پیش بینی ضریب نشست ناشی از معدن کاری زیر زمینی زغال سنگ با استفاده از شبکه عصبی مصنوعی(ANN)و سیستم تطبیقی استنتاجی عصبی_فازی(ANFIS)

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,862

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IRANCOAL01_034

تاریخ نمایه سازی: 1 آذر 1391

چکیده مقاله:

میزان حداکثرنشست ناشی ازمعدن کاری زیرزمینی ضریبی ازضخامت لایه زغالی استخراج شده می باشد این ضریب بدون بعد که یکی ازپارامترهای اصلی به منظور پیش بینی حرکت ها و تغییر شکلهای زمین درحین معدن کاری درزیرساختمان ها رودخانه ها و خطوط راه آهن می باشد به عنوان ضریب نشست شناخته می شود تعیین کردن میزان دقیق ضریب نشست یکی ازمشکلات مهم درپیش بینی نشست می باشد برای نیل به این هدف دراین تحقیق ازشبکه عصبی مصنوعی ANN و سیستم تطبیقی استنتاجی عصبی فازی ANFIS استفاده شدها ست پارامترهای موثر برروی ضریب نشست از قبیل خصوصیات مکانیکی سنگهای روباره ضخامت و عمق معدن کاری زاویه شیب لایه زغالی و ضخامت لایه سست شدگی به عنوان پارامترهای ورودی درهردو مدل ANFIS,ANN به منظور پیش بینی ضریب نشست که خروجی هردو مدل می باشد درنظر گرفته شدند.

نویسندگان

حاصل امینی

دانشجوی دکتری استخراج معدن،دانشگاه صنعتی شاهرود

محمد عطایی

استاد گروه استخراج معدن،دانشگاه صنعتی شاهرود

سید رحمان ترابی

دانشیار گروه مهندسی معدن،دانشگاه صنعتی شاهرود

امید سعیدی

دانشجوی دکتری استخراج معدن،دانشگاه صنعتی شاهرود

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 :
  • عطایی، محمد (1386) "معدن‌کاری زیرزمینی"، جلد سوم، انتشارات دانشگاه صنعتی ...
  • ] Zou, Y., (1997), "Method to Calculate the Subsidence Coefficient", ...
  • Zou, Y., (2001), _ Determining Method of Prediction Parameters on ...
  • Li, Y., Wang, J., Yong, C, (1988), "Analysis _ Subsidence ...
  • Monjezi M., Aminikho shalan H., Yazdian A., (2010) "Prediction of ...
  • Monjezi M., Aminikho shalan H., Yazdian A., (2011), "Optimization of ...
  • Amini H., Gholami R., Monjezi M., Torabi S.R., Zadhesh J., ...
  • Chai, H., Zou, Y., Guo, W., (2005), _ 'Determination of ...
  • Guo, W., Deng, K., Zou, Y., (2003), "Study On Artificial ...
  • Zhi-xiang, T., Pei-xian, L, Li-li, Y., Ka-zhong, D., (2009), "Study ...
  • McCulloch W.S., Pitts W., (1943) _ logical calculus of the ...
  • Neaupan e KM, Adhikari NR (2006), "Prediction o f tunne ...
  • Poulton MM Neural networks as an intelligence amplification tool: a ...
  • Baheer, I., (2000) :Selection of methodology for modeling hysteresis behavior ...
  • Demuth H, Beale M., (2002) "Neural network toolbox for use ...
  • intelligence: a guide to intelligent systems", England: Addison- Artificial؛ه 16- ...
  • Zadeh, L.A., (1965), " Fuzzy sets, Inf. Control 8, 338-353. ...
  • Zadeh, L.A., (1973), "Outline of a new approach to the ...
  • Rezaei, M., Monjezi, M., Yazdian Varjani, _ (2001), "Development of ...
  • adap tive -network-bas ed fuzzy inference system", IEEE transaction o ...
  • Sobhani, J., Najimi, M., Pourkhorshidi, A. R., (2010) :Prediction of ...
  • Wang, J., Yu, Z., (1996), "Study on the Relationship between ...
  • نمایش کامل مراجع