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 معادن روباز و ارزیابی پارامترهای موثر بر آن

تعداد صفحات: 8 | تعداد نمایش خلاصه: 519 | نظرات: 1
سال انتشار: 1395
کد COI مقاله: SMEC10_005
زبان مقاله: فارسی
(فایل این مقاله در 8 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.

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 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی عقب زدگی ناشی از انفجار در معادن روباز و ارزیابی پارامترهای موثر بر آن

زکیه نخعی پناه - دانشجوی کارشناسی ارشد مهندسی معدن، دانشگاه صنعتی شاهرود

چکیده مقاله:

یکی از عوارض نامطلوب انفجار در معادن روباز عقب زدگی است که علاوه بر کاهش کیفیت خردایش، باعث کاهش ایمنی پله ها و افزایش هزینه های عملیاتی می گردد. اولین گام برای کنترل این پدیده شناخت پارامترهای موثر بر آن و ساختمدلی برای پیش بینی آن است. میزان عقب زدگی ناشی از چال های انفجاری در معدن سونگون با روش شبکه عصبی مصنوعی به عنوان یکی از قدرتمندترین روش های هوش مصنوعی تخمین زده می شود. از این رو به منظور بررسی کاراییمدل ساخته شده در مقایسه با سایر روش ها، مدل های رگرسیون ساده و چندگانه ساخته شدند. داده های لازم برایمدلسازی از بررسی 175 سایت انفجاری معدن سونگون بدست آمد. 5 پارامتر ضخامت بار سنگ، فاصله چال ها در یک ردیف، گل گذاری، خرج ویژه و نسبت سختی به عنوان ورودی و عقب زدگی به عنوان خروجی مدل تعیین شدند. همچنیناز 122 داده جهت آموزش و 53 داده برای آزمایش شبکه عصبی استفاده شده است. ضریب تعیین ) 2R ( برابر با 9444 / 0 برای داده های آزمایش بدست آمد که بیانگر قدرت شبکه عصبی در پیش بینی مورد نظر بوده است. تحلیل حساسیت انجامشده روی پارامترهای ورودی نشان دهنده این بود که طول گل گذاری بیشترین و فاصله چال ها در یک ردیف کمترینتاثیر را بر عقب زدگی دارند. در نهایت جهت اعتبار سنجی رابطه ارائه شده از داده های واقعی معدن مس سونگون استفاده گردید. نتایج نشان داد که داده های حاصل از مدل و داده های واقعی مطابقت بالایی با هم دارند.

کلیدواژه ها:

انفجار، رگرسيون چندگانه، شبكه عصبي مصنوعي، عقب زدگي، معادن روباز

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/557990/

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:
نخعی پناه، زکیه،1395،پیش بینی عقب زدگی ناشی از انفجار در معادن روباز و ارزیابی پارامترهای موثر بر آن،دهمین کنفرانس دانشجویی مهندس معدن،کاشان،،،https://civilica.com/doc/557990

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: (1395، نخعی پناه، زکیه؛ )
برای بار دوم به بعد: (1395، نخعی پناه؛ )
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 :

  • اصانلو، م. (1384). روش های استخراج روباز معادن سطحی. جلد ...
  • Sari, M., Ghasemi, E., Ataei, M. (2013). Stochastic Modeling Approach ...
  • 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.

    نظرات خوانندگان

    5.00
    1 تعداد پژوهشگران نظر دهنده
    5 1
    4
    3
    2
    1

    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