Bir Açık Ocak Krom Sahasının Birim Maliyetinin Uzun Kısa-Vadeli Bellek (LSTM) Yöntemi ile Tahmin Edilmesi

Özdemir A. C.

Türkiye 27. Uluslararası Madencilik Kongresi ve Sergisi, Antalya, Türkiye, 22 - 25 Mart 2022, ss.116-126

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: Antalya
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.116-126
  • Çukurova Üniversitesi Adresli: Evet

Özet

Maden varlığı tespit edilen bir sahanın ilk olarak ekonomik yönden değerlendirilmesi

gerekmektedir. Bu aşamada, toplam üretim maliyetinin toplam üretim miktarına oranı olarak bilinen

birim maliyetin hesaplanması önem kazanmaktadır. Bu değer, maden sahasında üretim yapılmasının

ekonomik olup olmadığının bir göstergesidir. Bu nedenle, ekonomik ve sürdürülebilir madencilik için bu

parametrenin hassas bir şekilde hesaplanması ve takip edilmesi gerekmektedir. Ancak, günümüz

şartlarında birim maliyetin çok fazla değişkenlik göstermesi madencilik sektörünü olumsuz etkileyen bir

belirsizlik ortamı oluşturmaktadır. Bu çalışmada, birim maliyetin belirsizlik probleminin çözümünde bir

derin öğrenme yöntemi olan Uzun Kısa-Vadeli Bellek (LSTM) yönteminin kullanılabilirliği araştırılmıştır.

Bu yöntemin performansını değerlendirmek için örnek bir açık ocak krom madenine ait birim maliyet

tahmini gerçekleştirilmiştir. Eğitim parametreleri değiştirilerek 9 farklı LSTM modeli geliştirilmiş ve bu

modellerin başarısı korelasyon katsayısı (R), ortalama mutlak yüzde hata (MAPE) ve kök ortalama kare

hata (RMSE) performans değerlendirme kriterleri kullanılarak ölçülmüştür. Geliştirilen modeller

arasından en iyi model ile elde edilen sonuçlar (R=0.72, RMSE=2.47 ve MAPE=4.37) LSTM yönteminin

başarılı bir performans gösterdiğini kanıtlamıştır. Böylece, LSTM yönteminin birim maliyetin tahmin

edilmesinde kullanılabilir olduğu ve ekonomik belirsizlik problemine bir çözüm olabileceği belirlenmiştir.

An area where mineral assets are detected must first be evaluated economically. At this stage, it

is important to calculate the unit cost, known as the ratio of the total production cost to the total

production amount. This value is an indicator of whether it is economical to produce at the mining site.

Therefore, this parameter needs to be calculated and followed precisely for economical and sustainable

mining. However, the high variability of unit costs in today's conditions creates an environment of

uncertainty that negatively affects the mining industry. In this study, the usability of the Long Short-

Term Memory (LSTM) method, which is a deep learning method, was investigated in solving the unit

cost uncertainty problem. To evaluate the performance of this method, a unit cost estimation of a

sample open pit chrome mine was made. By changing the training parameters, 9 different LSTM models

were developed and the success of these models was measured using the correlation coefficient (R),

mean absolute percent error (MAPE) and root mean square error (RMSE) performance evaluation

criteria. Among the developed models, the results obtained with the best model (R=0.72, RMSE=2.47

and MAPE=4.37) proved that the LSTM method showed a successful performance. Thus, it has been

determined that the LSTM method can be used in predicting the unit cost and can be a solution to the

economic uncertainty problem.