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
پیش بینی عقب زدگی ناشی از انفجار در معدن مس سونگون به روش عصبی فازی
چکيده عقب زدگی يکی از عوارض نامطلوب در انفجارهای معدن مس سونگون میباشد. قدم اول برای کنترل اين پديده ناخواستهشناخت پارامترهای موثر بر آن و ساخت مدلی برای پيش بينی آن به وسيله پارامترهای موثر است. برای پيشبينیعقب زدگی معدن سونگون از روش عصبی فازی، - ANFIS به عنوان يکی از قدرتمندترين روشهای هوش مصنوعی استفادهشده است. همچنين جهت بررسی کارايی مدل نسبت به ساير روشها، مدلهای رگرسيون چند متغيره و شبکه عصبیمصنوعی نيز جهت مقايسه ساخته شدند. دادههای لازم جهت مدلسازی از بررسی 88 سايت انفجاری معدن سونگونبدست آمد. 9 پارامتر به عنوان ورودی مدلها و عقب زدگی به عنوان خروجی مدلهای مذکور تعيين شدند. نتايج حاصل بااستفاده از دادههای آزمون مورد ارزيابی قرار گرفت. ضريب همبستگی و جذر مجموع مربعات خطای حاصل از ارزيابی به1 و در نهايت مدل / 0 و 83 / 3 ، برای مدل شبکه عصبی مصنوعی برابر 88 / 0 و 12 / ترتيب برای مدل رگرسيون برابر 22ANFIS 1بدست آمد. تحليل حساسيت انجام شده روی پارامترهای ورودی مدل / 0 و 22 / برابر 93 ANFIS نشان دهنده اينبود که مقدار خرج ويژه، طول گل گذاری، عمق چال، مقدار بار سنگ و حفاری ويژه به ترتيب بيشترين تاثير را در پيشبينیمقدار عقبزدگی دارند.
واژه های کليدی:
روش عصبی فازی . شبکه عصبی مصنوعی . عقب زدگی . معدن مس سونگون . ANFIS
سومین کنفرانس معادن روباز ایران (1394)
برای دانلود به ادامه مطلب بروید
پیش بینی عقب زدگی ناشی از انفجار در معدن مس سونگون به روش عصبی فازی
چکيده عقب زدگی يکی از عوارض نامطلوب در انفجارهای معدن مس سونگون میباشد. قدم اول برای کنترل اين پديده ناخواستهشناخت پارامترهای موثر بر آن و ساخت مدلی برای پيش بينی آن به وسيله پارامترهای موثر است. برای پيشبينیعقب زدگی معدن سونگون از روش عصبی فازی، - ANFIS به عنوان يکی از قدرتمندترين روشهای هوش مصنوعی استفادهشده است. همچنين جهت بررسی کارايی مدل نسبت به ساير روشها، مدلهای رگرسيون چند متغيره و شبکه عصبیمصنوعی نيز جهت مقايسه ساخته شدند. دادههای لازم جهت مدلسازی از بررسی 88 سايت انفجاری معدن سونگونبدست آمد. 9 پارامتر به عنوان ورودی مدلها و عقب زدگی به عنوان خروجی مدلهای مذکور تعيين شدند. نتايج حاصل بااستفاده از دادههای آزمون مورد ارزيابی قرار گرفت. ضريب همبستگی و جذر مجموع مربعات خطای حاصل از ارزيابی به1 و در نهايت مدل / 0 و 83 / 3 ، برای مدل شبکه عصبی مصنوعی برابر 88 / 0 و 12 / ترتيب برای مدل رگرسيون برابر 22ANFIS 1بدست آمد. تحليل حساسيت انجام شده روی پارامترهای ورودی مدل / 0 و 22 / برابر 93 ANFIS نشان دهنده اينبود که مقدار خرج ويژه، طول گل گذاری، عمق چال، مقدار بار سنگ و حفاری ويژه به ترتيب بيشترين تاثير را در پيشبينیمقدار عقبزدگی دارند.
واژه های کليدی:
روش عصبی فازی . شبکه عصبی مصنوعی . عقب زدگی . معدن مس سونگون . ANFIS
سومین کنفرانس معادن روباز ایران (1394)گ
بلافاصله پس از پرداخت هزینه لینک دانلود توسط سیستم فعال و در اختیار شما قرار می گیرد و یک کد رهگیری جهت پیگیری احتمالی درخواست، به شما داده می شود. همچنین بعد از چند ثانیه به صفحه مورد نظر جهت دریافت مقاله انتقال داده خواهید شد.
عضو شوید
عضویت سریع
آمار مطالب
آمار بازدید
