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

پیش بینی خرج ویژه در انفجار معادن روباز بر اساس شبکه های عصبی مطالعه موردی: معدن سنگ آهن چادرملو

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۲۷۷۷ | نظرات: ۰
سرفصل ارائه مقاله: چالزنی و آتشباری
سال انتشار: ۱۳۸۴
نوع ارائه: شفاهی
کد COI مقاله: IOPMC02_020
زبان مقاله: فارسی
حجم فایل: ۳۷۲.۵۴ کلیوبایت (فایل این مقاله در ۱۱ 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 ۱۱ 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 پیش بینی خرج ویژه در انفجار معادن روباز بر اساس شبکه های عصبی مطالعه موردی: معدن سنگ آهن چادرملو

جواد غضنفری نیا - کارشناس ارشد استخراج معدن، دانشگاه آزاد اسلامی واحد علوم و تحقیقات

چکیده مقاله:

برای تعیین خرج ویژه در انفجار معادن روباز روابط مختلفی موجود است که در ضمن طراحی الگوی انفجار از آنها استفاده م یشود. ولی با توجه به متغیر بودن شرایط کار اغلب باید در عمل چند انفجار آزمایشی جهت نعیین مقدار خرج ویژه انجام داد که این روند تا رسیدن به شرایط مطلوب م یتواند طولانی و هزینه بر باشد . به همین منظور با استفاده از داده های تجربی که از معدن بدست آمده و شبک ه های عصبی ، در این مقاله سعی شده است تا با ارائه مدلی بر اساس نظریه شبکه های عصبی امکان پیش بینی خرج ویژه در انفجار معادن با دقت و سرعت زیادتر ی میسر شود .
بدین منظور در این مطالعه کاربرد شبکه های عصبی برای پیش بینی خرج ویژه بر اساس یکسری مشاهدات و پارامترهای ورودی نشان داده شده است. ورود یها شامل پنج عامل زمین شناسی: 1) توصیف توده سنگ، 2) جهت صفحه درزه، 3) فاصله داری صفحه درزه، 4) شاخص وزن مخصوص و 5) سختی، م یباش د و خروج ی آن خرج ویژ ه است. در توسعه مدل از شبکه عصبی چند لایه پیش خور با الگوریتم آموزش پس انتشار، تابع سیگمویید به عنوان تابع تحریک و داده های آموزشی از معدن چادرمل و استفاده ش ده است . در نهایت مدل با یک ورودی ، دو لایه پنهان و یک
خروجی برای پیش بینی خرج ویژه تعیین ش د . مدل در معدن چادرملو آزمایش شد و با مقدار خرج ویژه معدن مقایسه گردید، متوسط خرج ویژه در ماده معدنی و با طله به ترتیب 0/23 و 0/2 کیلوگرم بر تن بود و خرج ویژه پیش بینی شده با مدل 0/2349 و 0/2007 کیلوگرم بر تن بدست آمد که خطایی به ترتیب 0/0049 و 0/0007 کیلوگرم بر تن را نشان می دهد. علاوه بر دقت، مدل از این انعطا ف پذیری نیز برخوردار است که در شرایط متفاوت با پارامتر های موثر موجود در هر معدن میزان خرج ویژه را پیش بینی کند.

کلیدواژه‌ها:

خرج ویژه، شبکه های عصبی

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-IOPMC02-IOPMC02_020.html
کد COI مقاله: IOPMC02_020

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:
غضنفری نیا, جواد، ۱۳۸۴، پیش بینی خرج ویژه در انفجار معادن روباز بر اساس شبکه های عصبی مطالعه موردی: معدن سنگ آهن چادرملو، دومین کنفرانس معادن روباز ایران، کرمان، مجتمع مس سرچشمه، https://www.civilica.com/Paper-IOPMC02-IOPMC02_020.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: (غضنفری نیا, جواد، ۱۳۸۴)
برای بار دوم به بعد: (غضنفری نیا، ۱۳۸۴)
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 :

  • Lippmann, Richard p., 1987, 'Anv Introduction to Computing with Neural ...
  • Philip, p. _ Wasserman, 1987, ''Neural omputing Theory and Practice''. ...
  • Minsky, M., 1969, ''Multi - Layer Perceptron Training Method"', Paper, ...
  • Hinton, G. E., Sejnowski, T. J., 1984, _ Learning Algorithm ...
  • "گزارشات زمین شناسی، اکتشاف و استخراج معدن چادرملو"، ۱۳۸۳، دفتر ...
  • صمدی بخارایی، وحید، ۱۳۸۰، "کاربردهای SIMULINKو MATLAB در مهندسی"، مشهد، ...
  • امیر هوشنگ غیوری، ۱۳۸۱، "راهنمای جامع ، *ATLAB۶ انتشارات شایگان، ...
  • Lopez Jimeno, Carlos & Emilio. Ayala Carcedo, Francisco. 1995. "Drilling ...
  • Hustrulid, William, 1999, "Blasting Principles for Open Pit Mining', vol. ...
  • 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.