توسعه سیستم طبقهبندی توده سنگ (RMRb) برمبنای توابع پیوسته با استفاده از الگوریتم خوشهبندی K-Means
عنوان مقاله: توسعه سیستم طبقهبندی توده سنگ (RMRb) برمبنای توابع پیوسته با استفاده از الگوریتم خوشهبندی K-Means
شناسه ملی مقاله: SMEC09_101
منتشر شده در نهمین کنفرانس دانشجویی مهندسی معدن ایران در سال 1392
شناسه ملی مقاله: SMEC09_101
منتشر شده در نهمین کنفرانس دانشجویی مهندسی معدن ایران در سال 1392
مشخصات نویسندگان مقاله:
زکریا جلالی - دانشجوی دوره کارشناسی، رشته مهندسی معدن، گرایش استخراج معدن، دانشگاه شهید باهنر کرمان
خلاصه مقاله:
زکریا جلالی - دانشجوی دوره کارشناسی، رشته مهندسی معدن، گرایش استخراج معدن، دانشگاه شهید باهنر کرمان
این مقاله به اصلاح کلاسهای سیستم طبقهبندی ژئومکانیکی توده سنگ (RMRb) برمبنای توابع پیوسته توسط الگوریتم خوشهبندی K-Means میپردازد. در سیستم طبقهبندی RMRb، دادهها توسط یک سری از اطلاعات اولیه گروهبندی شده اندولی با کاربرد الگوریتم خوشهبندی K-Means در این سیستم طبقهبندی، دادهها پس از تشکیل فرایند خوشهبندی به خوشههای خاصی تعلق میگیرند، که در این صورت موجب قضاوت بهتر در مورد کیفیت توده سنگ میشود. نتایج نهایی الگوریتم خوشهبندی K-Means در مورد دادههای برداشتشده از آنومالی B معادن سنگ آهن سنگان نشان میدهد که استفاده از تکنیک خوشهبندی مورد استفاده در این مقاله میتواند روش بسیار مناسبی جهت تخمین کلاسهای سیستم طبقهبندی RMRb برمبنای توابع پیوسته باشد
کلمات کلیدی: سیستم طبقهبندی RMRb ، الگوریتم خوشهبندی K ، Means ، آنومالی B معادن سنگ آهن سنگان
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/257355/