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

نتیجهگیری
با توجه به هدف تعریف شده تحقیق، ضمن تعیین پارامترهای موثر بر میزان خردایش، با توجه به نظر متخصصان چالزنی- آتشباری معادن روباز، الگوی مناسب جهت انجام آتشباری در این معدن ارائه گردید. بر اساس پارامترهای هندسی آتشباری که پس از انجام انفجارهای مورد نظر برداشت میشد، مدلهایی مبتنی بر شبکۀ عصبی و رگرسیون چند متغیره در معدن مس سرچشمه جهت تعیین الگوی آتشباری مناسب با هدف پیشبینی خردایش طراحی شد. پس از ارزیابی عملکرد مدلهای شبکۀ عصبی و رگرسیون چند متغیره مورد استفاده جهت پیشبینی خردایش و همچنین آنالیز حساسیت مدل شبکۀ عصبی، نتایج زیر حاصل گردید:
-۱با بهکارگیری تکنیک شبکه عصبی در این تحقیق، میتوان گفت شبکه عصبی مصنوعی ابزاری مناسب جهت بهینه سازی الگوی آتشباری معادن با توجه به متوسط سایز سنگهای خــرد شده ناشی از انفجار میباشد.
-۲در مورد کاربرد شبکه بهدست آمده برای معدن مربوطه میتوان گفت، این شبکه میتواند با دریافت دادههای بلوکهای جدید، متوسط سایز سنگهای خرد شده را قبل از انفجار، پیشبینی نماید. سپس در صورت نامناسب بودن هر کدام، میتوان نسبت به تغییر و اصلاح الگوی آتشباری قبلی اقدام نمود.
-۳اگر چه تهیه اطلاعات برای آزمون شبکه زمانگیر میباشد ولی بعد از تهیه مدل شبکه عصبی بهدست آوردن نتایج خیلی سریع صورت میگیرد و قابل مقایسه با روشهای محاسبه دستی نمیباشد.
-۴در مدلسازی خردایش با استفاده از شبکۀ عصبی و رگرسیون چند متغیره، ضریب همبستگی )(R2 بهترتیب برابر %۹۸/۵و %۸۱/۸و جذر متوسط مربعات خطا ) (RMSEبهترتیب برابر ۰/۹۹۵و ۴/۱۶۰ میباشد. ضریب همبستگی بالاتر و خطای کمتر مدل شبکۀ عصبی نسبت به مدل رگرسیون نشان دهنده قابلیت بهتر آن در پیشبینی میزان خردایش است.
-۴پارامترهای تأخیر بین ردیفها، مجموع خرج بر تأخیر، خرج ویژه و نسبت بارسنگ بر فاصله ردیفی چالها در بین پارامترهای ورودی به ترتیب دارای بیشترین تاثیر روی خردایش هستند.۹۵
-۵با توجه به آنالیز انجام شده، لازم است در طراحیها به پارامترهای موثر ذکر شده، توجه بیشتری گردد که با توجه به سهولت تعیین این پارامترها میتوان به راحتی از عملیات آتشباری نتیجه مطلوب را کسب کرد.
-۶تکنیک شبکه عصبی برای بهینه سازی الگوی آتشباری ساده، کم هزینه، سریع، دقیق و قابل اعتماد بوده و قابل مقایسه با روشهای دستی نمی باشد.
-۷روش شبکههای عصبی یک روش ساده برای آنالیز دادههایی است که نمی توان با فرمولبندی بین آنها ارتباط منطقی برقرار کرد .
-۸با استفاده از تکنیک شبکههای عصبی میتوان به راحتی میزان تأثیر پارامترهای مؤثر بر خردایش سنگ در معدن مزبور را تعیین نمود تا در فازهای مطالعاتی در تعیین این پارامترها دقت بیشتری صورت گیرد.
-۹شبکه عصبی هیچگونه محدودیتی در مورد تعداد پارامترهای ورودی ندارد و این نیز از مزایای آن نسبت به سایر روشها می باشد.
-۱۰تکنیک شبکه عصبی برای هر نوع انفجار با سنگهای 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 ورودیها و خروجی را بهدست آورد.
-۱۱استفاده از شبکههای عصبی برای آنالیز، نیاز به تجربه کافی دارد. چون هیچ فرمول و تابعی برای تعیین هندسه شبکه از جمله نوع شبکه، تعداد لایهها، تعداد نرونهای هر لایه و نوع توابع آن وجود ندارد. بهطوریکه اگر کاربر تجربه کافی نداشته باشد، حتماً باید از نتایج کارهای 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

آخرین مطالب

مطالب مرتبط