CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

تخمین ذخیره کانسار با تکنیک شبکه عصبی مصنوعی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۱۳۶۲ | نظرات: ۰
سرفصل ارائه مقاله: اکتشاف معدن
سال انتشار: ۱۳۸۳
نوع ارائه: شفاهی
کد COI مقاله: IMEC01_091
زبان مقاله: فارسی
حجم فایل: ۳۱۹.۳ کلیوبایت (فایل این مقاله در ۱۳ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۳ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله تخمین ذخیره کانسار با تکنیک شبکه عصبی مصنوعی

مریم شهابی فر - فار غالتحصیل کارشناسی ارشد مهندسی اکتشاف معدن، دانشکده فنی – دانشگاه

چکیده مقاله:

در مقاله حاضر از تکنیک شبکه عصبی مصنوعی برای تخمین ذخیره یک کانسار واقع در ایران مرکزی استفاده شده است. در این کانسار داد هها فقط از نوع گمانه است وداده ها ی تونل و ترانشه در دسترس نم یباشند. در کل تعداد 57 حلقه چاه در نظر گرفته شده اند. برای ارزیابی شبکه طراحی شده، داده های چهار چاه به طور کامل بعنوان داده های مجموعه اعتبارسنجی انتخاب شدند و مابقی گمان هها برای مجموعه داده های آموزشی در نظر گرفته شدند. یک سری از شبکه های پرسپترون (شبکه با تغذیه پیشرو) با پارامترهای متفاوت آموزش داده شدند و در نهایت پارامترهایی برای شبکه در نظر گرفته شد که پاسخ شبکه آموزش دیده برای داده های سری اعتبارسنجی به پاسخ واقعی نزدی کتر بود. پس از آموزش شبکه عصبی توسط باقی داده ها، صحت تخمین داده های اعتبارسنجی 73 درصد بدست آمد. شبکه آموزش دیده برای تخمین کل بلوک ها در فضای تخمین به کار رفت به طوریکه عیار هر بلوک برابر میانگین عیار تخمین زده شده 25 زیر بلوک قرار گرفت. منحنی عیار- تناژ به ازای مقادیر مختلف عیار حد ترسیم گشت و همچنین امکان ترسیم پلان های طبقه بندیکانسنگ و باطله در اف قهای مختلف ( 73 افق و هر یک با ضخامت 5 متر) وجود دارد. براساس این تخمین، مقدار تقریبی تناژ در کانسار هفت میلیون تن با عیار متوسط 7/86% با درنظر گرفتن عیار حد چهار درصد بدست آمد.

کلیدواژه‌ها:

تخمین ذخیره، شبکه عصبی مصنوعی، شبکه پرسپترون، شبکه با تغذیه پیشرو، فضای تخمین

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-IMEC01-IMEC01_091.html
کد COI مقاله: IMEC01_091

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
شهابی فر, مریم، ۱۳۸۳، تخمین ذخیره کانسار با تکنیک شبکه عصبی مصنوعی، کنفرانس مهندسی معدن ایران، تهران، دانشگاه تربیت مدرس، https://www.civilica.com/Paper-IMEC01-IMEC01_091.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (شهابی فر, مریم، ۱۳۸۳)
برای بار دوم به بعد: (شهابی فر، ۱۳۸۳)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Dowd, P.A, and Sarac, C, 1994, Aneural Network Approach to ...
  • Berry, M. J. A., Linoff. G., 1997, Data mining techniques, ...
  • Demuth, H., Beale, M., 2001, MATLAB User's Guide: Neural Network ...
  • Haykin, S., 1999, Neural Network: A C omprehensive Foundation, Prentice ...
  • منهاج، محمد باقر، ۱۳۸۱، مبانی شبکه های عصبی (هوش محاسباتی- ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.