پس از انتخاب کلید عضویت در انتهای صفحه جدیدی که باز خواهد شد، اطلاعات خود را تکمیل و عضویت خود را تایید نمایید
درباره وب سايت
مرجع آموزش زمین شناسی، سنجش از دور، معدن و عمران
جامع ترین و معتبرترین آموزش برای نرم افزار های زمین شناسی، مهندسی معدن، ژئومکانیک (مکانیک سنگ و ژئوتکنیک)، عمران (خاک و پی)
............................................
رزومه مدرسان:دانشجویان کارشناسی ارشد و دکترا رشته های مهندسی معدن و عمران دانشگاه صنعتی امیرکبیر (پلی تکنیک) تهران
جهت آموزش حضوری و غیر حضوری (آنلاین و تهیه فیلم آموزشی) نرم افزار ها با شماره های زیر تماس حاصل فرمایید............................................
09157330367-09381295869 اسمعیلی-مدیریت وبسایت........ ................................................ در صورتی که موفق نشدید با شماره های فوق تماس حاصل فرمایید از طربق ایمیل زیر نیز می توانید در خواست خودتان را مطرح نمایید.......................................
raminesmaeili68@gmail.com
...................این سایت در ستاد ساماندهی پایگاه های اینترنتی به ثبت رسیده است و تمامی محصولات و خدمات این سایت حسب مورد دارای مجوز های لازم از مراجع مربوطه می باشد. همچنین فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است
خبرنامه
براي اطلاع از آپيدت شدن وبلاگ در خبرنامه وبلاگ عضو شويد تا جديدترين مطالب به ايميل شما ارسال شود
اولین پکیج آموزشی کنکور دکتری مکانیک سنگ معدن (+پاسخ تشریحی سوالات 11 دوره اخیر کنکور) خرید آنلاین بیش از 55 ساعت فیلم آموزشی و دانلود بلافاصله پس از خرید
کاربرد شبکه های عصبی در تخمین عقب زدگی ناشی از انفجار در معادن روباز مطالعه موردی درمعدن باغک از معادن سنگ آهن سنگان
چکیده عقب زدگی اثر جانبی ناخواسته عملیات انفجار در معادن روباز است. این پدیده می تواند باعث ناپایداری دیواره هایمعدن، سقوط ماشین آلات، خردایش ضعیف و ترقیق بالاشود. هدف این مقاله مقایسه و انتخاب مناسب ترین شبکه ازبینشبکه های عصبی MLP ، RBF و Elman جهتتخمین عقب زدگی ناشی از انفجار می باشد. برای این امر، پایگاه دادهای متشکل از 50 انفجار انجام شده در معدن باغک از معادن سنگ آهن سنگان تهیه شد. در این پایگاه داده، پارامترهاینسبت فاصله ردیفی چال به بارسنگ، ضریب سفتی، طول انسدادچال، خرج ویژه، چگالی سنگ و مقاومت فشاری تکمحوره سنگ ها به عنوان پارامترهای ورودی و عقب زدگی به عنوان تنها پارامتر خروجی است. ارزیابی مدلهای ساختهشده نشان داد که، هر سه شبکه در تخمین عقب زدگی از اقبال مطلوبی برخوردار بودهاند. اما شبکهی عصبی MLP درتخمین عقب زدگی از عملکرد مطلوبی نسبت به RBF و Elman برخوردار بوده است. البته شبکهی RBF از ساختار سادهو آموزش سریع نسبت به شبکههای عصبی MLP و Elman است.
واژه های کلیدی:
آتشکاری . شبکه های عصبی مصنوعی . عقب زدگی . معدن سنگ آهن سنگان
بررسی و پیش بینی میزان سرمته مصرفی در عملیات چالزنی و آتشباری به تفکیک نوع سنگ
پیش بینی مواد و تجهیزات مورد نیاز اولین گام جهت برنامه ریزی برای فعالیت های آتی معدن می باشد. سرمته یکی از اقلام اساسی مورد نیاز در عملیات رایج چالزنی و آتشباری جهت استخراج معدن است. میزان مصرف سرمته به خواص سنگ وابسته بوده و با تغییرات جنس سنگ بشدت تغییر می کند . در این مقاله به بررسی میزان مصرف سرمته در سنگ های محدوده معادن اصلی معدن سنگ آهن سنگان پرداخته می شود. این بررسی بر روی سرمته های مصرفی با قطر 5 / 3 اینچ در پروژه آماده سازی و ایجاد راه های دسترسی به توده های معدنی انجام شد که مجموعا بالغ بر 100 سرمته در سال 1388 می باشد. با انجام مطالعات اولیه، سنگ های نادر محدوده معدن با سنگ های شاخص جایگزین گردید. در مراحل بعد با مطالعه و بررسی مقادیر مصرف سرمته، بین میزان مصرف سرمته در سنگ های مختلف روابطی برقرار شد . با مشخص شدن روابط حفاری در سنگ های محدوده معدن، حد بالا و پایین مصرف سرمته برای سنگ های مختلف بدست می آید. در این مرحله با در نظر گرفتن کلیه داد ههای موجود یک رابطه کالیبره شده، حاصل و رابطه میزان مصرف سرمته بین کلیه سنگ های دربرگیرنده معدن بدست می آید. در نهایت مشخص شد که میزان مصرف سرمته بترتیب در سنگ های کنگلومرا، سیل تاستون، ریوداسیت، مگنتیت و هماتیت افزایش می یابد. بدین ترتیب با استفاده از مدل بلوکی حاصل از حفر گمانه های اکتشافی و حجم هر سنگ می توان نیاز به سرمته جهت حفاری و آتشباری را در دوره های زمانی مختلف تخمین و برنام هریزی لازم را انجام داد.
این سایت در ستاد ساماندهی پایگاه های اینترنتی به ثبت رسیده است و تمامی محصولات و خدمات این سایت حسب مورد دارای مجوز های لازم از مراجع مربوطه می باشد همچنین فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران می باشد.
عضو شوید
عضویت سریع
آمار
مطالب
آمار بازدید
