پیش بینی خردایش ناشی از انفجار در معدن آهک سیمان تهران با استفاده از شبکه های عصبی مصنوعی – معدن

مشخصات فایل

مقطع:کارشناسی ارشد
رشته تحصیلی:مهندسی معدن
نوع ارائه:پایان نامه
تعداد صفحات:84
قالب بندی:word ,pdf

نحوه خرید

پیش بینی خردایش ناشی از انفجار در معدن آهک سیمان تهران با استفاده از شبکه های عصبی مصنوعی – معدن

شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

چکیده

فهرست مطالب
چكيده ………………………… 1
مقدمه …………………………. 2
فصل اول : كليات
1- 1)هدف ………………………. 4
1- 2)پيشينه تحقيق …………………….. 4
1-3)روش كار وتحقيق ……………………. 5
فصل دوم : عوامل موثر در آتشباري و پديده هاي ناشي از آن
2-مقدمه ………………………… 7
2- 2 عوامل قابل كنترل آتشباري ………………… 7
2- 2- 1 قطر چال ……………………. 8
2- 2- 2 بار سنگ ……………………. 9
2- 2- 3 فاصله رديفي چال ها ………………… 10
2- 2- 4 ارتفاع پله …………………….. 11
2- 2- 5 اضافه حفر چال ……………………. 12
2- 2- 6 گل گذاري …………………… 13
2- 2- 7 شيب چال …………………… 15
2 2- 8 خرج ويژه …………………….. 16
2 3 مكانيزم خردشوندگي سنگها در اثر انفجار ……………….. 16
4عوامل موثر بر خردايش ………………….17
5روش هاي تعيين خردشدگي پس ازانفجار ……………..18
5- 1روش آناليز سرندي …………………….18
2- 5- 1-1 مشكلات اجرايي روش سرندي ……………… 19
2- 5- 2 روش آناليز تصويري …………………. 19
2- 5- 2-1 مزاياي سيستم آناليز تصويري ………………. 19
2- 5- 2-2 معايب سيستم آناليز تصويري ………………. 20
2- 5- 3 مدل هاي تجربي پيش بيني خردايش ………………. 20
2- 5- 3-1 رابطه كاز-رام …………………… 20
21…………………… JKMRC روابط 2-3-5 -2
22……………………. TCM مدل 1-2-3 -5 -2
2-5- 3-2-2 مدل CZM ……………………. 23
فصل سوم : شبكه هاي عصبي مصنوعي
3-1 مقدمه ……………………….. 26
3- 2 تاريخچه شبكه هاي عصبي مصنوعي …………….. 27
3- 3 اساس بيولوژيكي شبكه هاي عصبي ………………. 27
3- 4 قابليت يادگيري شبكه هاي عصبي بيولوژيكي ……………. 30
3- 4- 1 انواع يادگيري ………………….. 30
3- 4- 1-1 روش هاي وزن ثابت ………………… 31
3 4- 1-2 روشهاي آموزش بدون نظارت ……………….. 31
3 4- 1-3 روشهاي آموزش با نظارت …………………32
4-1-4 روشهاي آموزش تقويتي ……………….32
5-اجزا و ساختمان واحد هاي مصنوعي ……………..33
6-مدل نرون تك ورودي …………………..33
3- 7 انواع شبكه هاي عصبي مصنوعي ……………….. 36
3- 7- 1 شبكه هاي تك لايه ……………………. 36
3- 7- 2 شبكه هاي چند لايه …………………. 37
3- 8 پرسپترون ……………………… 38
3- 8- 1 پرسپترون چند لايه …………………… 41
3- 9 روش پس انتشار خطا ……………………. 41
3- 10 شبكه هاي پايه شعاعي ……………………. 42
3- 11 مزاياي شبكه هاي عصبي مصنوعي ………………. 43
3-12 برخي معايب شبكه هاي عصبي مصنوعي …………….. 43
فصل چهارم : معرفي و مشخصات معدن سنگ آهك سيمان تهران
4-1 مقدمه ……………………….. 46
4- 2 تاريخچه آهك و سيمان و سوابق استفاده از آنها ………….. 46
4- 3 موقعيت جغرافيايي و وضعيت جوي مجتمع معادن آهك سيمان تهران …….. 46
4- 4 مشخصات و زمين شناسي كانسار بي بي شهر بانو …………… 48
4- 4- 1 دوره دونين …………………… 49
4- 4- 2 دوره كربونيفر ……………………. 49
4 4- 3 دوره پرمين …………………… 49
44- 4 دوره ترياسيك …………………..49
5ظرفيت و عمر معدن ………………….50
6روش استخراج ……………………50
7مشخصات آتشباري معدن بي بي شهربانو ………………..51
فصل پنجم : محاسبه شبكه عصبي بهينه جهت پيش بيني خردايش ناشي از عمليات آتشباري در معـدن سـنگآهك سيمان تهران
5- 1 مقدمه ………………………. 54
5- 2 مدلسازي شبكه عصبي …………………. 54
5- 2- 1 جمع آوري داده هاي لازم جهت مدلسازي ……………… 54
5- 2- 2 آموزش شبكه و انتخاب قانون يادگيري ……………….. 56
5- 2- 3 ارزيابي شبكه…………………….. 57
5- 2- 3-1 خطاي مطلق …………………….. 57
5- 2- 3-2 درصد خطاي مطلق …………………… 58
5- 2- 3-3 جذر متوسط مربعات خط …………………. 58
5- 3 استفاده از روش آماري به منظور مقايسه با نتايج شبكه …………… 58
5- 4 تعيين شبكه بهينه …………………… 59
5- 5 آناليز حساسيت …………………….. 63
فصل ششم: نتيجه گيري …………………… 84
منابع و مراجع ……………………….. 68
فهرست منابع فارسي ……………………… 68
فهرست منابع لاتين …………………… 69
چكيده انگليسي ……………………. 70

