ارائه مدلی به روش ماشین بردار پشتیبان با هدف دستیابی به خردایش مطلوب حاصل از عملیاتآتشباری در معادن روباز
Publish place: International Conference on Civil Engineering , Architecture and urban infrastructure
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 500
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICICA01_0009
تاریخ نمایه سازی: 27 اسفند 1394
Abstract:
اصلیترین هدف کاربرد مواد منفجره در معادن، خردکردن تودهسنگ به ابعاد مطلوب با کمترین هزینه است. مطالعه بر روی خردشدگی و اندازه قطعات حاصل از هر انفجار، کاهش هزینههای انفجار را در مراحل بعدی آتشباری در بر خواهد داشت. حفاری و انفجار تقریباً 30 درصد کل هزینه های عملیاتی در معادن روباز را شامل میشود که این مقدار درصورتایجاد قطعات بزرگ سنگ و با توجه به نیاز به انفجارهای ثانویه تا 50 درصد نیز افزایش مییابد. انفجار خوب تنها موجب کاهش هزینههای مربوط به انفجار های ثانویه نمیشود بلکه از دیگر پیامدهای یک انفجار خوب میتوان به کاهش آسیبهای محیط زیستی، اجرای آسان مراحل بعد از انفجار یعنی بارگیری، باربری و مراحل خردایش و فرآوری اشاره کرد. هدف اصلی این مقاله، ارائه مدلی برای پیش بینی خردایش سنگ در عملیات آتشباری معدن گرانیت Ulu Tiram با استفاده از پارامترهای ورودی مدل شامل قطرچال، عمق چال، خرج هر تأخیر، نسبت بارسنگ به فاصله جناحی، خرج ویژه، گلگذاری، چگالی سنگ، اضافه حفاری و عامل خردایش به عنوان تنها پارامتر خروجی است. با توجه به موارد فوق پیشنهاد مدلی برای پیش بینی ابعاد سنگ خرد شده بسیار مهم است و نتایج حاصل از آن میتواند بسیار سودمند باشد. در این پژوهش با استفاده از روش ماشین بردار پشتیبان به عنوان یکی از روشهای یادگیری با نظارت در حل مسائل رگرسیون و طبقهبندی، مدلی برای تعیین پارامترهای مؤثر بر خردایش معدن گرانیت مورد نظر ارائه گردیده است.
Keywords:
Authors
احسان پیرهادی
دانشجوی کارشناسی ارشد مهندسی معدن، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران
هادی حمیدیان
گروه مهندسی معدن، واحد قائمشهر، دانشگاه آزاد اسلامی قائمشهر، ایران
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 :