متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی معدن

 

با عنوان :

 

در ادامه مطلب می توانید صفحات ابتدایی این پایان نامه را بخوانید

 

و در صورت نیاز به متن کامل آن می توانید از لینک پرداخت و دانلود آنی برای خرید این پایان نامه اقدام نمائید.

 

 

دانشگاه آزاد اسلامی
واحد تهران جنوب
دانشکده تحصیلات تکمیلی
پایان نامه برای دریافت درجه کارشناسی ارشد “M.Sc”
مهندسی معدن – استخراج

 

 : عنوان
پیشبینی خردایش سنگ ناشی از انفجار در معدن مس سرچشمه با استفاده از
عصبی شبکه

 

برای رعایت حریم خصوصی اسامی استاد راهنما و نگارنده درج نمی شود

تکه هایی از متن به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)
چکیده:
انفجار از مراحل اصلی در عملیات استخراج معدن است. از موارد اساسی جهت بهینه سازی عملیات انفجار
پیشبینی دقیق خردایش سنگ میباشد که باعث تنظیم عملیات بعدی مانند بارگیری، باربری،
سنگشکنی و آسیا کردن و جلوگیری از صرف هزینههای ثانویه در این زمینه میشود. پارامترهای

یک مطلب دیگر :

متعددی مانند خصوصیات تودهسنگ، خصوصیات ماده منفجره و مشخصات هندسی شبکه انفجار در
طراحی الگوی آتشباری و نتایج حاصل از آن تاثیرگذار هستند. برای رسیدن به خردایش بهینه و مینیمم
کردن اثرات سوء حاصل از انفجار (عقبزدگی، پرتاب سنگ و …)، ابتدا باید این عوامل تاثیرگذار تعیین و
سپس الگوی آتشباری بهینه بر مبنای این عوامل طراحی شود. در دو دهه گذشته پیشرفت خوبی در
توسعه تکنیکهای جدید در زمینه طراحی الگوی آتشباری و پیشبینی عملکرد آن صورت گرفته است.
این تکنیکها بیشتر شامل مدلهای کامپیوتری خبره میباشند که علاوه بر دقت لازم در طراحی، از
سرعت بالا و سهولت کاربرد نیز برخوردار هستند. در این تحقیق، خردایش سنگ معدن مس سرچشمه با
توسعه مدل شبکۀ عصبی مصنوعی، پیشبینی شده است. برای ساخت مدل، پارامترهایی نظیر نسبت
بردن به اسپیسینگ، قطر چال، طول گلگذاری، مجموع خرج بر تأخیر و انــدیس بار نقطه ای به عنوان

پایان نامه

پارامتر ورودی در نظر گرفتــــه شده است. مدل با معماری 9 -8 -5 -1 و با روش انتشار معکوس خطا
آموزش دید و نتیجۀ مطلوب را بدست آورد. برای تعیین کارایی شبکههای عصبی، روش آماری نیز مورد
2 استفاده قرار گرفت. ضریب همبستگی ( R)
و جذر متوسط مربعات خطا (RMSE) برای هر دو مدل
محاسبه شده که نشان از برتری مطلق شبکه عصبی نسبت به روش آماری داشت. در نهایت، آنالیز حساسیت
مدل شبکه عصبی با استفاده از روش میدان کسینوسی (CAM) انجام و میزان تأثیر هر کدام از
پارامترهای ورودی بر خروجی (خردایش) مشخص شد.
مقدمه
الگوی آتشباری معدن مس سرچشمه بر اساس روابط تجربی و فرمولهای سنتی طراحی شده است. از
طرفی این روابط و فرمولها برای یک نوع سنگ یا یک معدن تعریف نشدهاند، لذا ممکن است این روابط
برای توده سنگهای یک معدن سازگار نباشند. درمعدن مزبور نیز پس از انفجارهای بلوكها مشکلات
عدیده نظیـــر خردایش نا مناسب، پس زدگی، پرتاب سنگ، لرزش زمین، هوا و… بهوجود میآینــد که
ناشی از بهکارگیری این روابط میباشد. از طرفی تحقیقات انجام گرفته برای اصلاح الگوی معدن نیز، تا به
حال براساس روشهای سنتی بوده است. بنابـراین به نظر میرسد بهکارگیری یک تکنیک نویـن نـــرم
افزاری براساس تجربیات گذشته، در این زمینه ضروری باشد، تکنیک مـورد استفاده در این تحقیق
شبکههای عصبی مصنوعی میباشد.
شبکههای عصبی یکی از مؤلفههای مهم و اساسی هوش مصنوعی میباشد که ارتباط سیناپسی و
ساختار نرونی مغز را مدل می کنند. هوش مصنوعی به معنای استخراج هوش، دانش، الگوریتم یا نگاشت
از دل محاسبات عددی بر اساس ارائه بهروز دادههای عددی است. همچنین شیوه برخورد محاسباتی
شبکههای عصبی از سیستم عصبی موجودات زنده الهام گرفته شده است.
شبکۀ عصبی از طریق مثالهای آموزشی بین ورودی ها و خروجی ها ارتباط برقرار می کند یعنی با
دادن دادههای ورودی آموزشی و خروجیهای متناظر با آن، شبکه طبق الگوریتمهای خاصی فرآیند
یادگیری را طی کرده و در نهایت جوابهایی تولید میکند که اغلب صحیح بوده و با شرایط مسأله

دسته‌ها: Uncategorized

0 دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *