ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

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

تخمین گازخیزی در معدن زغال سنگ پروده 1 طبس با استفاده از شبکه عصبی مصنوعی و رگرسیون غیر خطی

سال انتشار: 1391
کد COI مقاله: IRANCOAL01_003
زبان مقاله: فارسیمشاهده این مقاله: 1,578
فایل این مقاله در 10 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 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تخمین گازخیزی در معدن زغال سنگ پروده 1 طبس با استفاده از شبکه عصبی مصنوعی و رگرسیون غیر خطی

حسین ملایمت - دانشجوی کارشناسی ارشد مهندسی معدن،دانشکده مهندسی معدن و متالوژی دا
فرهاد محمد تراب - استادیار دانشکده مهندسی معدن و متالوژی دانشگاه یزد
علی جراحی - کارشناس شرکت زغالسنگ پرورده طبس

چکیده مقاله:

غالب معادن زغال سنگ کشور به روش زیرزمینی استخراج می شوند که در این معادن معلوم بودن فاکتور گازخیزی (به صورت حجم گاز در یک تن جامد) در کل سطح کانسار اهمیت ویژه ای دارد چرا که ریسک معدن کاری را کاهش داده و به طراحی سیستم تهویه مناسب منجر خواهد شد. در این مقاله به تخمین گازخیزی با دو روش شبکه عصبی مصنوعی و رگرسیون غیر خطی در معدن زغال سنگ پروده 1 طبس در حوضه زغال خیز ایران مرکزی پرداخته شده است. این پژوهش نشان می دهد که این دو روش می توانند بدون در نظر گرفتن محل اخذ نمونه ها، گازخیزی را در این معدن با دقت قابل قبولی تخمین بزنند. با بررسی پارامترهای کمی و کیفی به دست آمده از 80 چاه اکتشافی و استفاده از آنالیز خوشه ای، مشخص شد که عمق و ضخامت لایه زغال سنگ، بهترین ورودی ها برای تخمین مقدار گازخیزی می باشند. با داده های موجود، مدل هایی بر اساس شبکه عصبی مصنوعی و رگرسیون غیر خطی به دست آمد. اعتبار سنجی این دو مدل با مقایسه مقادیر گازخیزی اندازه گیری شده و تخمینی در 15 چاه اکتشافی انجام شد. ضریب همبستگی مقادیر واقعی و تخمینی برای شبکه عصبی مصنوعی 92.1% و برای رگرسیون غیر خطی 90.4% به دست آمد. هرچند خطای تخمین با شبکه عصبی مصنوعی از روش رگرسیون کمتر است اما به طور کلی هر دو روش و به خصوص شبکه عصبی مصنوعی سطح بالایی از اعتبار در تخمین گازخیزی را ارائه می دهند.

کلیدواژه ها:

زغال سنگ، گازخیزی، خوشه بندی، شبکه عصبی، رگرسیون غیرخطی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا IRANCOAL01_003 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/170536/

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:
ملایمت، حسین و محمد تراب، فرهاد و جراحی، علی،1391،تخمین گازخیزی در معدن زغال سنگ پروده 1 طبس با استفاده از شبکه عصبی مصنوعی و رگرسیون غیر خطی،اولین کنگره ملی زغال سنگ،شاهرود،،،https://civilica.com/doc/170536

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: (1391، ملایمت، حسین؛ فرهاد محمد تراب و علی جراحی)
برای بار دوم به بعد: (1391، ملایمت؛ محمد تراب و جراحی)
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 :

  • جراحی، علی؛ محمدی، علی رضا؛ (1384)؛ "گزارش زمین شناسی و ...
  • Mares, Tennille E.; Moore, Tim A.; Moore, Catherine R.; (2009); ...
  • Qingming, Long; (2011); "Research on the rapid measuremet technique of ...
  • ADAM consulting engineers, (1992), "Tabas coal mine geological report (Parvadeh ...
  • Flores, Romeo M.; Rice, Cynthia A.; Stricker, Gary D.; Warden, ...
  • Mesroghli, Sh.; Jorjani, E.; Chehreh Chelgani, S.:(2009); "Estimation of gross ...
  • Patel, Shagufta U.; Kumar, B. Jeevan; Badhe, Yogesh P.; Sharma, ...
  • Liu, Y.P.; Wu, M.G.; Qian, J.X.; (2007); "Predicting coal ash ...
  • Chehreh Chelgani, S.; Hower, James C.; Hart, B.; (2011); "Estimation ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

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

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    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