غلامرضا سعیدی
علی بحری نجفی

ناپایداری کارگاه استخراج و اختلاط مواد معدنی با باطله از مهمترین فاکتورهایی هستند که باعث افزایش هزینه های مستقیم استخراج و فرآوری میگردند. این هزینه ها شامل هزینههای بارگیری، حمل ونقل، خاکریزی اضافی جهت پرکردن کارگاه، خردایش و پر عیارسازی میباشد. هدف در این مقاله کاربرد شبکه عصبی برای پیش بینی رقت زغال براساس یکسری پارامترهای ورودی است. ورودی ها،اطلاعات و داده های کارگاه های جبهه کار طولانی در منطقه های زغالی کرمان وطبسمی باشد، که شامل پارامترهای مربوط به لایه استخراجی(ضخامت، شیب، دگرسانی وتغییر، عمق)، روش برش واستخراج(انفجار،شیرر، پیکور)، کیفیت مربوط به سقف و کف کارگاه، شعاع هیدرولیکی می باشد. شبکه مورد استفاده از چهار لایه پنهان و سی و سه سری داده، آموزشداده شده است. الگوریتم آموزشپسانتشار و و تابع سیگموییدبهعنوان تابع تحریک استفاده شده است. شبکه توسط پنج سری داده مورد آزمایش قرار گرفت و ضریب همبستگی بالای 0/96 0 برای داده های آزمایشی بدست آمد که بیان کننده توانایی این شبکه در پیش بینی تخمین رقت زغال میباشد.

تخمین رقت، شبکه عصبی مصنوعی، معادن زغال سنگ،جبهه کار طولانی