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

Determination of Powder Factor for an Optimized Blast Pattern Design Using Artificial Neural Network (Case Study: Gol-e-Gohar Iron Ore Mine)

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۴۲۹۲ | نظرات: ۰
سال انتشار: ۱۳۸۶
کد COI مقاله: IRMC03_172
زبان مقاله: انگلیسی
حجم فایل: ۱۱۰.۱۶ کلیوبایت (فایل این مقاله در ۸ 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 ۸ 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 Determination of Powder Factor for an Optimized Blast Pattern Design Using Artificial Neural Network (Case Study: Gol-e-Gohar Iron Ore Mine)

   Karami - M.Sc, Mining Engineering Department, Shahid Bahonar University of Kerman, Kerman, Iran.
   Mansouri - Assistant Professor of Mining Engineering, Mining Engineering Department, Shahid Bahonar University of Kerman, Kerman, Iran.
   Ebrahimi - Assistant Professor of Mining Engineering, Mining Engineering Department, Shahid Bahonar University of Kerman, Kerman, Iran
   Nezamabadi - Assistant Professor of Electrical Engineering, Electrical Engineering Department, Shahid Bahonar University of Kerman, Kerman, Iran

چکیده مقاله:

Side-effects of bench blasting are including ground vibration, back break, fly rock, and having boulder, in which back break and the degree of rock
fragmentation (having boulder) have the most effects on the produc tion process costs. Expecting less back break and also a good degree of fragmentation can be used as two criteria to design an optimized blast pattern with an optimum powder factor used. In this paper, artificial neural network capable of modeling the behavior of complex nonlinear processes, adopting Radial Basis Functions (RBF) network was used to carry out the modeling and optimization. Two RBF networks, one accounting for back break prediction and the other considering for the prediction of
the degree of rock fragmentation were designed. The networks designed were validated against the data obtained through the field tests, carried out at Gol-e-Gohar iron ore mine of Sirjan-Iran. Different blast patterns for different geological conditions were designed and the blast pattern and relevant powder factor associated with less back break and a good degree of fragmentation was selected.

کلیدواژه‌ها:

Powder factor, Artificial neural network, RBF, Bench blasting, Back break, Fragmentation

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-IRMC03-IRMC03_172.html
کد COI مقاله: IRMC03_172

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:
Karami, ; Mansouri; Ebrahimi & Nezamabadi, ۱۳۸۶, Determination of Powder Factor for an Optimized Blast Pattern Design Using Artificial Neural Network (Case Study: Gol-e-Gohar Iron Ore Mine), سومین کنفرانس مکانیک سنگ ایران, تهران, دانشگاه صنعتی امیرکبیر, https://www.civilica.com/Paper-IRMC03-IRMC03_172.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: (Karami, ; Mansouri; Ebrahimi & Nezamabadi, ۱۳۸۶)
برای بار دوم به بعد: (Karami; Mansouri; Ebrahimi & Nezamabadi, ۱۳۸۶)
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 :

  • Hustrulid, W, (1999). *Blasting principles for open pit mining'*, PP. ...
  • Khandelwal, M., Roy, M. P., Singh, P.K., (2004). "Application of ...
  • Khandelwal, M., Singh, T.N., (2006).، Prediction of blast induced ground ...
  • Lopez- Jimeno and etal, (1995).، ، Drilling and Blasting of ...
  • rd Tranian Rock Mechanics Conference, 16 - 18 October 2007 ...
  • Lu, Y. (2005).، ، Underground blast induced ground shock and ...
  • Quanjun X., Qingato W., MAorong J., Weiguo X. and Wei ...
  • Singh, S. P., Xavier, P, (2005). 4Causes, impact and control ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۰۵۵۹
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    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

    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.