پیشبینی خردایش و دانه بندی حاصل از انفجار با استفاده از شبکه عصبی در معدن سنگ آهن چادرملو

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 پیشبینی خردایش و دانه بندی حاصل از انفجار با استفاده از شبکه عصبی در معدن سنگ آهن چادرملو دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیشبینی خردایش و دانه بندی حاصل از انفجار با استفاده از شبکه عصبی در معدن سنگ آهن چادرملو  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی پیشبینی خردایش و دانه بندی حاصل از انفجار با استفاده از شبکه عصبی در معدن سنگ آهن چادرملو،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیشبینی خردایش و دانه بندی حاصل از انفجار با استفاده از شبکه عصبی در معدن سنگ آهن چادرملو :

تعداد صفحات :۱۰

چکیده مقاله:

انفجار یکی از مراحل اصلی در عملیات استخراج معادن روباز است و هدف اصلی از انفجارهای تولیدی معادن، پیشبینی دقیق ابعاد خردایش سنگ ناشی از انفجار است که باعث تأثیر بر عملیات بعدی مانند بارگیری، باربری، سنگشکنی و آسیاکنی و جلوگیری از صرف هزینههای ثانویه در این زمینه میشود. پارامترهای متعددی مانند خصوصیات توده سنگ، خصوصیات ماده منفجره و مشخصات هندسی شبکه انفجار در طراحی الگوی انفجار و نتایج حاصل از آن تأثیرگذار هستند.برای رسیدن به خردایش بهینه و کمینه کردن اثرات سوء حاصل از انفجار )عقب زدگی، پرتاب سنگ و….( ابتدا باید اینعوامل تأثیرگذار تعیین و سپس الگوی انفجار بهینه بر مبنای این عوامل طراحی شود. در دو دهه گذشته پیشرفت خوبی در توسعه روشهای جدید درزمینهی طراحی الگوی انفجار و پیشبینی عملکرد آن صورت گرفته است. این روشها بیشترشامل روشهای محاسبات نرم است که علاوه بر دقت لازم در طراحی، از سرعتبالا و سهولت کاربرد نیز برخوردار هستند. در این تحقیق خردایش سنگ معدن آهن چادرملو با توسعه مدل شبکه عصبی، پیشبینیشده است. برای بررسی نتیجهحاصل از خردایش پارامترهایی نظیر خصوصیات توده سنگ )وزن مخصوص سنگ، حفاری ویژه(، خصوصیات ماده منفجره)خرج ویژه، وزن ماده منفجره در هر چال( و مشخصات هندسی شبکه انفجار )بارسنگ، فاصلهداری، نسبت بارسنگ به فاصلهداری( در نرمافزار ۱۲.version Alyuda NeuroIntelligence بهعنوان دادههای ورودی استفاده شد و خروجی نرمافزار ۸۰d در نظر گرفته شد و درنهایت با محاسبه پارامتر آماری ضریب تبیین ) ۲R (، کارایی شبکه عصبی موردبررسی قرار گرفت و درنتیجه شبکه با ساختار ۱ – ۳ – ۱۲ – ۸ – ۵ که ضریب تبیین ۰/۹۹ را نتیجه داد انتخاب شد که نشان از قابلیت اطمینان بیشتر شبکه عصبی نسبت به روشهای تجربی است.