مدل‌سازی ارزش خالص فعلی در پروژه‌های معدنی با استفاده از الگوریتم‌های هوشمند و رگرسیون چند متغیره آماری

نوع مقاله : مقاله پژوهشی

نویسنده

گروه مهندسی معدن، دانشکده مهندسی، دانشگاه کردستان، سنندج، ایران

10.48308/esrj.2024.104718

چکیده

شاخص ارزش خالص فعلی یکی از مهم‌ترین پارامترهای اقتصادی برای ارزیابی پروژه‌های سرمایه‌گذاری معدنی است. با توجه به اینکه تعیین ارزش خالص فعلی در اکثر پروژه‌های معدنی در بر گیرنده عدم قطعیت است، لذا تخمین دقیق آن فرآیندی مشکل بوده و نیازمند استفاده از روش‌های مناسب است. در این تحقیق، از سه مدل سیستم فازی، شبکه عصبی و رگرسیون چند متغیره آماری برای تعیین ارزش خالص فعلی در پروژه سرمایه‌گذاری معدن طلای زرشوران تکاب استفاده شده است. قیمت طلا (عنصر اصلی)، قیمت نقره (عنصر همراه) و نرخ تنزیل به‌عنوان پارامترهای ورودی جهت تخمین این پارامتر در نظر گرفته شده است. ارزیابی عملکر مدل‌های پیشنهادی و مقایسه نتایج حاصله با مطالعات قبلی نشان داد که عملکرد مدل فازی نسبتاً بهتر از مدل شبکه عصبی پیشنهادی در این تحقیق و تحقیقات قبلی بوده و دقت و قابلیت تخمین هر دو مدل فازی و عصبی بسیار بهتر از مدل آماری است. همچنین، بالا بودن همبستگی و پایین بودن خطای حاصل از نتایج مدل‌های فازی و شبکه عصبی و تطابق خوب آنها با داده‌های واقعی نشان از قابلیت بالای این مدل‌ها در تعیین ارزش خالص فعلی در پروژه‌های معدنی دارد. بعلاوه، نتایج آنالیز حساسیت مدل فازی (دقیق‌ترین مدل پیشنهادی) نشان داد که قیمت طلا بیشترین و نرخ تنزیل کمترین تأثیر را بر ارزش خالص فعلی دارند. با توجه به نتایج فوق، می‌توان نتیجه گرفت که از تکنیک‌های هوشمند پیشنهادی در این تحقیق (به‌ویژه مدل فازی) می‌توان با قابلیت اطمینان خوبی در ارزیابی پروژه‌های معدنی به‌منظور پوشش عدم قطعیت و کاهش ریسک سرمایه‌گذاری استفاده نمود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Modeling the net present value in mining projects using the intelligent models and statistical multivariate regression

نویسنده [English]

  • Mohammad Rezaei
Department of Mining Engineering, Faculty of Engineering, University of Kurdistan, Sanandaj, Iran
چکیده [English]

The net present value (NPV) index is one of the most important economic parameters in the evaluation of the investment projects. Considering that determining the NPV in most mining projects involves uncertainty, so accurate estimation of this index is a difficult process and need the utilization of suitable methods. In this paper, fuzzy system, neural network and multivariate regression models are used for NPV determination in the Zarshuran gold mine project. Gold price (main product), silver price (byproduct) and discount rate are considered as input parameters to predict NPV in the proposed models. Performance evaluation of the proposed models and comparing their results with the previous studies showed that the accuracy of fuzzy model is somewhat better than the proposed and previous neural network model, and both fuzzy and neural network models are much higher than the statistical model. Also, high determination coefficient and low error of fuzzy and neural network models as well as their good agreements with real data indicate the desired capability of these models in determining the NPV in mining projects. Finally, the sensitivity analysis results of the fuzzy model (accurate proposed model) proved that the gold price and discount rate are the most and least effective parameter on the NPV, respectively. Considering the above results, it can be concluded that the proposed intelligent techniques in this research (especially the fuzzy model) can be used with good reliability in evaluating the mining investment projects in order to cover their involved uncertainty and reduce the investment risk.

کلیدواژه‌ها [English]

  • Net present value
  • Fuzzy system
  • Neural network
  • Multivariate regression
  • Sensitivity analysis