اکتشاف منابع معدنی یکی از مراحل کلیدی در توسعه معادن است که طراحی شبکه حفاری اکتشافی نقشی اساسی در موفقیت عملیات اکتشاف ایفا می‌کند. هدف این پژوهش، طراحی بهینه شبکه حفاری اکتشافی تکمیلی در معدن طلای قُلقُله سقز با استفاده از روش‌های زمین‌آماری و الگوریتم‌های فراابتکاری است که در آن، تعداد ۱۲۰ گمانه ۱۰۰ متری از طرف کارفرما برای اکتشاف تکمیلی معدن در نظر گرفته شده است. در این تحقیق، ابتدا داده‌های گمانه‌های مرحله اکتشاف مقدماتی تجزیه و تحلیل شده و سپس روش‌های کریجینگ و الگوریتم بهینه‌سازی ازدحام ذرات (PSO) برای بهینه‌سازی تعداد و موقعیت گمانه‌ها در محدوده اکتشافی به‌کار گرفته شد. روش کریجینگ با استفاده از نرم‌افزار دیتاماین و الگوریتم PSO در محیط برنامه‌نویسی پیاده‌سازی گردید. نتایج حاصله نشان داد که روش کریجینگ تعداد 110 گمانه را برای پوشش کامل محدوده پیشنهاد می‌دهد، درحالیکه با استفاده از الگوریتم PSO این تعداد 95 گمانه به‌دست آمد. با مقایسه این نتایج با تعداد ۱۲۰ گمانه پیشنهادی کارفرما، می‌توان نتیجه گرفت که استفاده از روش‌های کریجینگ و PSO به‌ترتیب منجر به کاهش تعداد ۱۰ و ۲۵ گمانه اکتشافی شده است. بنابرابن، استفاده از روش‌های کریجینگ و PSO در این تحقیق به‌ترتیب باعث کاهش ۳۳/۸ و ۸۳/۲۰ درصد در تعداد گمانه‌ها گردید که در نهایت منجر به صرفه‌جویی در زمان و هزینه‌های حفاری اکتشاف تکمیلی می‌شود. از طرف دیگر، همانطور که مشاهده می‌شود الگوریتم PSO نبست به روش کریجینگ ۵/۱۲ درصد بیشتر باعث کاهش تعداد گمانه‌ها شده است. بعلاوه، تحلیل‌های اعتبارسنجی انجام شده تأیید کرد که الگوریتم PSO می‌تواند دقت تخمین ذخایر معدنی را افزایش داده و مکان‌های بهینه برای حفاری را با دقت بیشتری شناسایی کند که منجر به افزایش دقت در اطلاعات و بهره‌وری فرآیند اکتشاف می‌گردد. در نهایت، بررسی نتایج حاصله نشان داد با توجه به اینکه توزیع عیار طلا در کانسار قُلقُله ناهمگن است، روش‌های سنتی مانند عکس مجذور فاصله نمی‌توانند دقت مطلوبی در طراحی شبکه حفاری اکتشافی ارائه دهند. در مقابل، ترکیب روش‌های زمین‌آماری با مدل‌های بهینه‌سازی هوشمند مانند الگوریتم PSO می‌تواند عملکرد بهتری در این زمینه داشته باشد.