چكيده:
يكي از مهمترين مراحل استخراج در معادن روباز عمليات آتشباري مي باشد كه ساير فعاليت هاي معدني به نحوي در ارتباط مستقيم و يا غير مستقيم با آن ميباشند. هر چند هدف اوليه انفجار سنگ در معادن روباز دستيابي به خردايش مناسب و نهايتا تسهيل در بارگيري است اما بايد از بروز پديده هاي ناخواسته اي مانند پرتاب سنگ، لرزش زمين و غيره نيز جلوگيري به عمل آيد. از آنجايي كه اين فرآيند، فعاليت هاي زيادي را تحت تاثير قرار ميدهد لذا بهينه سازي آن در كاهش هزينه هاي استخراج مؤثر مي باشد. با توجه به اينكه عوامل متعددي در نتيجه عمليات آتشباري دخالت دارند، به منظور بهينه سازي آن و دستيابي به يك نتيجه مناسب از روشهاي سعي و خطا و تجربي (روشهاي سنتي) متعددي استفاده شده است كه اغلب براي معادن الگوي مناسبي را ارائه نمي دهد. علت آن عدم لحاظ نمودن همزمان پارامترهاي موثر در روابط پيشنهادي مي باشد.
با توجه به مطلب فوق و نيز پيچيده بودن طراحي الگوي آتشباري به علت تاثير عوامل متعدد بر آن، كاربرد
دستاوردهاي نوين در اين فن لازم و ضروري مي باشد. يك روش مناسب جايگزين طراحيهاي تجربي الگوهاي آتشباري، استفاده از شبكه هاي عصبي مصنوعي1آموزش ديده بر مبناي الگوهاي طراحي و اجرا شده پيشين است. اين روش يكي از پر كاربرد ترين موضوعات مطرح در زمينه طراحي سيستم هاي هوشمند با الهام از طبيعت مي باشد كه در علوم مختلف از جمله علوم مهندسي از جايگاه مناسبي برخوردار است.
در اين تحقيق در ابتدا جهت تعيين كيفيت خردايش سنگ از نرم افزار Gold size ، استفاده گرديد. سپس با استفاده از روش شبكه هاي عصبي مصنوعي و در نظر گرفتن پارامتر هاي موثر در خردايش، مدلي مبتني بر شبكه عصبي چند لايه پرسپترون براي پيش بيني خردايش ناشي از عمليات آتشباري معدن سنگ آهك تهران ارائه شد. پس از تنظيم يا همان آموزش شبكه، آزمون، انتخاب شبكه هاي مختلف با تعداد لايه ها و نرون هاي مختلف و مقدار خطا ها در تخمين ميزان خردايش ، مقادير بهينه اي براي تعداد لايه هاي پنهان، تعداد نرون ها و توابع محرك آنها به دست آمد. به اين ترتيب شبكه بهينه با ساختار 1-5-12-6 با يك خروجي(D80)، وشبكه اي ديگر با سه خروجي به طور همزمان(D20,D50,D80) با ساختار3-14-6، قادر به پيش بيني ميزان خردايش با كمترين خطا ميباشند. در ادامه به منظور تعيين حساسيت خردايش نسبت به پارامتر هاي ورودي از روش تجربي آناليز حساسيت،CAM) ) استفاده شد.
در نهايت از روش آماري استفاده و نتايج حاصل از آن با نتايج خروجي از شبكه هاي عصبي مقايسه شد و مشخص گرديد روش هاي آماري از كارايي ضعيفتري نسبت به شبكه عصبي مصنوعي برخوردار هستند.

