پیشبینی مقاومت فشاری تک محوره تودهسنگ با استفاده از شبکه عصبی مصنوعی، مورد مطالعاتی: معدن سنگ آهن گلگهر
Publish place: international conference on civil engineering, architecture and Urban Sustainable Development
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 902
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCAU01_0339
تاریخ نمایه سازی: 29 تیر 1393
Abstract:
مقاومت فشاری تک محوره ) UCS1 ( یکی از پارامترهای مهم در تحلیل پایداری سازه های سنگی می باشد .جهت محاسبه مقاومت فشاری توده سنگ با توجه به معیار هوک و براون ابتدا میبایست مقاومت سنگ بکر رااز طریق آزمایش بدست آورد. تعیین مقاومت فشاری سنگ بکر بسیار وقت گیر و هزینه بر م باشد و گاه ی نتایج حاصل تا 222 درصد پراکندگی دارند. در این مقاله سعی شده است به وسیله یکی از روشهای هوشمندبه نام شبکه عصبی، UCS تودهسنگهای معدن شناره یک گلگهر بر طبق معیار هوک و براون پیش بینی شود. در این تحقیق از چگالی، شاخص کیفیت سنگ ) RQD2(، ضریب زبری و ضریب پرشدگی درزه ها بهعنوان پارامترهای ورودی و از UCS توده سنگ به عنوان پارامتر خروجی شبکه عصبی استفاده شده است. پارامترهای مذکور به وسیله محققین از روی مغزههای حفاری که از اعناق مختلف معدن گرفته شدهاند بدستآمده است. در نهایت شبکه عصبی ملل و با الگوریتم آموزش Levenberg-Marquardt ، توابع انتقال logsig-logsig-purelin تعداد دو لایه پنهان و یک لایه خروجی و به ترتی تعداد نرونهای 35و25و1 در لایههای مورد نظر بدست آمده است. این شبکه جذر میانگین مربعات خطای0/05و0/1و0/7 وضریب همبستگی 0/98و0/95و0/96 را به ترتی برای داده های آموزش، آزمون و کل دادهها حاصل کرده است.
Keywords:
Authors
شهرام اسکندری نسب
دانشجوی کارشناسی ارشد مکانیک سنگ، دانشگاه شهید باهنر کرمان، پژوهشگر پژوهشکده سنگ آهن و فولاد،
مجید غیاثی
دانشجوی کارشناسی ارشد استخراج معدن، دانشگاه شهید باهنر کرمان، پژوهشگر پژوهشکده سنگ آهن و فولاد،
محمدحسین پناهی
دانشجوی کارشناسی ارشد مکانیک سنگ، دانشگاه شهید باهنر کرمان، پژوهشگر پژوهشکده سنگ آهن و فولاد،
اسحاق پورزمانی
کارشناس ارشد دفتر نظارت طراحی شرکت سنگ آهن گل گهر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :