متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی معدن

 

با عنوان : بهینه سازی الگوی آتشباری معدن سیمان تهران با استفاده از شبکه ها ی عصبی – فازی – ژنتیک

 

در ادامه مطلب می توانید صفحات ابتدایی این پایان نامه را بخوانید

 

و در صورت نیاز به متن کامل آن می توانید از لینک پرداخت و دانلود آنی برای خرید این پایان نامه اقدام نمائید.

 

دانشگاه آزاد اسلامی

 

واحد تهران جنوب

 

دانشکده تحصیلات تکمیلی

 

سمینار برای درجه کارشناسی ارشد

 

مهندسی معدن –استخراج

 

عنوان :

 

بهینه سازی الگوی آتشباری معدن سیمان تهران با استفاده از شبکه ها ی عصبی – فازی – ژنتیک

یک مطلب دیگر :

 

برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی شود

تکه هایی از متن به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)
چکیده:
در عملیات آتشباری ، هدف اصلی خردایش مناسب و جلوگیری از بروز پدیده های نامطلوب و
ناخواسته ناشی از انفجار شامل لرزش زمین ، انفجار هوا ، پرتاب سنگ و عقب زدگی میباشد .
برای رسیدن به یک عملیات آتشباری مطلوب ، ضروری است که عوامل و پارامتر های تاثیر گذار
براین پدیده مورد مطالعه قرار گیرند . به طور کلی عوامل تاثیر گذار بر عملیات آتشباری را می

پایان نامه

 

توان به دو گروه عمده پارامتر های قابل کنترل و پارامتر های غیر قابل کنترل تقسیم نمود . با
توجه به تعدد پارامتر های موثر در طراحی الگوی آتشباری ، روش های تجربی موجود از کارائی
خوبی برخوردار نمی باشند . علاوه برآن تاکنون رابطه ای به منظور ارائه الگویی مناسب برای
عملیات آتشباری در جهت داشتن خردایش مناسب و کاهش عقب زدگی ارائه نشده است . در
چنین شرایطی می توان از روش های هوش مصنوعی به طور موثری استفاده نمود .
در این پایان نامه سعی شده تا پارامتر های قابل کنترل در عملیات آتشباری در معادن آهک سیمان
تهران شامل ضخامت بار سنگ ، فاصله ردیفی چالها ، طول چال ها ، ضخامت گل گذاری ، خرج
ویژه و حفاری ویژه به گونه ای طراحی گردند تا میزان عقب زدگی به حداقل خود رسیده و خردایش
نیز در حد مطلوب باشد . برای بررسی خردایش 3 فاکتور D20,D50,D80 به وسیله نرم افزار
GoldSizeبرای تعداد 50 مرحله آتشباری تعیین گردید . در این راستا مدل های مختلفی با استفاده از
روش های شبکه عصبی ، سیستم استنتاج عصبی – فازی و شبکه عصبی – ژنتیک جهت پیش بینی عقب
زدگی و خردایش توسعه داده شد و از بین آنها بهترین مدل انتخاب گردید . همچنین در این مرحله نتایج
بدست آمده از هوش مصنوعی با روش های اماری مقایسه شد . از بین مدل های بدست امده ،مدل عصبی
– ژنتیک با کمترین خطا و بهترین دقت مناسب ترین مدل برای پیش بینی تعیین گردید . در مرحله بعد به

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...