تخمین اندیس سایش سرشار با استفاده از پارامترهای زمین شناسی سنگ به کمک شبکه های عصبی مصنوعی

فرزاد ستوده; محمد عطایی

تخمین اندیس سایش سرشار با استفاده از پارامترهای زمین شناسی سنگ به کمک شبکه های عصبی مصنوعی

Publish place: 1st National Conference on Soil Mechanics and Foundation Engineering

Publish Year: 1393

Type: Conference paper

Language: Persian

This Paper With 8 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

هوش مصنوعی > شبکه عصبی

Export:

Link to this Paper:

https://civilica.com/doc/332872

Document National Code:

SMFE01_545

Index date: 4 February 2015

تخمین اندیس سایش سرشار با استفاده از پارامترهای زمین شناسی سنگ به کمک شبکه های عصبی مصنوعی abstract

در سال های اخیر استفاده از ماشین های تونل سازی در پرژوه های معدنی و عمرانی بیشتر شده و به اهمیت آن افزوده می شود. هزینه عملیاتی بالا و استهلاک زیاد تجهیزات حفاری باعث شده است که توجه زیادی به سایندگی سنگ داشت. از میان روش های ارزیابی سایندگی سنگ ها، اندیس سایش سرشار به دلیل مزایای ویژه ای که نسبت به دیگر روش ها دارد، توجه بسیاری از متخصصین و فعالان بخش صنعت حفاری را به خود جلب کرده است. آزمایش سایش سرشار بطور اتوماتیک اثر ترکیبی سختی و تماس کانی های ساینده، اندازه دانه و خصوصیات مواد چسبنده بین کانی ها را با آنچه در واقعیت حفاری وجود دارد، اندازه گیری می کند. لذا با استفاده از اندیس سایش سرشار می توان مصرف ابزارهای برشی برای رودهدر و TBM را برآورد کرد. در این مقاله با استفاده از داده های ثبت شده در منطقه Zonguldak در کشور ترکیه، مدلسازی شبکه عصبی جهت تخمین اندیس سایش سرشار صورت گرفته است. نتایج حاکی از توانایی شبکه های عصبی جهت تخمین اندیس سایش سرشار و ارتباط دادن آن به مصرف ابزارهای برشی است.

تخمین اندیس سایش سرشار با استفاده از پارامترهای زمین شناسی سنگ به کمک شبکه های عصبی مصنوعی Keywords:

حفاری , سایندگی , اندیس سرشار , شبکه عصبی مصنوعی , TBM

تخمین اندیس سایش سرشار با استفاده از پارامترهای زمین شناسی سنگ به کمک شبکه های عصبی مصنوعی authors

فرزاد ستوده

دانشجوی کارشناسی ارشد مهندسی معدن، دانشگاه صنعتی شاهرود

محمد عطایی

استاد دانشکده مهندسی معدن، دانشگاه صنعتی شاهرود

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 :

همزبان قراملکی، م.ت. (1392)، _ توسعه آزمایش سرشار به منظور ...

منهاج، محمدباقر، هوش محاسباتی (جلد اول: بنی شبکه‌های عصبی)، انتشارات ...

Valantin, A. (1973), _ Cerchar pour la mesure de la ...

ASTM D7625-10 ASTM (2010), "Standard test method fr laboratory determination ...

Sotoudeh, F. Hamzaban, M.T. Memarian, H. Roatami, J. (2014), "Improvement ...

M ichalakopoulos, TN. Anagnostou, VG. Bassanou, ME. Panagiotou, GN. (2006), ...

Yarali, O. Yasar, E. Bacak, G. Ranjith, P.G. (2008), _ ...

Rostami, J. Ozdemir, L. Bruland, A. Dahl, F. (2005), "Review ...

Fausett, L. (1994), "Fundamentas of Neural Networks _ Architectures, Algorithms ...

نمایش کامل مراجع