پیش بینی پرتاب سنگ معدن سنگ آهن گل گهر با استفاده از شبکه های عصبی مصنوعی و الگوریتم های بهینه سازی ژنتیک و رقابت استعماری

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 790

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RMGC01_002

تاریخ نمایه سازی: 7 اسفند 1396

چکیده مقاله:

پرتاب سنگ حرکت کنترل نشده قطعات خرد شده سنگ میباشد که در عملیات آتش کاری در معادن روباز ایجاد می شوند و یکی از منابع اصلی آسیب دیدن سازه ها، تجهیزات و افراد را تشکیل می دهد. به دلیل وجود کارگران و تاسیسات در نزدیکی معادن روباز پیش بینی دقیق پرتاب سنگ امری مهم و ضروری به شمار می رود. در این تحقیق به پیش بینی پدیده پرتاب سنگ در معدن سنگ آهن گل گهر با استفاده از شبکه عصبی مصنوعی پرداخته شد. پارامترهای قطر چال، ضخامت بارسنگ، میزان ماده منفجره در هر چال و وزن مخصوص ماده منفجره بهعنوان پارامترهای ورودی به شبکه برای پیش بینی پرتاب سنگ در نظر گرفته شد. جهت پروسه یادگیری شبکه عصبی از الگوریتمهای لونبرگ مارکوارت، رقابت استعماری و ژنتیک استفاده شد؛ سپس با استفاده از بررسی ساختارهای مختلف شبکه عصبی، بهترین نتایج مجموعه داده های آزمون برای هرکدام از الگوریتم های لونبرگ مارکوارت، ژنتیک و ، رقابت استعماری به دست آمد که در نهایت مشخص شد مقدار خطای هر یک از الگوریتم های یادگیری شبکه عصبی در بهترین حالت به ترتیب برابر با 27،12 و 11 درصد می باشند. بنابراین می توان نتیجه گرفت الگوریتم لونبرگ مارکوارت که از الگوریتم های پیش فرض شبکه عصبی است به علت مقدار خطای زیاد برای پیش بینی پرتاب سنگ کاربردی ندارد در حالیکه با استفاده از الگوریتم های بهینه سازی رقابت استعماری و ژنتیک می توان با دقت بالایی پدیده پرتاب سنگ در معادن روباز در اثر آتشباری را پیش بینی کرد.

کلیدواژه ها:

نویسندگان

علی محمد موحدیان فر

دانش آموخته کارشناسی ارشد مهندسی معدن، دانشگاه آزاد اسلامی واحد تهران جنوب