پایان نامه کارشناسی ارشد معدن بهینه سازی الگوی آتشباری معدن سیمان تهران با استفاده از شبکه های عصبی - فازی ژنتیک

اختصاصی از فی ژوو پایان نامه کارشناسی ارشد معدن بهینه سازی الگوی آتشباری معدن سیمان تهران با استفاده از شبکه های عصبی - فازی ژنتیک دانلود با لینک مستقیم و پر سرعت .

این محصول در قالب  پی دی اف و 105 صفحه می باشد.

این پایان نامه جهت ارائه در مقطع کارشناسی ارشد رشته مهندسی معدن-استخراج طراحی و تدوین گردیده است . و شامل کلیه مباحث مورد نیاز پایان نامه ارشد این رشته می باشد.نمونه های مشابه این عنوان با قیمت های بسیار بالایی در اینترنت به فروش می رسد.گروه تخصصی ما این پایان نامه را با قیمت ناچیزی جهت استفاده دانشجویان عزیز در رابطه با منبع اطلاعاتی در اختیار شما قرار می دهند. حق مالکیت معنوی این اثر مربوط به نگارنده است. و فقط جهت استفاده ازمنابع اطلاعاتی و بالابردن سطح علمی شما در این سایت ارائه گردیده 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

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

منظور بهنیه سازی پارامتر های ورودی مدل مذکور الگوریتم ژنتیک به کار گرفته شد و بدین ترتیب الگوی

بهینه آتشباری ارائه شد . بر مبنای این مدل ضخامت بار سنگ 3/5 متر ، فاصله ردیفی چال ها 3 متر ، ارتفاع

چال ها 14 متر ، ضخامت گل گذاری 2 متر ، خرج ویژه 14 کیلوگرم بر متر مکعب و حفاری ویژه 0.2 متر بر متر

مکعب پیشنهاد گردید.