مقدمه
توجه به خردايش در عمليات آتشباري، يكي از مهمترين و حساس ترين پارامترهاي موثر بر اقتصاد و حيات معدن به شمار مي رود. اجراي يك عمليات آتشباري مطلوب تاثير بسزايي در كاهش هزينه هاي كل خردايش ، افزايش و بهبود بازدهي عمليات حفاري، بارگيري، باربري و افزايش بازدهي عملكرد كارخانه فرآوري و سنگ شكن هاي اوليه و ثانويه خواهد داشت. در سال هاي اخير مطالعات زيادي جهت حصول يك خردايش مناسب صورت گرفته و الگوها و روابط مختلفي ارائه شده است. در اين ميان روش هاي هوشمند به عنوان ابزار مناسبي در ساير علوم به كار گرفته شده است و نتايج مطلوبي از آن حاصل گرديده لذا با توجه كارايي آن، كاربرد اين روش در علوم معدنكاري مي تواند گره اي از مشكلات موجود باز كرده و تا جاي ممكن در جهت بهبود و بهينه سازي آنها گام برداشت.

نتيجه گيري
با توجه به هدف تحقيق، و به كمك بررسي روي داده هاي انفجار، ضمن تعيين پارامترهاي موثر بر ميزان خردايش، مدلي هاي مختلفي جهت پيش بيني ميزان خردايش در اين معدن آزمايش شد. مدل هاي ساخته شده مورد آموزش و آزمون قرار گرفتند و با توجه به ميزان خطاها، ساختار شبكه بهينه شناخته شد. پس از ارزيابي آناليز حساسيت انجام گرفته بر خروجي هاي مدلسازي، نتايج زير حاصل گرديد:

• با توجه به مدل هاي به دست آمده از شبكه، مي توان از آنها براي پيش بيني خردايش در بلوك هاي جديد استفاده نمود.

• پارامترهاي گل گذاري، فاصله داري بين چال ها و بارسنگ به ترتيب در بين پارامترهاي ورودي، بيشترين تاثير را بر ميزان خردايش را دارند.

• روش شبكههاي عصبي يك روش ساده براي آناليز داده هايي است كه نميتوان با فرمول بندي بين آنها ارتباط منطقي بر قرار كرد .

• با استفاده از تكنيك شبكههاي عصبي و نتايج حاصل از آناليز حساسيت مي توان به راحتي با تغيير اين پارامترها به پيش بيني خردايش قبل از اجراي عمليات آتشباري دست يافت.

• از آنجايي كه شبكه عصبي درمورد پاسخها، توضيحي ارائه نميكند بنابراين شبكه به عنوان ابزاري مناسب براي مسائلي كه داراي روابط پيچيده اي هستند و دستيابي به جواب ركن اصلي آن مي باشد به كار مي رود.

نحوه خرید

دانلود رایگان فایل
شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

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

راهنمای سایت

برخلاف سایت های دیگر که فایل ها را به صورت تکی می فروشند روال سایت ما این است که شما با عضویت در سایت ما میتوانید از تمام فایل های موجود استفاده کنید.

تمام مطالب سایت فقط برای اعضای سایت رایگان است.

نحوه عضویت در سایت