به گزارش افق فلزات؛ ایران با داشتن طیف وسیعی از مواد معدنی فلزی و غیرفلزی یکی از کشورهای مهم از نظر منابع و ذخایر معدنی در سطح دنیا محسوب میشود؛ مراحل عمر یک معدن شامل شناسایی، اکتشاف، استخراج، فرآوری و بازسازی است؛ شناسایی و اکتشاف مواد معدنی اهمیت بالایی دارد، به همین منظور لایههای اطلاعاتی گوناگونی برداشت شده و مورد مطالعات دقیق قرار میگیرند.
تحلیل اطلاعات زمینشناسی و اکتشافی در سطح دنیا با تکنیکهای مختلفی انجام میشود و در نهایت به منظور ظرفیتیابی، دادههای تحلیل شده باید یکپارچهسازی شود تا نقاط بهینه اکتشافی مورد شناسایی قرار گیرد و در این بین اهمیت تلفیق و یکپارچه سازی اطلاعات به منظور نتیجه گیری نهایی جایگاه ویژهای دارد.
متخصصان حوزه مهندسی معدن فعال در یک مجموعه دانشبنیان کشورمان موفق شدند با استفاده از هوش مصنوعی روش جدیدی در روند اکتشاف معادن ارائه کنند به طوریکه در این روش اطلاعات جمع آوری شده، نقشه برداری و ماهوارهای به کمک هوش مصنوعی پایش میشود و هزینه اکتشاف معادن را حدود ۸۰ درصد کاهش میدهد.
مدیرعامل این مجموعه دانشبنیان با بیان اینکه، در این روش با به کارگیری هوش مصنوعی، دقت نتایج شناسایی معادن تا ۹۸ درصد افزایش مییابد، افزود: بر اساس بررسیهای انجام شده روی دادهها، کلیدهای اکتشافی مربوط به کانی زایی در قالب لایههای اطلاعاتی آماده میشود.
عارف شیرازی اظهار داشت: این لایههای اطلاعاتی شامل زمین شناسی ساختاری، دگرسانی، لیتولوژی، ژئوشیمی، ژئوفیزیک، تصاویر ماهوارهای و زمینگاه شناسی است که در روند مطالعاتی هریک، از روشهای تحلیلی و مبتنی بر هوش مصنوعی استفاده شده است.
وی یادآورشد: از جمله روشهای به کارگرفته شده در تحلیل لایههای اطلاعاتی شامل آمار کلاسیک، زمین آمار، هندسه فرکتالی، شبکه عصبی مصنوعی، یادگیری ماشین و خوشه بندی است.
فوق دکتری مهندسی معدن دانشگاه صنعتی امیرکبیر افزود: در نهایت به منظور شناسایی نواحی پرپتانسیل کانی زایی، لایههای اکتشافی مطالعه شده، به روش ابداعی فرآیند تحلیل سلسله مراتبی – عصبی فازی (NFAHP) یکپارچه میشود؛ این روش توسط مجموعه دانشبنیان ما در مناطق مختلف کشور اجرا شده است.
این فعال حوزه دانشبنیان تاکیدکرد: مدلهای تلفیقی بهینه سازی شده بر مبنای هوش مصنوعی، میتواند تا حد زیادی در صرفه جویی در منابع مالی و زمانی موثر باشد.
رئیس هیات مدیره این مجموعه دانشبنیان که در سال ۱۴۰۲ تائیدیه دانش بنیانی خود را از معاونت علمی، فناوری و اقتصاد دانشبنیان اخذ کرده است، تاکید کرد: روش جدید استفاده از هوش مصنوعی در روند شناسایی و اکتشاف معادن به عنوان گام نخست در شناسایی ذخایر معدنی، به طور کلی تاثیر بسزایی بر روند رشد صنایع کشور خواهد داشت.
عادل شیرازی با اشاره به کاربردهای این محصول دانشبنیان، افزایش صحت مناطق مستعد کانی زایی شناسایی شده، استفاده هم زمان از روشهای داده محور و دانش محور، ارائه رویکردی جدید از کاربرد روش خوشه بندی کا – میانگین در تفکیک جوامع آماری و جدایش آنومالی از زمینه، ارائه روش ابداعی فرآیند تحلیل سلسله مراتبی فازی عصبی (Neuro-Fuzzy- Analytic Hierarchy Process) که اختصاراً NFAHP خوانده میشود به عنوان روشی جدید در یکپارچه سازی لایههای اطلاعاتی را از جمله این کاربردها برشمرد.
وی که دارای فوق دکتری مهندسی معدن از دانشگاه صنعتی امیرکبیر است، گفت: این روش به طور کلی قابلیت تلفیق و یکپارچهسازی هرگونه لایه اطلاعاتی را دارد که در محصول دانشبنیان حاضر به صورت کاربردی در اکتشاف معدن استفاده شده است.
شیرازی در ادامه، شناسایی پتانسیلهای معدنی فلزی و غیر فلزی (MPM)، مطالعه و بررسی دقیق پتانسیلهای معدنی فلزی و غیرفلزی در سراسر کشور با به کارگیری به روزترین روشهای علمی و عملی (ژئوشیمی، ژئوفیزیک و سنجش از دور)، اولویت بندی محدودههای معدنی و اهداف اکتشافی (PET)، اولویت بندی معادن و محدودههای معدنی اکتشافی (فلزی و غیرفلزی) که به صورت مزایده توسط وزارت صمت واگذار میشود به منظور انتخاب محدودههای اقتصادی و پیشنهاد بهترین محل حفر گمانه و سینه کارهای اکتشافی را از مهمترین خدمات این مجموعه دانشبنیان نام برد.
وی همچنین تعیین بهترین نقاط از معادن و محدودههای اکتشافی به منظور حفاریهای عمقی و سطحی در مطالعات اکتشافی و طراحی استخراجی معدن، مطالعات امکان سنجی فنی و اقتصادی معادن و محدودههای اکتشافی (FS)، ارائه خدمات مشاورهای و ارزیابی فنی و اقتصادی معادن و محدودههای معدنی اکتشافی به منظور سرمایه گذاری، تجهیز، استخراج و فرآوری و مشاوره به سرمایه گذاران بخش معدن را از دیگر خدمات این شرکت دانشبنیان اعلام کرد.
این فعال حوزه دانشبنیان در بخش دیگری از سخنان خود در پاسخ به این سوال که تاکنون در چه مناطقی از کشور عملیات شناسایی معادن با استفاده از هوش مصنوعی توسط این مجموعه دانشبنیان انجام شده است نیز تصریح کرد: با استفاده از این روش موفق شدیم در یکی از مناطق خراسان جنوبی در شرق کشور مناطق پرپتانسیل طلا و مس را شناسایی کنیم و چندین محدوده برای اکتشاف این فلزات نیز ثبت شد که هم اکنون در مرحله اخذ مجوز برای اکتشاف هستیم چراکه مجموعه ما از صلاحیت فنی و مالی برای ثبت محدوده برخوردار است.
شیرازی یادآورشد: این مجموعه دانشبنیان در منطقه آذربایجان شرقی و محدوده اردبیل نیز با این روش فناورانه موفق به شناسایی ذخیره آلاباستر و سنگهای تزئینی و همچنین سنگ گچ خالص مورد استفاده در مجسمه سازی شده است.
وی همچنین تصریح کرد: در منطقه جنوب استان تهران در محدوده ورامین نیز در حال استفاده از فناوری هوش مصنوعی برای شناسایی معادن هستیم و تاکنون موفق به شناسایی فلستین و گچ و لیتیوم شدهایم.
