کاربرد شبکه های عصبی در تخمین عقب زدگی ناشی از انفجار در معادن روبازمطالعه موردی درمعدن باغک از معادن سنگ آهن سنگان
محل انتشار: سومین کنفرانس معادن روباز ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,105
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IOPMC03_032
تاریخ نمایه سازی: 28 شهریور 1394
چکیده مقاله:
عقب زدگی اثر جانبی ناخواسته عملیات انفجار در معادن روباز است. این پدیده می تواند باعث ناپایداری دیواره هایمعدن، سقوط ماشین آلات، خردایش ضعیف و ترقیق بالاشود. هدف این مقاله مقایسه و انتخاب مناسب ترین شبکه ازبینشبکه های عصبی RBF, MLP و Elman جهت تخمین عقب زدگی ناشی از انفجار می باشد. برای این امر، پایگاه دادهای متشکل از 50 انفجار انجام شده در معدن باغک از معادن سنگ آهن سنگان تهیه شد. در این پایگاه داده، پارامترهاینسبت فاصله ردیفی چال به بارسنگ، ضریب سفتی، طول انسدادچال، خرج ویژه، چگالی سنگ و مقاومت فشاری تکمحوره سنگ ها به عنوان پارامترهای ورودی و عقب زدگی به عنوان تنها پارامتر خروجی است. ارزیابی مدلهای ساختهشده نشان داد که، هر سه شبکه در تخمین عقب زدگی از اقبال مطلوبی برخوردار بودهاند. اما شبکهی عصبی MLP درتخمین عقب زدگی از عملکرد مطلوبی نسبت به RBF و Elman برخوردار بوده است. البته شبکه ی RBF از ساختار سادهو آموزش سریع نسبت به شبکه های عصبی MLP و Elman است.
نویسندگان
هادی رسولی
دانشجوی کارشناسی ارشد استخراج معدن، دانشگاه بیرجند
حسین نوفرسنتی
استادیار گروه مهندسی معدن،دانشکده مهندسی، دانشگاه بیرجند
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 :