ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی عقب زدگی ناشی از انفجار در معدن مس سونگون به روش عصبی- فازی

سال انتشار: 1394
کد COI مقاله: IOPMC03_037
زبان مقاله: فارسیمشاهد این مقاله: 836
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی عقب زدگی ناشی از انفجار در معدن مس سونگون به روش عصبی- فازی

سیدحسن خوشرو - دانشیار دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر
سامان دیلمقانی زاده - دانش آموخته کارشناسی ارشد مهندسی معدن دانشگاه صنعتی امیرکبیر، مجتمع مس سونگون
ژاله آقاجری - دانش آموخته کارشناسی ارشد مهندسی معدن دانشگاه ارومیه
ینصر قسمتی - سرپرست حفاری و انفجار معدن سونگون،مجتمع مس سونگون

چکیده مقاله:

عقب زدگی یکی از عوارض نامطلوب در انفجارهای معدن مس سونگون می باشد. قدم اول برای کنترل این پدیده ناخواستهشناخت پارامترهای موثر بر آن و ساخت مدلی برای پیش بینی آن به وسیله پارامترهای موثر است. برای پیش بینیعقب زدگی معدن سونگون از روش عصبی- فازی، ANFIS به عنوان یکی از قدرتمندترین روش های هوش مصنوعی استفادهشده است. همچنین جهت بررسی کارایی مدل نسبت به سایر روشها، مدلهای رگرسیون چند متغیره و شبکه عصبیمصنوعی نیز جهت مقایسه ساخته شدند. دادههای لازم جهت مدلسازی از بررسی 88 سایت انفجاری معدن سونگونبدست آمد. 9 پارامتر به عنوان ورودی مدلها و عقب زدگی به عنوان خروجی مدلهای مذکور تعیین شدند. نتایج حاصل بااستفاده از داده های آزمون مورد ارزیابی قرار گرفت. ضریب همبستگی و جذر مجموع مربعات خطای حاصل از ارزیابی به ترتیب برای مدل رگرسیون برابر 0/52 و 3/15، برای مدل شبکه عصبی مصنوعی برابر 0/88 و 1/83 و در نهایت مدل ANFIS برابر 0/93 و 1/26 بدست آمد. تحلیل حساسیت انجام شده روی پارامترهای ورودی مدل ANFIS نشان دهنده این بود که مقدار خرج ویژه، طول گل گذاری، عمق چال، مقدار بار سنگ و حفاری ویژه به ترتیب بیشترین تاثیر را در پیش بینی مقدار عقب زدگی دارند.

کلیدواژه ها:

روش عصبی فازی، شبکه عصبی مصنوعی، عقب زدگی، معدن مس سونگون، ANFIS

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/373661/

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:
خوشرو، سیدحسن و دیلمقانی زاده، سامان و آقاجری، ژاله و قسمتی، ینصر،1394،پیش بینی عقب زدگی ناشی از انفجار در معدن مس سونگون به روش عصبی- فازی،سومین کنفرانس معادن روباز ایران،کرمان،،،https://civilica.com/doc/373661

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، خوشرو، سیدحسن؛ سامان دیلمقانی زاده و ژاله آقاجری و ینصر قسمتی)
برای بار دوم به بعد: (1394، خوشرو؛ دیلمقانی زاده و آقاجری و قسمتی)
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، ر. (1381).آتشکاری در معادن. تهران: جهاد دانشگاهی دانشگاه امیرکبیر. ...
  • جورابیان، م، هوشمند، _ (1390). منطق فازی و شبکه‌های عصبی ...
  • صمدزادگان، ر. (1387). فناوری آتشکاری برای مهندسان معدن وعمران. تهران: ...
  • هاشمی ریزی، س.م. (1389). بهینه سازی اگوی آتشباری معدن سنگ ...
  • William, C.B., Gates, L., Ty Ortiz. (2005). Analysis of Rockfall ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    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: 20,797
    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