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

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 857

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

SMEC10_018

تاریخ نمایه سازی: 6 بهمن 1395

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 12.version Alyuda NeuroIntelligence بهعنوان دادههای ورودی استفاده شد و خروجی نرمافزار 80d در نظر گرفته شد و درنهایت با محاسبه پارامتر آماری ضریب تبیین ) 2R (، کارایی شبکه عصبی موردبررسی قرار گرفت و درنتیجه شبکه با ساختار 1 - 3 - 12 - 8 - 5 که ضریب تبیین 0/99 را نتیجه داد انتخاب شد که نشان از قابلیت اطمینان بیشتر شبکه عصبی نسبت به روشهای تجربی است.

کلیدواژه ها:

خردایش حاصل از انفجار ، شبکه عصبی مصنوعی ، معدن سنگآهن چادرملو

نویسندگان

سعید نامجو

دانشجوی کارشناسی ارشد، دانشکده معدن و متالوژی، دانشگاه صنعتی امیرکبیر،

عباس آقاجانی بزازی

استادیار گروه معدن، دانشکده مهندسی، دانشگاه کاشان،

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :