مس از مهمترین فلزات پایه در جهان صنعتی امروز است که منابع متعددی برای تامین این فلز با ارزش وجود دارد.کانسارهای مس پرفیری به طور معمول همراه با فرایندهای دگرسانی تیپیک بوده و بخش عمده کانی های حاصل از این دگرسانی ها را انواع کانی های رسی تشکیل می دهند. وجود این کانی های رسی بسته به نوع آنها میتواند به شدت، فرایند فلوتاسیون را تحت تاثیر قرار دهد. این اثرات متفاوت بوده و شدت آنها وابسته به نوع و میزان حضور کانی های رسی در کانسنگ می باشد. اما در حالت کلی وجود کانی های رسی با درصد زیاد باعث افزایش مصرف مواد شیمیایی و کاهش بازدهی میشود. ازین رو شناخت نوع رس ها و ترکیب و درصد آنها بسیار حائز اهمیت است. روش های بسیاری به منظور شناخت کانی ها وجود دارد که طیف سنجی در این میان، بدلیل هزینه کم و دقت و سرعت باال، بسیار پرکاربرد است. بنابراین در این مطالعه هدف شناسایی و طبقه بندی آلتراسیونهای معدن میدوک می باشد.

در این راستا ابتدا از آلتراسیونهای این معدن نمونه هایی که معرف و مناسب باشد، برداشته شد. مطالعات کانیشناختی متعددی اعم از مطالعات میکروسکوپی، XRD( حالت عادی و تفرق رس) و XRF نیز بر روی آنها صورت پذیرفت. نمودارهای مربوط به XRDترسیم و رس های موجود در آنها شناسایی شد. به منظور تفکیک و پیش بینی درصد آلتراسیون ها، اقدام به ساخت نمونه های آزمایشگاهی با درصدهای متفاوت شد . سپس با استفاده از دستگاه طیفسنج در محدوده 350 تا 2500 مورد مطالعه طیفی قرار گرفتند. طیف های بدست آمده نیاز به انجام پیش پردازش هایی مانند حذف خط زمینه، حذف مقادیر خارج از ردیف و حذف نویز داشت. به منظور خوشه بندی درصد بار خروجی آسیا از یک الگوریتم هیبریدی جدید استفاده شد. این الگوریتم هیبریدی، ترکیبی از تبدیل موجک،الگوریتم Means-K و الگوریتم های بهینه ساز اعم از جستجوی هارمونی، تکامل تفاضلی، ژنتیک، بهینه سازی ازدحام ذرات و غیره میباشد. الگوریتم مذکور از یک بخش استخراج ویژگی، یک بخش بهینهساز به منظور کاهش خطا و بخش اصلی خوشه بندی تشکیلشده است. با توجه به اینکه طیف های دستگاه حجم بالایی از داده را شامل می شود، استفاده از این حجم زیاد عالوه بر افزایش زمان پردازش به حافظه زیاد برای ذخیرهسازی نیاز داشته و استفاده مستقیم از آنها مقرون به صرفه نخواهد بود. بنابراین بخش استخراج ویژگیالگوریتم هیبریدی با کاهش حجم دادهها به یک دهم حجم اولیه، عالوه بر اینکه باعث کاهش زمان پردازش خواهد شد، به بهبود نتایج کمک قابل توجهی کرد. در نهایت با استفاده از روش ROC نتایج حاصل از آنها مورد ارز یابی قرار گرفتند. الگور یتم بهینه شده با تکاملتفاضلی بهترین نتیجه را در خوشه بندی آلتراسیون ها کسب کرد.