کاربرد شبکه های عصبی مصنوعی در مهندسی معدن

چکیده

امروزه استفاده از شبکه‌های عصبی مصنوعی در رشته‌های مهندسی در حال افزایش است به‌طوری که برای یک مهندس نحوه استفاده و عملکرد آن ضروری است. در این مقاله ابتدا به توضیح مختصری درباره شبکه‌های عصبی مصنوعی می‌پردازد و در نهایت به برخی از کاربردهای آن در مهندسی معدن اشاره می‌کنیم. شبکه‌های عصبی برای حل مسائلی به‌کار می‌روند که فرمول حل آنها ناشناخته است و مدل علت و معلولی یا برای آنها وجود ندارد و یا ابهام قابل ملاحظه‌ای در آن دیده می‌شود، علت نبود روابط ریاضی لازم برای تشریح چنین مسائلی این است که حتی خود مسئله به‌طور کامل و بدون ابهام شناخته شده است. در مهندسی معدن از شبکه‌های عصبی در زمینه‌های مختلفی از قبیل اکتشاف، تخمین ذخیره، مکانیک سنگ و کنترل فرآیند در کارخانه‌های فرآوری استفاده شده است، شبکه عصبی در مهندسی نفت هم چند کاربرد مخصوص هم دارد. کلمات کلیدی: شبکه‌های عصبی مصنوعی، نرون، معدن، اکتشاف، مکانیک سنگ، فرآوری مواد معدنی و دورسنجی.

مقدمه

فرض کنید شما به عنوان یک مهندس معدن بر روی میزان نفوذپذیری سنگ‌های مخزن سد آبی کار می‌کنید. تصور کنید که اطلاعاتی از قبیل تخلخل، جنس دانه‌ها، سیال پرکننده حفرات، محیط رسوبی و فشار منفذی را در مورد چند نمونه سنگ که توسط مغزه‌گیری به‌دست آمده دارید و نیز میزان نفوذپذیری این چند نمونه را هم با استفاده از روش‌های آزمایشگاهی مکانیک سنگ و معیارهای مختلف در دسترس، محاسبه کرده‌اید ولی هیچ‌گونه اطلاعی در مورد نحوه تاثیر این پارامترها بر میزان نفوذپذیری سنگ‌ها نداریم پس ما این اطلاعات و میزان نفوذپذیری را به یک برنامه کامپیوتری می‌دهیم حال کار این برنامه تجزیه و تحلیل‌های مشکلی است که در نهایت منجر به یک مدل ریاضی می‌شود که ما می‌توانیم اطلاعات مربوط به یک سنگ جدید را به برنامه داده و برنامه به راحتی میزان نفوذپذیری آن را به ما تحویل دهد، این روند اساس کار شبکه‌های عصبی مصنوعی است.

شبکه‌های عصبی مصنوعی در واقع از ساختارهای بسیار پیچیده مغز انسان الهام گرفته شده است که در آن میلیون‌ها سلول عصبی از طریق ارتباطی که با هم دارند به حل مسائل یا ذخیره‌سازی اطلاعات می‌پردازند. وظیفه شبکه عصبی یادگیری است. در واقع شبکه عصبی همانند کودک خردسالی است که در ابتدا هیچ چیز نمی‌داند. در این فرآیند ابتدا از طریق آموزش یا همان مرحله کسب تجربه که به کمک یک‌سری داده‌های ورودی و خروجی مطلوب انجام می‌پذیرد، اجرا می‌شود به این صورت که مجموعه‌ای از ورودی‌ها و خروجی‌های درست به شبکه داده می‌شود و شبکه عصبی با استفاده از این ورودی‌ها (مثال‌ها) مول ریاضی پیچیده‌ای می‌سازد که در صورت دادن ورودی‌های جدید، پاسخ درستی را تولید کند.

ادامه مطلب