration targets were detected in the north and northeast of the region, enabling to continue the exploration targets along the root of gold mineralization in the neighboring areas according to the introduced model.
Keywords: Artificial Neural Network, Firefly Algorithm, AHP, Fuzzy Overlay, Zailik Gold -
هدف از این پژوهش، مقایسه و ارزیابی مدل سازی های مختلف، جهت تشخیص بهتر الگوهای ژئوشیمیایی توزیع Au و تفکیک دقیق تر زون های کانی سازی طلای رگه ای منطقه زایلیک در شمال غرب ایران است. در این منطقه، عیار Au در رگه 01S (یکی از 7 رگه محدوده اکتشافی) با استفاده از روش زمین آماری کریجینگ معمولی (OK) و همچنین روش های هوش مصنوعی مانند تلفیق شبکه عصبی مصنوعی (ANN) با الگوریتم های کرم شب تاب (FFA) و بهینه سازی ازدحام ذرات (PSO)، تخمین زده شد. داده های حاصل به بلوک ها و زیر بلوک های مربوطه در نرم افزار دیتاماین وارد گردیده و مدل سازی های سه بعدی به دست آمده با یکدیگر مقایسه شدند. مدل سازی در روش های هوش مصنوعی، با استفاده از کد نویسی در نرم افزار متلب و ارتباط دادن آن با نرم افزار دیتاماین در چهار گام مجزا انجام شد که در این روش ها، با کمک FFA و PSO، پارامترهای روش ANN مانند بایاس و وزن ها به روزرسانی و بهینه گردید تا نتایج بهتری نسبت به روش ANN به دست آید. جهت اطمینان از دقت مدل سازی ها، از پارامترهای آماری ضریب تعیین (R2) و تابع خطا جذر میانگین مربعات خطا (RMSE) استفاده شد. نتایج نشان می دهد، روش تلفیقی الگوریتم کرم شب تاب (ANN-FFA)، با توجه به حداقل بودن تابع خطا (134/0=RMSE) و حداکثر بودن ضریب تعیین (66/0=R2)، دارای بیشترین دقت است. همچنین جهت اطمینان از صحت مدل سازی ها در روش های تلفیقی، مقایسه ای با روش مرسوم زمین آماری OK انجام شد و صحت آن نیز مورد تایید قرار گرفت. در تمامی مدل سازی های انجام گرفته، محل مقادیر تخمین زده شده انطباق مناسبی با لیتولوژی و دگرسانی های مرتبط با کانی سازی Au در این منطقه داشت.
کلید واژگان: کریجینگ، شبکه عصبی مصنوعی، الگوریتم کرم شب تاب، بهینه سازی ازدحام ذرات، کانی زایی طلا زایلیکJournal of Aalytical and Numerical Methods in Mining Engineering, Volume:14 Issue: 38, 2024, PP 1 -19For the three-dimensional modeling of the S01 vein from the Zailik exploratory area, the sampled data of the trenches and boreholes of this vein were used, and the gold grade was estimated using ANN, ANN-PSO, and ANN-FFA methods. To check the accuracy of the modeling, it was compared with the estimate of grade using the ordinary geostatistical kriging method, as well as the geological evidence of the area, such as lithology and alteration.
Keywords: Kriging, Artificial neural network, Firefly algorithm, Particle Swarm Optimization, Zailik -
مجله محیط و معدن، سال دوازدهم شماره 4 (Autumn 2021)، صص 1175 -1186
The production cycle in open-pit mines includes the drilling, blasting, loading, and haulage. Since loading and haulage account for a large part of the mining costs, it is very important to optimize the transport fleet from the economic viewpoint. Simulation is one of the most widely used methods in the field of fleet design. However, it is unable to propose an optimized scenario for which the appropriate metaheuristic method should be employed. This paper considers the Sungun copper mine as the case study, and attempts to find the most feasible transportation arrangement. In the first step, in this work, we compare the flexible dispatching with the fixed allocation methods using the Arena software. Accordingly, the use of flexible dispatching reveals the increase in the production rate (20%) and productivity (25%), and the decrease (20%) in the idle time. The firefly metaheuristic algorithm used in the second step shows that the combined scenario of the 35-ton and 100-ton trucks is the most suitable option in terms of productivity and cost. In another attempt, comparing different heterogeneous truck fleets, we have found that the scenarios 35-100 and 35-60-100-144 increase the production rate by 39% and 49%, respectively. Also, in both scenarios, the production cost decreases by 11% and 21%, respectively.
