سال انتشار: 1394
محل انتشار:
سومین کنفرانس معادن روباز ایران
کد COI مقاله: IOPMC03_005
زبان مقاله: فارسیمشاهده این مقاله: 1,209
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله ارزیابی عوامل موثر بر قیمت سنگ آهن با استفاده از شبکه های عصبی مصنوعی
چکیده مقاله:
آهن یکی از پر کاربردترین فلزات در جهان محسوب میشود. قیمت جهانی سنگ آهن بر اساس میزان عرضه و تقاضای آنتعیین میشود. پارامترهای متعددی همچون قیمت فولاد، شاخص تولید ناخالص داخلی، قیمت نفت خام، قیمت آلومینیوم،قیمت طلا، نرخ بهره، نرخ تورم، ارزش دلار، ارزش سهام و میزان تولید آهن و فولاد بر قیمت جهانی سنگ آهن مؤثرهستند. با توجه به تعدد پارامترهای مؤثر و پیچیدگی روابط میان آنها، می توان از روش های مبتنی بر هوش مصنوعی نظیرشبکه های عصبی مصنوعی برای پیش بینی قیمت سنگ آهن استفاده نمود. در این مقاله، با استفاده از شبکه عصبیمصنوعی مدلی برای پیش بینی قیمت ماهیانه سنگ آهن ارائه شده است. با مقایسه انواع شبکه ها، شبکه بهینه با چهار لایهپیشخور و الگوریتم آموزش پس انتشار خطا شامل 5 نرون در لایه ورودی، 12 نرون در لایه پنهان اول، 15 نرون در لایهپنهان دوم و 1 نرون در لایه خروجی بدست آمد. همچنین خطای نسبی، خطای مطلق، VAR, RMSE و ضریب R2بدست آمده برای شبکه بهینه به ترتیب برابر 0/039، 0/033، 9/759، 97/759، 97/738 و 0/978 می باشد. در نهایت پس از انجام آنالیز حساسیت مشخص گردید که پارامترهای تولید ناخالص داخلی چین، قیمت طلا و قیمت نفت به ترتیب بیشترین تأثیرو پارامترهای نرخ بهره، نرخ تورم و ارزش دلار به ترتیب کمترین تاثیر را در بین پارامترهای ورودی بر قیمت سنگ آهن دارند.
کلیدواژه ها:
کد مقاله/لینک ثابت به این مقاله
کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا IOPMC03_005 میباشد و 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/373629/
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:مقدم، محمدرضا و منجزی، مسعود و مهردانش، امیرحسین،1394،ارزیابی عوامل موثر بر قیمت سنگ آهن با استفاده از شبکه های عصبی مصنوعی،سومین کنفرانس معادن روباز ایران،کرمان،https://civilica.com/doc/373629
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: (1394، مقدم، محمدرضا؛ مسعود منجزی و امیرحسین مهردانش)
برای بار دوم به بعد: (1394، مقدم؛ منجزی و مهردانش)
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 مقاله لینک شده اند :- A lvarez, A.E. Vigil, A., C.Gonza lez-Nicieza, (2012). Predicting blasting ...
- Barami, _ Monjezi, M., Goshtasbi, K., Ghazvinian, A, (2010). Prediction ...
- Haykin, s. (1999). Neural networks, A comprehensive foundation, Second edition, ...
- Lundmark, R., Nilsson, M. (2003), What do economic simulations tell ...
- Malanichev, A. and Vorobyev, P., (2011) Forecast of global steel ...
- Ross, T.J., (2004). Fuzzy logic with engineering applications, Second Edition, ...
- We iminMa, XiaoxiZhu n, M iaomiaoWang, (2013), Forecasting iron ore ...
- Mining MS Student, Islamic Azad University, Tehran-Jonob Branch, M1 1 ...
مدیریت اطلاعات پژوهشی
اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.
نظرات خوانندگان
نقد پژوهشگران در مورد مقاله ارزیابی عوامل موثر بر قیمت سنگ آهن با استفاده از شبکه های عصبی مصنوعی
حسین احمدی (1398/03/20): پیشبینی عددی صورت نگرفته بود
حسین احمدی (1398/03/20): پیشبینی عددی صورت نگرفته بود
علم سنجی و رتبه بندی مقاله
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
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
- ارائه یک سیستم پذیرش اولویت محور درواحد اورژانس بیمارستانی با استفاده از شبیه سازی گسسته ـ پیشامد با رویکرد فرایندگرا
- پوشش های خودترمیم شونده و بررسی عملکرد آنها در کنترل خوردگی
- بررسی انواع کوره های رایج در صنعت
- مروری بر قوانین بین المللی آب
- مدلسازی و بررسی تاثیر عدم قطعیت قیمت و عیار در برنامه ریزی تولید معادن
مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.
مقالات مرتبط جدید
- کسب دانش فنی شناسایی و فرآوری معدن خاک دیاتومیت ایرانی
- کاربرد تحلیل تنش و مکانیک شکست در آتشکاری کنترل شده به منظور استخراج سنگ های ساختمانی سخت
- طراحی پلههای استخراجی بهوسیله انفجار کنترل شده در معدن گرانیت دیوچال کلاردشت
- ضرورت آموزش و فرهنگ سازی HSE در معادن سنگ نما و تزئینی ایران
- اصول و مبانی استفاده از آتشباری کنترل شده در سنگ های ساختمانی
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
طرح های پژوهشی مرتبط جدید
- الزامات توسعه اکتشاف منابع معدنی و ارتقای جایگاه سازمان زمین شناسی و اکتشافات معدنی کشور
- گزارش تحولات بین المللی و داخلی در حوزه معادن و صنایع معدنی در سه ماهه آخر سال ۱۳۹۷ (فصل زمستان) ( ۲۲December ۲۰۱۸ – ۲۰ March ۲۰۱۹)
- چالش ها و راهکارهای رونق تولید در سال ۱۳۹۸ (۲ . بخش معدن و صنایع معدنی)
- چالش ها و راهکارهای رونق تولید در سال ۱۳۹۸ (۱ . بخش صنعت)
- اظهارنظر کارشناسی درباره: «طرح الحاق یک ماده به قانون معادن»
طرح های پژوهشی فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
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.