Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

برآورد ذخیره کانسار فسفات اسفوردی با استفاده از روش های زمین آماری و شبکه عصبی مصنوعی

سال انتشار: 1387
کد COI مقاله: JR_GSJ-18-69_009
زبان مقاله: فارسیمشاهده این مقاله: 37
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله برآورد ذخیره کانسار فسفات اسفوردی با استفاده از روش های زمین آماری و شبکه عصبی مصنوعی

احمدرضا صیادی - گروه مهندسی معدن، دانشگاه تربیت مدرس، تهران، ایران
مسعود منجزی - گروه مهندسی معدن، دانشگاه تربیت مدرس، تهران، ایران
حسین شهرآبادی - گروه مهندسی معدن، دانشگاه تربیت مدرس، تهران، ایران

چکیده مقاله:

ارزیابی ذخیره کانسارها یکی از مهم ترین پارامترهای لازم برای طراحی معدن بوده و روش های متعددی در این خصوص توسعه یافته است. علاوه بر روش های تحلیلی زمین آماری، روش های هوش مصنوعی مانند شبکه های عصبی برای برآورد ذخیره بسیار مناسب تشخیص داده شده اند. در این تحقیق مدل هندسی و بلوکی کانسار فسفات اسفوردی تهیه و میزان ذخیره برآورد شده است. مدل بلوکی محتوی حدود ۱۰۰ هزار بلوک با ابعاد ۵ × ۲۵ × ۲۵ است. برای برآورد عیار هر بلوک، از روش تحلیل زمین آماری و شبکه های عصبی استفاده شد. به منظور برآورد زمین آماری، روش کریجینگ معمولی مورد استفاده قرار گرفت. در روش شبکه عصبی یک شبکه چند لایه پرسپترون به کار گرفته شده و برای آموزش شبکه از روش آموزش  LMاستفاده شد. میزان ذخیره برای دامنه مناسبی از عیار حد برآورد شده است. با در نظرگرفتن عیار حد ۶ درصد، میزان ذخیره ۵/۱۶ میلیون تن با عیار میانگین ۴۴/۱۱ درصد و ۵/۱۷ میلیون تن با عیار میانگین ۸۳/۱۱ درصد به ترتیب به کمک روش زمین آماری و روش شبکه های عصبی محاسبه شد. نتایج مشابه بوده و اختلافی کمتر از ۶% دارند. مدل سازی و برآورد انجام شده، مبنای لازم را برای اصلاح طرح استخراجی فعلی معدن فسفات اسفوردی با هدف استخراج انتخابی تا تراز ۱۷۲۰ فراهم می نماید.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_GSJ-18-69_009 میباشد و 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://civilica.com/doc/1391235/

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:
صیادی، احمدرضا و منجزی، مسعود و شهرآبادی، حسین،1387،برآورد ذخیره کانسار فسفات اسفوردی با استفاده از روش های زمین آماری و شبکه عصبی مصنوعی،https://civilica.com/doc/1391235

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: (1387، صیادی، احمدرضا؛ مسعود منجزی و حسین شهرآبادی)
برای بار دوم به بعد: (1387، صیادی؛ منجزی و شهرآبادی)
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 :

  • حسنی پاک، ع.ا ،۱۳۸۰- تحلیل داده های اکتشافی، انتشارات دانشگاه ...
  • حسنی پاک، ع.ا ،۱۳۷۷- زمین آمار(ژئواستاتیستیک)، انتشارات دانشگاه تهران ...
  • منهاج، م.ب ،۱۳۸۱- مبانی شبکه های عصبی(هوش محاسباتی- جلد اول)، ...
  • هارتمن، هوارد ال ، ۱۳۸۱- اصول مهندسی معدن، ترجمه مهدی ...
  • ReferencesCoombes, J., ۲۰۰۲- Handy hints for variography, Snowden Associates Ltd ...
  • David, M., ۱۹۸۲- Geostatistical ore reserve estimation, Elsevier Scientific Publishing ...
  • Katsuaki Koike et al., ۲۰۰۱-Neural network-Based estimation of principal metal ...
  • Matias, J. M. et al., ۲۰۰۴-Comparison of Kriging and Neural ...
  • Samanta, B. et al., ۲۰۰۵- An application of Neural networks ...

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 35,198
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.

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.

پشتیبانی