ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

کاربرد الگوریتم ژنتیک برای بهبود صحت تخمین عیار و بازیابی مس در کنسانتره نهایی کارخانه فلوتاسیون مس سرچشمه کرمان

سال انتشار: 1395
کد COI مقاله: SMEC10_066
زبان مقاله: فارسیمشاهده این مقاله: 344
فایل این مقاله در 7 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 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله کاربرد الگوریتم ژنتیک برای بهبود صحت تخمین عیار و بازیابی مس در کنسانتره نهایی کارخانه فلوتاسیون مس سرچشمه کرمان

ابراهیم اله کرمی - دانشجوی دکتری فرآوری مواد معدنی، دانشگاه صنعتی امیرکبیر،
امید سلمانی نوری - دانشجوی دکتری فرآوری مواد معدنی، دانشگاه صنعتی امیرکبیر،
مهدی ایران نژاد - دانشیار دانشگاه صنعتی امیرکبیر،
علی اکبر عبداله زاده - استادیار دانشگاه صنعتی امیرکبیر و دانشگاه کاشان،

چکیده مقاله:

بهبود صحت پیشبینی پارامترهای متالورژیکی در کارخانه فلوتاسیون به منظور مدیریت کارآمد فرایند امری ضروری است. لذا در این مقاله، از الگوریتم ژنتیک برای بهبود تخمین عیار و بازیابی مس در کارخانه فلوتاسیون مس سرچشمه کرمانتوسط شبکه عصبی مصنوعی استفاده شد. پارامترهای اندازهگیری شده فرایند pH ، غلظت کلکتور و کفساز، درصد جامد و عیار مس در بار اولیه هستند، که بهعنوان متغیرهای ورودی برای شبکه عصبی درنظر گرفته شدند. ساختار بهینه شبکهعصبی با دو لایه مخفی ) 5:7:4:2 ( با استفاده از روش سعی و خطا تعیین گردید. با توجه به نقایص شبکه عصبی برایپیشبینی متغیرهای خروجی، از الگوریتم ژنتیک برای بهینهسازی وزنهای اولیه شبکه عصبی استفاده شد. عملکرد مدل با استفاده از معیار آماری میانگین مجموع مربعات خطا ) MSE ( ارزیابی شد. نتایج به دست آمده نشان داد، الگوریتم ژنتیک تأثیر مهمی در بهینه سازی وزنهای اولیه و بهبود عملکرد مدل شبکه عصبی مصنوعی دارد

کلیدواژه ها:

الگوریتم ژنتیک، پیشبینی عیار و بازیابی، شبکه عصبی مصنوعی، فلوتاسیون مس

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا SMEC10_066 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/558051/

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:
اله کرمی، ابراهیم و سلمانی نوری، امید و ایران نژاد، مهدی و عبداله زاده، علی اکبر،1395،کاربرد الگوریتم ژنتیک برای بهبود صحت تخمین عیار و بازیابی مس در کنسانتره نهایی کارخانه فلوتاسیون مس سرچشمه کرمان،دهمین کنفرانس دانشجویی مهندس معدن،کاشان،،،https://civilica.com/doc/558051

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، اله کرمی، ابراهیم؛ امید سلمانی نوری و مهدی ایران نژاد و علی اکبر عبداله زاده)
برای بار دوم به بعد: (1395، اله کرمی؛ سلمانی نوری و ایران نژاد و عبداله زاده)
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 :

  • منهاج، م. ب.، (1377)، مبانی شبکه های عصبی، مرکز نشر ...
  • رابرت جی. شالکف، ترجمه جورابیان، _ 1384)، شبکه های عصبی ...
  • Cilek, C., (2002). Application of neural networks to predict locked ...
  • Labidi, J., Pelach, M.A., Turon, X. and Mutje, P., (2007). ...
  • Chang, Y. T., Lin, J., Shing Shieh, J. and Abbod, ...
  • Negnevitsky, M., (2005). Artificial Intelligence: A Guide to Intelligent Systems, ...
  • 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: 20,802
    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