پیش بینی خردایش سنگ ناشی از انفجار در معدن مس سرچشمه با استفاده از عصبی شبکه – معدن

مشخصات فایل

مقطع:کارشناسی ارشد
رشته تحصیلی:مهندسی معدن
نوع ارائه:پایان نامه
تعداد صفحات:117
قالب بندی:word ,pdf

نحوه خرید

پیش بینی خردایش سنگ ناشی از انفجار در معدن مس سرچشمه با استفاده از عصبی شبکه – 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

نتیجهگیري
با توجه به هدف تعریف شده تحقیق، ضمن تعیین پارامترهاي موثر بر میزان خردایش، با توجه به نظر متخصصان چالزنی- آتشباري معادن روباز، الگوي مناسب جهت انجام آتشباري در این معدن ارائه گردید. بر اساس پارامترهاي هندسی آتشباري که پس از انجام انفجارهاي مورد نظر برداشت میشد، مدلهایی مبتنی بر شبکۀ عصبی و رگرسیون چند متغیره در معدن مس سرچشمه جهت تعیین الگوي آتشباري مناسب با هدف پیشبینی خردایش طراحی شد. پس از ارزیابی عملکرد مدلهاي شبکۀ عصبی و رگرسیون چند متغیره مورد استفاده جهت پیشبینی خردایش و همچنین آنالیز حساسیت مدل شبکۀ عصبی، نتایج زیر حاصل گردید:
-1با بهکارگیري تکنیک شبکه عصبی در این تحقیق، میتوان گفت شبکه عصبی مصنوعی ابزاري مناسب جهت بهینه سازي الگوي آتشباري معادن با توجه به متوسط سایز سنگهاي خــرد شده ناشی از انفجار میباشد.
-2در مورد کاربرد شبکه بهدست آمده براي معدن مربوطه میتوان گفت، این شبکه میتواند با دریافت دادههاي بلوكهاي جدید، متوسط سایز سنگهاي خرد شده را قبل از انفجار، پیشبینی نماید. سپس در صورت نامناسب بودن هر کدام، میتوان نسبت به تغییر و اصلاح الگوي آتشباري قبلی اقدام نمود.
-3اگر چه تهیه اطلاعات براي آزمون شبکه زمانگیر میباشد ولی بعد از تهیه مدل شبکه عصبی بهدست آوردن نتایج خیلی سریع صورت میگیرد و قابل مقایسه با روشهاي محاسبه دستی نمیباشد.
-4در مدلسازي خردایش با استفاده از شبکۀ عصبی و رگرسیون چند متغیره، ضریب همبستگی )(R2 بهترتیب برابر %98/5و %81/8و جذر متوسط مربعات خطا ) (RMSEبهترتیب برابر 0/995و 4/160 میباشد. ضریب همبستگی بالاتر و خطاي کمتر مدل شبکۀ عصبی نسبت به مدل رگرسیون نشان دهنده قابلیت بهتر آن در پیشبینی میزان خردایش است.
-4پارامترهاي تأخیر بین ردیفها، مجموع خرج بر تأخیر، خرج ویژه و نسبت بارسنگ بر فاصله ردیفی چالها در بین پارامترهاي ورودي به ترتیب داراي بیشترین تاثیر روي خردایش هستند.95
-5با توجه به آنالیز انجام شده، لازم است در طراحیها به پارامترهاي موثر ذکر شده، توجه بیشتري گردد که با توجه به سهولت تعیین این پارامترها میتوان به راحتی از عملیات آتشباري نتیجه مطلوب را کسب کرد.
-6تکنیک شبکه عصبی براي بهینه سازي الگوي آتشباري ساده، کم هزینه، سریع، دقیق و قابل اعتماد بوده و قابل مقایسه با روشهاي دستی نمی باشد.
-7روش شبکههاي عصبی یک روش ساده براي آنالیز دادههایی است که نمی توان با فرمولبندي بین آنها ارتباط منطقی برقرار کرد .
-8با استفاده از تکنیک شبکههاي عصبی میتوان به راحتی میزان تأثیر پارامترهاي مؤثر بر خردایش سنگ در معدن مزبور را تعیین نمود تا در فازهاي مطالعاتی در تعیین این پارامترها دقت بیشتري صورت گیرد.
-9شبکه عصبی هیچگونه محدودیتی در مورد تعداد پارامترهاي ورودي ندارد و این نیز از مزایاي آن نسبت به سایر روشها می باشد.
-10تکنیک شبکه عصبی براي هر نوع انفجار با سنگهاي مختلف میتواند بهکار رود. زیرا این تکنیک هیچ نوع فرضی در مورد عوامـل مؤثر بر خروجی در نظر نمیگیرد. بلکه مانند یک انسان هوشیار سعی میکند روابط بین وروديها و خروجی را بهدست آورد.
-11استفاده از شبکههاي عصبی براي آنالیز، نیاز به تجربه کافی دارد. چون هیچ فرمول و تابعی براي تعیین هندسه شبکه از جمله نوع شبکه، تعداد لایهها، تعداد نرونهاي هر لایه و نوع توابع آن وجود ندارد. بهطوريکه اگر کاربر تجربه کافی نداشته باشد، حتماً باید از نتایج کارهاي مشابه که توسط افراد دیگرانجام شده است، استفاده نماید.

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