Keywords: Optimization, Open-pit mines, Loading, haulage, Simulation, firefly algorithm -
برنامه ریزی تولید بلند مدت در معادن روباز یک امر بسیار حیاتی در برنامه ریزی معدن می باشد و توزیع جریان نقدینگی را در سراسر عمر معدن مشخص می نماید. هدف برنامه ریزی، بیشینه کردن ارزش خالص فعلی با در نظر گرفتن همه محدودیت های عملیاتی از قبیل: شیب، آمیختن عیارهای مختلف، تولید ماده معدنی و ظرفیت استخراج است. عدم قطعیت های مرتبط با داده های مدل، نقش بسزایی در بهینه سازی برنامه های تولید بلند مدت دارند. در میان عدم قطعیت ها، عدم قطعیت عیار، سهم عمده ای را ایفا می کند. در این مقاله مدل های ترکیبی بوسیله روش آزادسازی لاگرانژی (LR)، روش آزادسازی لاگرانژی تعمیم یافته (ALR) و الگوریتم کرم شب تاب (FA) برای حل مساله برنامه ریزی تولید بلند مدت معادن روباز با فرض قطعیت و همچنین، با در نظر گرفتن عدم قطعیت عیار ارایه شده اند. الگوریتم کرم شب تاب برای به روزرسانی ضرایب لاگرانژ مورد استفاده قرار گرفته شده است. رویکردهای جدید پیشنهاد شده با نتایج روش های ترکیبی حاصل از آزادسازی لاگرانژی و آزادسازی لاگرانژی تعمیم یافته با الگوریتم ژنتیک (GA) و روش سنتی زیرگرادیان (SG) مقایسه شده اند. برای حل و اعتبارسنجی مدل به دست آمده، معدن سنگ آهن چادرملو به عنوان مورد مطالعاتی مناسب، در نظرگرفته شده است. نتایج حاصل از مطالعه موردی نشان می دهد که استراتژی ترکیبی ALR-FA می تواند راه حل نزدیک به بهینه را نسبت به روش های دیگر ارایه کند؛ بطوری که، در طول یک دوره زمان بندی دوازده ساله، میانگین ارزش خالص فعلی با استفاده از روش ترکیبی پیشنهادی %11/20 بیشتر از روش سنتی موجود است. همچنین، سرعت CPU از مدل پیشنهادی، 7/4 درصد بیشتر از دیگر روش ها حاصل شد.
کلید واژگان: معادن روباز، برنامه ریزی تولید بلند مدت، عدم قطعیت عیار، آزادسازی لاگرانژی، الگوریتم کرم شب تابLong-term production scheduling in open-pit mines is a crucial issue in mining planning and determines the distribution of cash flow throughout the life of the mine. The purpose of the planning is to maximize the net present value by taking into account all operational constraints such as slope, mixing of different grades, mineral production, and extraction capacity. The uncertainties associated with model data play an important role in optimizing long-term production plans. Among the uncertainties, grade uncertainty plays a major role. In this paper, hybrid models are presented by the Lagrangian relaxation (LR) method, augmented Lagrangian relaxation (ALR) method, and firefly algorithm (FA) to solve the long-term production scheduling problem of open-pit mines with the assumption of deterministic and also considering the grade uncertainty. The firefly algorithm is used to update the Lagrange multipliers. The newly proposed approaches are based on optimizing Lagrangian multipliers and comparing them with the results of combined Lagrangian relaxation method and augmented Lagrangian relaxation with the Genetic Algorithm (GA), and the traditional sub-gradient (SG) method. For solving and validating the obtained model, Chadarmelo iron ore mine is considered as a suitable case study. The results of the case study show that the combined strategy (ALR-FA) can provide a near-optimal solution over other methods such that, over a given period, the net present value using the proposed hybrid approach is 20.11% higher than the traditional method is available. Also, the CPU speed of the proposed model is 4.7% more than the other methods.
Keywords: Open-pit mine, long-term production scheduling, Grade Uncertainty, Lagrangian relaxation, firefly algorithm
- 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.
©2000-2025 magiran.com All Rights Reserved.