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 قابلیت برش اره گروهی با رویکرد شبکه عصبی مصنوعی (مطالعه موردی: سنگبری پاسارگاد بیرجند)

سال انتشار: 1397
کد COI مقاله: NCMME01_011
زبان مقاله: فارسیمشاهد این مقاله: 173
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 پیش بینی قابلیت برش اره گروهی با رویکرد شبکه عصبی مصنوعی (مطالعه موردی: سنگبری پاسارگاد بیرجند)

امیر سودخواه - دانشجوی کارشناسی ارشد مهندسی معدن، دانشگاه زنجان
فرهاد صمیمی نمین - استادیار گروه مهندسی معدن دانشگاه زنجان
رضا روکی - استادیار گروه مهندسی معدن دانشگاه صنعتی بیرجند

چکیده مقاله:

عمر مفید سگمنت های اره گروهی در سودآوری کارخانه های سنگبری از اهمیت بالایی برخوردار است. پارامترهای مکانیک سنگی از مهم ترین عوامل تاثیرگذار در عمر سگمنت اره گروهی است که کمتر مورد توجه قرار گرفته است. در این تحقیق برای بررسی تاثیر پارامترهای مکانیک سنگی بر عمر مفید اره گروهی، کارخانه برش سنگ پاسارگادبیرجند به عنوان مورد مطالعاتی انتخاب شده است. در ادامه پارامترهای رفتاری و فیزیکی سنگ و عمر مفید سگمنت برداشت و ارتباط بین این پارامترها و عمر سگمنت با استفاده از شبکه عصبی مصنوعی مدلسازی شد. در مرحله برداشت اطلاعات، چهل نمونه در 4 نوع سنگ ساختمانی و نما شامل مرمر، مرمریت آرک، تراورتن و تراونیکس انتخاب و عمر مفید سگمنت، سختی چکش اشمیت، تعداد درزه ها، مقاومت فشاری تک محوره، مقاومت کششی، چگالی و ضریب جذب آب نمونه ها برداشت شد. در مدلسازی شبکه عصبی مصنوعی از روش رو به جلو Entered استفاده شد. در شبکه عصبی 15 درصد داده ها برای صحت سنجی و 15 درصد دیگر برای تست و 70 درصد باقیمانده برای آموزش در نظر گرفته شد. نزدیکی ضریب همبستگی مدل ساخته شده به عدد یک نشانگر آن می باشد که شبکه عصبی به خوبی آموزش دیده و درصد خطای میان داده های واقعی و داده های پیشنهاد شده توسط شبکه عصبی بسیار کم می باشد.

کلیدواژه ها:

شبکه عصبی مصنوعی، عمر سگمنت اره گروهی، سنگ ساختمانی و نما، سنگ بری پاسارگاد بیرجند.

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/860586/

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:
سودخواه، امیر و صمیمی نمین، فرهاد و روکی، رضا،1397،پیش بینی قابلیت برش اره گروهی با رویکرد شبکه عصبی مصنوعی (مطالعه موردی: سنگبری پاسارگاد بیرجند)،اولین کنفرانس ملی مدلسازی در مهندسی معدن،قزوین،،،https://civilica.com/doc/860586

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، سودخواه، امیر؛ فرهاد صمیمی نمین و رضا روکی)
برای بار دوم به بعد: (1397، سودخواه؛ صمیمی نمین و روکی)
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: 8,516
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