تخمین گازخیزی در معدن زغال سنگ پروده 1 طبس با استفاده از شبکه عصبی مصنوعی و رگرسیون غیر خطی
- سال انتشار: 1391
- محل انتشار: اولین کنگره ملی زغال سنگ
- کد COI اختصاصی: IRANCOAL01_003
- زبان مقاله: فارسی
- تعداد مشاهده: 2182
نویسندگان
دانشجوی کارشناسی ارشد مهندسی معدن،دانشکده مهندسی معدن و متالوژی دا
استادیار دانشکده مهندسی معدن و متالوژی دانشگاه یزد
کارشناس شرکت زغالسنگ پرورده طبس
چکیده
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 غیرخطیمقالات مرتبط جدید
- بررسی تاثیر ولتاژ و زاویه نازل بر هندسه گرده جوش در فرایند جوشکاری قوس الکتریکی با گاز محافظ
- شبیه سازی ضخامت بهینه پوشش سد حرارتی YSZ بر روی سوپر آلیاژ ۷۱۳
- مدل سازی توزیع زمان ماند تجهیزات فرآوری مواد معدنی با استفاده از روش جستجوی الگوریتم ژنتیک
- روش های مختلف بهینه سازی پارامترهای فرآیند جوشکاری
- بررسی عوامل موثر بر بهبود استحکام چدن خاکستری
اطلاعات بیشتر در مورد 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.