ارائه الگوی انفجار بهینه برای رسیدن به ابعاد خردایش هدف با استفاده از ترکیبی از شبکه ی عصبی و الگوریتم های بهینه سازی

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 32

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

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_STC-6-2_001

تاریخ نمایه سازی: 18 آبان 1404

چکیده مقاله:

معدنکاری بهینه به معنای انجام بهترین روش ممکن برای استخراج یک ماده ی معدنی است. این مهم با انتخاب روش درست استخراج و اجرای آن در بهترین حالت ممکن محقق خواهد شد. این کار موجب کاهش هزینه های استخراجی ثابت و متغیر شده و سود ناشی از عملیات معدنکاری را افزایش می دهد. این تحقیق بر بهینه سازی پارامترهای انفجار برای بهبود کارایی خردایش و کاهش هزینه ها در صنعت معدنکاری تمرکز دارد.به این منظور از داده های معدن راکفیل سد رسوبگیر درآلو برای اجرای این پژوهش استفاده شد. یک مدل شبکه عصبی برای پیش بینی نتایج خردایش بر اساس پارامترهای مختلف انفجار توسعه داده شد. پس از آن، الگوریتم های فراابتکاری، از جمله الگوریتم بهینه سازی نهنگ (WOA) و الگوریتم کرم شب تاب (FA)، برای بهینه سازی الگوهای انفجار استفاده شدند. سه الگوی مختلف از روش های الگوریتم های فراابتکاری به معدن پیشنهاد شده است. نتایج نشان می دهد که الگوی بهینه شده WOA از الگوی بهینه شده FA از نظر پراکندگی و مقرون به صرفه بودن بهتر عمل می کند.

نویسندگان

عماد انصاری ارده جانی

دانشجوی دکتری، دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران

سید فرشید شجاعی

کارشناس ارشد، هلدینگ صنعت و معدن قرارگاه سازندگی خاتم الانیاء، موسسه ثارالله کرمان، کرمان، ایران

محمد عطایی

استاد تمام، دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران

راحب باقرپور

استاد تمام، گروه مهندس معدن، دانشگاه صنعتی اصفهان، اصفهان، ایران

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 :
  • D. Jahed Armaghani, M. Hajihassani, A. Marto, R. Shirani Faradonbeh, ...
  • D. Jahed Armaghani et al., “Neuro-fuzzy technique to predict air-overpressure ...
  • D. Jahed Armaghani, M. Hasanipanah, and E. Tonnizam Mohamad, “A ...
  • M. Ataei and F. Sereshki, “Improved prediction of blast-induced vibrations ...
  • S. M. Hoseini, F. Sereshki, and M. Ataei, “A quantitative ...
  • M. Ataei and H. A. Baydokhti, “An experimental study of ...
  • S. Mulenga and R. Kaunda, “Blast design for improved productivity ...
  • D. Mohammadi, R. Mikaeil, and J. Abdollahei Sharif, “Investigating and ...
  • H. Moomivand, S. Seadati, and H. Allahverdizadeh, “A new approach ...
  • E. Li, F. Yang, M. Ren, X. Zhang, J. Zhou, ...
  • P. Bayat, M. Monjezi, A. Mehrdanesh, and M. Khandelwal, “Blasting ...
  • H. Moomivand, H. Amini Khoshalan, J. Shakeri, and H. Vandyousefi, ...
  • R. Shamsi, M. S. Amin, H. Dehghani, M. Bascompta, B. ...
  • B. O. Taiwo, “Improvement of small-scale dolomite blasting productivity: comparison ...
  • B. O. Taiwo et al., “Artificial neural network modeling as ...
  • E. Sharifi, M. A. E. Farsangi, H. Mansouri, and E. ...
  • H. Nguyen, X.-N. Bui, C. Drebenstedt, and Y. Choi, “Enhanced ...
  • A. Rabbani et al., “Optimization of an artificial neural network ...
  • H. Fattahi, H. Ghaedi, and D. J. Armaghani, “Enhancing blasting ...
  • C. Lopez Jimeno, E. López Jimeno, and F. J. A. ...
  • S. Mirjalili and A. Lewis, “The whale optimization algorithm,” Adv. ...
  • X.-S. Yang, “Firefly algorithm, stochastic test functions and design optimisation,” ...
  • نمایش کامل مراجع