Неоднородность химического состава нефелиновой руды и золотоплатиноносность Кия-Шалтырского месторождения

• Автор: Вульф, Марина Викторовна
• Шифр специальности: 25.00.11
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Красноярск
• Количество страниц: 172 с. : ил.

1 АНАЛИЗ РЕЗУЛЬТАТОВ РЕГРЕССИОННОГО МОДЕЛИРОВАНИЯ РУДНОГО ТЕЛАУРТИТОВ
I 1.1 Методы обработки геологической информации.
, 1.1.1 Классификация и особенности применения математических методов
1.1.2 Компьютерная реализация моделей геологических объектов.
1.2 Исходные данные об объекте исследования
1.2.1. Краткая геологическая характеристика КияШалтырского месторождения
1.2.2. Исходные данные для моделирования.
Построение регрессионной модели и анализ воспроизводимости результатов
I 1.3.1 Описание программного комплекса Модель.
1.3.2 Алгоритм.
1.3.3 Проверка Модели.
1.4 Решение задач прогноза на флангах и глубоких горизонтах
1.4.1 Прогноз химического состава нефелиновой руды.
1.4.2 Прогноз распределения благородномстального оруденения
1.4.3 Достоверность прогнозирования
2 АНАЛИЗ СТРУКТУРЫ РАСПРЕДЕЛЕНИЯ ПЕТРОГЕННЫХ ЭЛЕМЕНТОВ В УРТИТОВОМ ТЕЛЕ.
2.1 Методика.
2.1.1 Предпосылки для применения вейвлетпреобразования
2.1.2 Исходные данные и методика.
V 2.1.3 Интерпретация полученных результатов.
2.1.4 Пространственный анализ глиноземистой и железистой ассоциации
2.2 Сопоставление полученных результатов с имеющимися геологическими материалами о месторождении
2.2.1 Особенности строения рудного тела
2.2.2 Анализ участков повышенной железистости и результатов магнитометрической съемки

2.3 Вопросы генезиса с учетом выделенной неоднородности в строении рудного тела.
3 ЗОЛОТОПЛАТИНОНОСНОСТЬ НЕФЕЛИНОВЫХ ПОРОД
3.1 Анализ сведений по благороднометальной минерализации щелочных пород
3.2 Изучение распространенности золота в районе исследования
3.2.1 Рудное золото
3.2.2 Россыпное золото.
3.2.3 Источники золотоносных россыпей4
3.3 Методика отбора и обработки проб на благородные металлы.
3.4 Минералогия нефелиновых пород
3.4.1 Породообразующие минералы
3.4.2 Рудные минералы
3.5 Минеральные ассоциации благороднометального комплекса.6

4 ОЦЕНКА ПЕРСПЕКТИВ ПОПУТНОЙ ДОБЫЧИ БЛАГОРОДНЫХ МЕТАЛЛОВ ИЗ НЕФЕЛИНОВЫХ ПОРОД.
4.1 Технология производства глинозма и варианты попутного извлечения благородных металлов
4.2 Опенка прогнозных ресурсов благородных металлов.
4.3 Анализ рынков алюминия и благородных металлов.
4.3.1 Алюминий
4.3.2 Золото
4.3.3 Металлы группы платины
4.4 Расчет экономической эффективности извлечения благородных металлов
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ


Известно, что функционирование и структура регрессионного нейросетевого модельного объекта определяется матрицей коэффициентов связи. Сложная адаптивная нейросетевая модель может обеспечить адекватное поведение функцию модельного объекта относительно реальной системы. Процедура построения модели для описания реального объекта и изучаемого процесса включает два взаимосвязанных этапа процесс формирования модели обучение, в соответствии с критериями оптимальности, заложенными в разработанные нейросетевые алгоритмы анализа данных и процесс тестирования модели, оценка качества данных и прогностических свойств модели . Формирование модели происходит через малые изменения данных о процессе, в процедуре заложен учет как регулярных, так и стохастических компонент изучаемого явления, т. Множественность исходов моделирования задается в виде различных начальных состояний и параметров процедуры обучения выполненные по одной и той же функции. Для обучения модели используется алгоритм случайного поиска отбора, известный как алгоритм двойственного функционирования. Начальные веса связей в модели задаются генератором квазислучайных чисел. Таким образом, в процессе обучения формируются модели, выполняющую определенную функцию являющейся аппроксимирующей функции данных наблюдений У1 природного процесса Х0. Важно отметить, что даже при минимальном размере модельного объекта малое число нейронов возможно формирование модели с существенными структурами связи и выполнении данной функции, хотя и с невысокой точностью 0.