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

Prediction of the Production Rate of Chain Saw Machine using the Multilayer Perceptron (MLP) Neural Network

سال انتشار: 1397
کد COI مقاله: JR_CEJ-4-7_010
زبان مقاله: انگلیسیمشاهده این مقاله: 317
فایل این مقاله در 9 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 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Prediction of the Production Rate of Chain Saw Machine using the Multilayer Perceptron (MLP) Neural Network

Javad Mohammadi - Faculty of Mining, Petroleum & Geophysics, Shahrood University of Technology, Shahrood, Iran
Mohammad Ataei - Faculty of Mining, Petroleum & Geophysics, Shahrood University of Technology, Shahrood, Iran
Reza Khalo Kakaei - Faculty of Mining, Petroleum & Geophysics, Shahrood University of Technology, Shahrood, Iran
Reza Mikaeil - Department of Mining and Metallurgical Engineering, Urmia University of Technology, Urmia, Iran

چکیده مقاله:

The production rate in rock cutting machines is one of the most influential parameters in designing and planning procedures.Complete understanding of the production rate of cutting machines help experts and owners of this industry to predict theproduction expenses. Therefore, the present study predicts the production rate of the chain saw machine in dimensionalstone quarries. In this research, the method of artificial neural networks was used for modeling and predicting theproduction rate. In addition, in this modeling, 98 data were collected from the results obtained from field studies on 7carbonate rock samples as the dataset. Four important parameters, including uniaxial compressive strength (UCS), LosAngeles abrasion (LAA) Test, equivalent quartz content (Qs), and Schmidt Hammer (Sch) were considered as input dataand the production rate was considered as the output data. The model was evaluated by the performance indices for artificialneural networks, including the value account for (VAF), root mean square error (RMSE), and coefficient of determination(R2). For simulation, 10 models were created and evaluated. Finally, the best model, i.e. model No. 3, was selected with a4 × 3 × 1 structure, including 4 input neurons, 3 neurons in the hidden layer and 1 output neuron. The results obtained fromthe model’s performance indices show that a very appropriate prediction has been done for determining the production rateof the chain saw machine by artificial neural networks.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_CEJ-4-7_010 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/804123/

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:
Mohammadi, Javad and Ataei, Mohammad and Khalo Kakaei, Reza and Mikaeil, Reza,1397,Prediction of the Production Rate of Chain Saw Machine using the Multilayer Perceptron (MLP) Neural Network,https://civilica.com/doc/804123

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: (1397, Mohammadi, Javad؛ Mohammad Ataei and Reza Khalo Kakaei and Reza Mikaeil)
برای بار دوم به بعد: (1397, Mohammadi؛ Ataei and Khalo Kakaei and Mikaeil)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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: 8,052
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 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