تخمین خواص فیزیکی و مکانیکی سنگ‌ها به عنوان مهم‌ترین رکن در طراحی پروژه‌های مختلف مهندسی مانند توصیف ساختارهای زمین‌شناسی، حفاری اکتشافی، تونل، برآورد خطرات لرزه‌ای و ارزیابی میزان جابجایی زمین در سدسازی در نظر گرفته می‌شود. با توجه به اهمیت خصوصیات ژئومکانیکی سنگ در پروژه‌های معدنی، اندازه‌گیری سرعت امواج لرزه‌ای امری ضروری است. پارامترهای مختلفی ازجمله ترکیب کانی‌شناسی، فشار لیتواستاتیک، میزان رس، درجه شکستگی و سایر خواص ساختاری و بافتی تأثیر زیادی بر میزان سرعت امواج لرزه‌ای دارند. در این راستا، در این تحقیق از روش تحلیل آماری و الگوریتم هوشمند برنامه‌ریزی بیان ژن به‌منظور مطالعه تأثیر ترکیب کانی‌شناسی بر سرعت موج فشاری در معدن سرب و روی زه‌آباد قزوین استفاده شده است. بدین منظور، ابتدا نمونه‌های معرف به تعداد کافی از معدن مورد مطالعه برای انجام آزمایش‌های مورد نیاز و تهیه پایگاه داده مناسب برداشت گردید. پس از آماده‌سازی نمونه‌ها، ابتدا آزمایش سرعت موج فشاری بر روی نمونه‌ها در آزمایشگاه انجام و طول نمونه‌ها به‌همراه مقدار سرعت موج فشاری آن‌ها اندازه‌گیری شد. سپس، نمونه‌ها خردایش شده و با استفاده از روش جذب اتمی، ترکیب کانی‌شناسی آن‌ها تعیین و تعداد 46 سری داده شامل مقادیر سرب، روی، طلا، مس و نقره و همچنین طول نمونه و میزان سرعت موج فشاری تهیه گردید. به‌منظور پردازش داده‌ها و ارزیابی همبستگی بین پارامترهای ورودی و کاهش احتمالی متغیرهای مدل‌سازی، از روش آنالیز مؤلفه اصلی استفاده شد. بر این اساس، مشخص گردید که همبستگی بالایی بین دو عنصر سرب و نقره وجود دارد و لذا عنصر نقره از تحلیل‌ها حذف و سرب به‌عنوان متغیر معرف آن باقی گذاشته شد. بر اساس تحلیل‌های آماری صورت گرفته بر روی داده‌ها، روابط تجربی مختلفی شامل خطی، لگاریتمی، چند جمله‌ای درجه دو و سه، نمایی و توانی بین متغیرهای ورودی و سرعت موج فشاری به‌صورت جداگانه توسعه داده شد. بر این اساس، مشخص گردید که صرفاً ارتباط معنی‌داری بین سرعت موج فشاری و دو عنصر سرب و مس وجود دارد و بقیه پارامترها ارتباط معنی‌داری با سرعت موج فشاری ندارند. در ادامه، 5 متغیر شامل عناصر سرب، روی، طلا، مس و طول نمونه به‌عنوان پارامترهای ورودی در مدل‌سازی سرعت موج فشاری با استفاده از برنامه‌ریزی بیان ژن و رگرسیون آماری چند متغیره در نظر گرفته شد. نتایج ارزیابی مدل‌ها نشان داد که روش برنامه‌ریزی بیان ژن و روش آماری رگرسیون خطی چند متغیره قابلیت قابل قبولی در تخمین سرعت موج فشاری بر اساس ترکیب کانی‌شناسی فوق‌الذکر ندارند. در نهایت، نتیجه آنالیز حساسیت خروجی مدل پیشنهادی برنامه‌ریزی بیان ژن نشان داد که طول نمونه بیشترین و عنصر مس کمترین تأثیر را بر سرعت موج فشاری دارند.
