پس از انتخاب کلید عضویت در انتهای صفحه جدیدی که باز خواهد شد، اطلاعات خود را تکمیل و عضویت خود را تایید نمایید
درباره وب سايت
مرجع آموزش زمین شناسی، سنجش از دور، معدن و عمران
جامع ترین و معتبرترین آموزش برای نرم افزار های زمین شناسی، مهندسی معدن، ژئومکانیک (مکانیک سنگ و ژئوتکنیک)، عمران (خاک و پی)
............................................
رزومه مدرسان:دانشجویان کارشناسی ارشد و دکترا رشته های مهندسی معدن و عمران دانشگاه صنعتی امیرکبیر (پلی تکنیک) تهران
جهت آموزش حضوری و غیر حضوری (آنلاین و تهیه فیلم آموزشی) نرم افزار ها با شماره های زیر تماس حاصل فرمایید............................................
09157330367-09381295869 اسمعیلی-مدیریت وبسایت........ ................................................ در صورتی که موفق نشدید با شماره های فوق تماس حاصل فرمایید از طربق ایمیل زیر نیز می توانید در خواست خودتان را مطرح نمایید.......................................
raminesmaeili68@gmail.com
...................این سایت در ستاد ساماندهی پایگاه های اینترنتی به ثبت رسیده است و تمامی محصولات و خدمات این سایت حسب مورد دارای مجوز های لازم از مراجع مربوطه می باشد. همچنین فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است
خبرنامه
براي اطلاع از آپيدت شدن وبلاگ در خبرنامه وبلاگ عضو شويد تا جديدترين مطالب به ايميل شما ارسال شود
اولین پکیج آموزشی کنکور دکتری مکانیک سنگ معدن (+پاسخ تشریحی سوالات 11 دوره اخیر کنکور) خرید آنلاین بیش از 55 ساعت فیلم آموزشی و دانلود بلافاصله پس از خرید
کاربرد شبکه های عصبی در تخمین عقب زدگی ناشی از انفجار در معادن روباز مطالعه موردی درمعدن باغک از معادن سنگ آهن سنگان
چکیده 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 MLP ، RBF و Elman جهتتخمین 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 شبکهی RBF از ساختار سادهو آموزش سریع نسبت به شبکههای عصبی MLP و Elman است.
واژه های کلیدی:
آتشکاری . شبکه های عصبی مصنوعی . عقب زدگی . معدن سنگ آهن سنگان
پیش بینی عقب زدگی ناشی از انفجار در معدن مس سونگون به روش عصبی فازی
چکيده عقب زدگی يکی از عوارض نامطلوب در انفجارهای معدن مس سونگون میباشد. قدم اول برای کنترل اين پديده ناخواستهشناخت پارامترهای موثر بر آن و ساخت مدلی برای پيش بينی آن به وسيله پارامترهای موثر است. برای پيشبينیعقب زدگی معدن سونگون از روش عصبی فازی، - ANFIS به عنوان يکی از قدرتمندترين روشهای هوش مصنوعی استفادهشده است. همچنين جهت بررسی کارايی مدل نسبت به ساير روشها، مدلهای رگرسيون چند متغيره و شبکه عصبیمصنوعی نيز جهت مقايسه ساخته شدند. دادههای لازم جهت مدلسازی از بررسی 88 سايت انفجاری معدن سونگونبدست آمد. 9 پارامتر به عنوان ورودی مدلها و عقب زدگی به عنوان خروجی مدلهای مذکور تعيين شدند. نتايج حاصل بااستفاده از دادههای آزمون مورد ارزيابی قرار گرفت. ضريب همبستگی و جذر مجموع مربعات خطای حاصل از ارزيابی به1 و در نهايت مدل / 0 و 83 / 3 ، برای مدل شبکه عصبی مصنوعی برابر 88 / 0 و 12 / ترتيب برای مدل رگرسيون برابر 22ANFIS 1بدست آمد. تحليل حساسيت انجام شده روی پارامترهای ورودی مدل / 0 و 22 / برابر 93 ANFIS نشان دهنده اينبود که مقدار خرج ويژه، طول گل گذاری، عمق چال، مقدار بار سنگ و حفاری ويژه به ترتيب بيشترين تاثير را در پيشبينیمقدار عقبزدگی دارند.
واژه های کليدی:
روش عصبی فازی . شبکه عصبی مصنوعی . عقب زدگی . معدن مس سونگون . ANFIS
این سایت در ستاد ساماندهی پایگاه های اینترنتی به ثبت رسیده است و تمامی محصولات و خدمات این سایت حسب مورد دارای مجوز های لازم از مراجع مربوطه می باشد همچنین فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران می باشد.
عضو شوید
عضویت سریع
آمار
مطالب
آمار بازدید
