با عنوان : بهینه سازی الگوی آتشباری معدن سیمان تهران با بهره گیری از شبکه ها ی عصبی – فازی – ژنتیک

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.

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید                     

دانشگاه آزاد اسلامی

واحد تهران جنوب

دانشکده تحصیلات تکمیلی

سمینار برای درجه کارشناسی ارشد

مهندسی معدن –استخراج

عنوان :

بهینه سازی الگوی آتشباری معدن سیمان تهران با بهره گیری از شبکه ها ی عصبی – فازی – ژنتیک

 

برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی گردد

تکه هایی از متن به عنوان نمونه :

(ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل می باشد)

 

چکیده:

در عملیات آتشباری ، هدف اصلی خردایش مناسب و جلوگیری از بروز پدیده های نامطلوب و

ناخواسته ناشی از انفجار شامل لرزش زمین ، انفجار هوا ، پرتاب سنگ و عقب زدگی میباشد .

برای رسیدن به یک عملیات آتشباری مطلوب ، ضروری می باشد که عوامل و پارامتر های تاثیر گذار

براین پدیده مورد مطالعه قرار گیرند . به گونه کلی عوامل تاثیر گذار بر عملیات آتشباری را می

توان به دو گروه عمده پارامتر های قابل کنترل و پارامتر های غیر قابل کنترل تقسیم نمود . با

در نظر داشتن تعدد پارامتر های موثر در طراحی الگوی آتشباری ، روش های تجربی موجود از کارائی

خوبی برخوردار نمی باشند . علاوه برآن تاکنون ارتباط ای به مقصود ارائه الگویی مناسب برای

عملیات آتشباری در جهت داشتن خردایش مناسب و کاهش عقب زدگی ارائه نشده می باشد . در

چنین شرایطی می توان از روش های هوش مصنوعی به گونه موثری بهره گیری نمود .

در این پایان نامه کوشش شده تا پارامتر های قابل کنترل در عملیات آتشباری در معادن آهک سیمان

تهران شامل ضخامت بار سنگ ، فاصله ردیفی چالها ، طول چال ها ، ضخامت گل گذاری ، خرج

ویژه و حفاری ویژه به گونه ای طراحی گردند تا میزان عقب زدگی به حداقل خود رسیده و خردایش

نیز در حد مطلوب باشد . برای مطالعه خردایش 3 فاکتور D20,D50,D80 به وسیله نرم افزار

GoldSizeبرای تعداد 50 مرحله آتشباری تعیین گردید . در این راستا مدل های مختلفی با بهره گیری از

روش های شبکه عصبی ، سیستم استنتاج عصبی – فازی و شبکه عصبی – ژنتیک جهت پیش بینی عقب

زدگی و خردایش توسعه داده گردید و از بین آنها بهترین مدل انتخاب گردید . همچنین در این مرحله نتایج

بدست آمده از هوش مصنوعی با روش های اماری مقایسه گردید . از بین مدل های بدست امده ،مدل عصبی

شما می توانید تکه های دیگری از این مطلب را در شماره بندی انتهای صفحه بخوانید              

– ژنتیک با کمترین خطا و بهترین دقت مناسب ترین مدل برای پیش بینی تعیین گردید . در مرحله بعد به

مقصود بهنیه سازی پارامتر های ورودی مدل مذکور الگوریتم ژنتیک به کار گرفته گردید و بدین ترتیب الگوی

بهینه آتشباری ارائه گردید . بر مبنای این مدل ضخامت بار سنگ 3/5 متر ، فاصله ردیفی چال ها 3 متر ، ارتفاع

چال ها 14 متر ، ضخامت گل گذاری 2 متر ، خرج ویژه 14 کیلوگرم بر متر مکعب و حفاری ویژه 0.2 متر بر متر

مکعب پیشنهاد گردید.

تعداد صفحه :105

قیمت : شش هزار تومان

***

—-

پشتیبانی سایت :        ———-        serderehi@gmail.com

دیدگاهتان را بنویسید