ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی ضخامت بارسنگ با استفاده از شبکه های عصبی مصنوعی با نگرشی خاص به معدن مس سونگون

تعداد صفحات: 6 | تعداد نمایش خلاصه: 320 | نظرات: 0
سال انتشار: 1393
کد COI مقاله: IMEC05_200
زبان مقاله: فارسی
(فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی ضخامت بارسنگ با استفاده از شبکه های عصبی مصنوعی با نگرشی خاص به معدن مس سونگون

محمد ابوالحسنی - دانشجوی کارشناسی ارشد معدن، دانشگاه صنعتی شاهرود
سید مهدی موسوی نسب - استادیار; مجتمع آموزش عالی زرند

چکیده مقاله:

بارسنگ به عنوان مهمترین و بحرانی ترین متغیر در طراحی الگوی انفجار معادن روباز محسوب میشود و ارتباط مستقیمی با سایر عملیات آتشکاری در معدن دارد. در معادن روباز عدم کنترل ضخامت بارسنگ، اثرات نامطلوبی از قبیل خردایش نامطلوب، عقب زدگی،پرتابسنگ و … به بار می آورد. در این مطالعه از شبکه های عصبی مصنوعی نوع پس انتشار در جهت پیش بینی ضخامت بارسنگ با استفاده از تاثیر پارامترهایی نظیر قطر چال، عمق چال و فاصلهی ردیفی چالها، با مطالعه موردی در معدن مس سونگون، بهره گرفته شده است. نتایج حاصل، توافق نزدیک میان داده های تجربی موجود با داده های پیش بینی شده توسط شبکه های عصبی را نشان میدهد. در پایان، شبکه های عصبی نوع پس انتشار با ویژگیهای ذکر شده برای پیش بینی پارامترهای آتشباری، بخصوص میزان بهینه ضخامت بار سنگ در معادن روباز، پیشنهاد میشود

کلیدواژه ها:

آتشكاري، بارسنگ، شبكه هاي عصبي مصنوعي، معدن مس سونگون

کد مقاله/لینک ثابت به این مقاله

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/316662/

کد COI مقاله: IMEC05_200

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:
ابوالحسنی، محمد و موسوی نسب، سید مهدی،1393،پیش بینی ضخامت بارسنگ با استفاده از شبکه های عصبی مصنوعی با نگرشی خاص به معدن مس سونگون،پنجمین کنفرانس مهندسی معدن،تهران،،،https://civilica.com/doc/316662

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: (1393، ابوالحسنی، محمد؛ سید مهدی موسوی نسب)
برای بار دوم به بعد: (1393، ابوالحسنی؛ موسوی نسب)
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 ممقالهقاله لینک شده اند :

  • استوار، رحمت‌اله، آتشکاری در معادن، جلد دوم، انتشارات جهاد دانشگاهی ...
  • نظام الحسینی، سید علی، کاربرد روش‌های هوش مصنوعی در مهندسی ... (مقاله کنفرانسی)
  • منجری مسعود، مهر دانش امیر حسین، دهقانی حسام _ ارزیابی ...
  • 24 مهرماه 1393، مصلی امام خمینی تهران ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله

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

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 7,087
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده 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