انتخاب بهترین مدل شبکه عصبی در تعیین ضریب پایداری سد باطله معادن در مقایسه با مدل سازی عددی
محل انتشار: اولین کنفرانس ملی فناوریهای معدنکاری ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 790
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IMT01_038
تاریخ نمایه سازی: 30 فروردین 1392
چکیده مقاله:
به منظور دسترسی به ضریب اطمینان و طراحی بهینه شیب ها یا شیروانی ها، تحلیل های پایدار ی مختلفی انجام می شود. با توجه به شیوه های مختلف تحلیل های پایداری که انتخاب می شوند، بسته به شرایط سازه، پتانسیل های مختلف ریزش، بررسی خواص مقاومتی در سازه، مدل رفتاری مناسب برای حالت پیوسته یا ناپیوسته تعیین می شود. در این تحقیق، ابتدا با استفاده از روش مدل سازی عددی، شش پارامتر مهم و تأثیر گذار در پایداری سد باطله معادن در نظر گرفته شده و تأثیر هر یک از این پارامترها در ضریب ایمنی سد باطله بررسی شده است. بر این ا ساس مقادیر با تأثیر بیشتر در ضریب پایداری، انتخاب شده و توسط نرم افزار Flac Slope حل شدند. در ادامه با استفاده از مدل های مختلف شبکه عصبی، بهترین مدل شبکه عصبی در تعیین ضریب پایداری سد باطله در مقایسه با نتایج حاصل از نرم افزار Flac Slope انتخاب شد. در این مطالعه با استفاده از مدل سازی عددی، ضریب همبستگی مقادیر محاسبه شده حدود 0/91 به دست آمده است. ا ین در حالی است که در صورت استفاده از مدل شبکه ی عصبی که دارای 15 سلول با تابع تحریک در لایه اول Logsig و الگوریتم آموزش Levenberg-Marquart تعریف شود، دارای کمترین خطاهای نسبی و مطلق است و ضریب همبستگی به 0/94 خواهد رسید. نتایج بدست آمده استفاده از روش شبکه عصبی را برای تخمین ضریب پایداری سد باطله، در مقایسه با روش مدل سازی عددی تأئید می کند.
کلیدواژه ها:
نویسندگان
رحیم اسمعیل زاده فشتمی
کارشناس ارشد مهندسی استخراج معدن، شرکت صنعتی و معدنی سپیدفام سلفچگان
زهرا اسمعیل زاده فشتمی
دانشجوی کارشناسی ارشد مهندسی برق الکترونیک، دانشگاه گیلان
کاوه آهنگری
عضو هیئت علمی گروه مهندسی معدن، دکتری معدن، دانشگاه آزاد اسلامی واحد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :