تخمین عیار در کانسارهای با تغییرات موضعی ناهمسانگردی به روش کولونی مورچگان، مطالعه موردی:کانسار مس پورفیری میدوک

ناهمسانگردی یا ناپیوستگی کانسار در جهت های مختلف به دلیل تغییرات عیار یا ساختار ماده معدنی پدید می آید. کنترل کننده های زمین ساختی یا تغییرات شیمیایی در حین تشکیل ماده معدنی می توانند سبب ناهمسانگردی شوند. این ویژگی به صورت سه بعدی در کانسارها با یک بیضوی به قطرهای در راستای پیوستگی و با مقادیر متناسب با نسبت ناهمسانگردی تعریف می شود. در طبیعت اما، بسیاری از کانسارها تحت تاثیر فرآیندهایی مثل چین خوردگی، گسل، تغییرات زایشی و دگرگونی دچار تغییرات موضعی ناهمسانگردی (LVA) می شوند و نمی توان 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، می تواند 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 مورچه ها به کمک میدان LVA در مسیرهای پیوسته تر 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 مسایل بهینه سازی به کار گرفته می شده است. این روش (ACLVA) از ابتدا تا انتها در نرم افزار MATLAB پیاده سازی شده و سپس روی 12955 نمونه کامپوزیت شده مغزه های حفاری معدن مس میدوک به عنوان نمونه مطالعاتی امتحان شد. نتایج با روش های OK و OK-LVA مقایسه شد. برای اعتبارسنجی هر سه روش از داده های چال های 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 پیچیده تر، جواب بهتر و قابل قبول تری با این روش به دست خواهد آمد.