طراحی محدودۀ بهینه نهایی در معادن روباز با روش مخروط شناور دو و مقایسۀ آن با روش لرچ و گروسمن
Publish place: Iranian Mining Engineering Conference
Publish Year: 1383
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,474
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IMEC01_060
تاریخ نمایه سازی: 14 اسفند 1384
Abstract:
قبل از استخراج مواد معدنی به روش روباز، لازم است که اندازه و شکل نهایی معدن به منظور تعیین میزان ذخیره قابل استخراج و میزان باطله برداری و همچنین تعیین محل سد باطله و دیگر
تاسیسات سطحی، طراحی شود. محدودۀ معدن تابع پارامترهای مختلفی می باشد که ممکن است در طول عمر معدن، بدلیل تغییر این پارامترها چندین بار بازنگری شود. بنابر این استفاده از کامپیوتر
برای طراحی مجدد در کوتاهترین زمان ممکن ضروری است. پس از اختراع کامپیوتر و استفاده همه جانبه آن، الگوریتمهای مختلفی نظیر روش مخروط شناور، روش گراف تئوری لرچ و گروسمن و . . . جهت طراحی محدودۀ بهینه نهایی معرفی شده است. از میان این الگوریتمها، روش گراف تئوری لرچ و گروسمن تنها روشی است که قادر است محدودۀ بهینه واقعی را در تمام مدلها محاسبه نماید. پیچیدگی این روش و نیاز به وقت کامپیوتری بالا جهت حصول به جواب از معایب روش مذکور می باشد. روش مخروط شناور به دلیل اینکه در مدت زمان کمتری قادر است محدودۀ بهینه را
محاسبه نماید و همچنین به دلیل سادگی، از سایر الگوریتمها بیشتر استفاده می شود. این الگوریتم در بعضی از حالات قادر به تعیین محدودۀ بهینه نیست. به همین دلیل روش مخروط شناور دو برای
بر طرف نمودن بعضی از معایب روش مذکور توسط رایت ارائه و ادعا شده است که این روش قادر به تعیین محدودۀ بهینه واقعی می باشد. در این مقاله روش مخروط شناور دو برای بهینه بودن، مورد بررسی قرار گرفته شده است. برای این منظور یک برنامه کامپیوتری به زبان برنامه نویسی C++ تهیه شد و کارائی روش مذکور برای مدلهای مختلف بررسی و نتایج آن با نتایج حاصل از روش گراف تئوری لرچ و گروسمن مقایسه گردید.
Keywords:
Authors
رحمان خالوکاکائی
دانشکده مهندسی معدن و ژئو فیزیک دانشگاه 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 :