پایان‌نامه

پیش بینی الگوی آتشباری در معدن مس سرچشمه با استفاده از سیستم فازی

چکیده

خرد شدگی مطلوب سنگ مهم ترین هدف عملیات آتشباری در معادن روباز می باشد، زیرا در این صورت می توان هزینه های تولید را به طور قابل ملاحظه ای کاهش داد. تا کنون روش های تجربی زیادی برای پیش بینی خردایش سنگ ناشی از انفجار پیشنهاد شده است ولی این روش ها از دقت کافی برخوردار نمی باشند. در سال های اخیر، استفاده از روش های هوش مصنوعی به ویژه سیستم فازی برای شبیه سازی عملیات آتشباری و پیش بینی خردایش، بسیار رایج شده است. در این تحقیق با استفاده از سیستم فازی مدلی برای پیش بینی خردایش در عملیات آتشباری معدن مس سرچشمه ارائه شده است. جهت ساخت مدل پیشنهادی، طی چهارده ماه فعالیت میدانی، یک بانک اطلاعاتی شامل مشخصات الگوهای آتشباری و خصوصیات سنگ های معدن تهیه گردید و بر اساس آن پایگاه قواعد فازی ایجاد شد. همچنین روش آنالیز تصویری برای تعیین کیفیت خردایش به کار گرفته شد. ضخامت بار سنگ، فاصله ردیفی، قطر چال ها، طول گل گذاری، خرج ویژه، عدد اشمیت و فاصله داری درزه پارامترهای ورودی مدل جهت پیش بینی خردایش به عنوان تنها خروجی مدل در نظر گرفته شدند. برای ارزیابی عملکرد سیستم فازی، یک مدل ریاضی نیز با استفاده از روش رگرسیون چند متغیره جهت تعیین رابطه پارامترهای ورودی و خروجی ارائه شد. ارزیابی عملکرد این دو روش با استفاده از شاخص های آماری ضریب تصمیم گیری، جذر متوسط مربعات خطا و واریانس محاسبه شده خطاها بین خردایش پیش بینی شده و اندازه گیری شده (واقعی) صورت پذیرفت. بر اساس نتایج به دست آمده کارایی مدل هوشمند فازی با ضریب تصمیم گیری 92/. بسیار بالاتر از مدل رگرسیونی می باشد. در پایان، آنالیز حساسیت مدل فازی برای مشخص شدن میزان تأثیر پارامتر های ورودی بر روی پارامتر خروجی صورت گرفت و مشخص گردید که به ترتیب عدد اشمیت و فاصله داری درزه بیشترین و کمترین تاثیر را بر خردایش سنگ دارا می باشند.

اساتید راهنما و مشاور

مسعود منجزی، وحید جوهری مجد

پایان‌نامه‌های مشابه

  • پیش بینی الگوی آتشباری معدن سنگ آهن چادرملو با استفاده از شبکه های عصبی

    پایان‌نامه۲۰۱۰وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده فنی مهندسیذبیح اله احمدی

    در این تحقیق میزان خردایش و عقب زدگی ناشی از عملیات آتشباری معدن سنگ آهن چادرملو بوسیله ی شبکه عصبی مصنوعی تخمین زده شده است. به منظور ساخت مدل شبکه عصبی اطلاعات مربوط به 87 سری بلوک انفجاری مورد استفاده قرار گرفت. سپس تعداد 10 پارامتر به عنوان ورودی شبکه و میزان خردایش و عقب زدگ

  • پیش بینی جریان روزانه رودخانه با استفاده از سیستم استنتاج فازی (مطالعه موردی: حوضه آبریز لیقوان چای)

    پایان‌نامه۲۰۱۰وزارت علوم، تحقیقات و فناوری - دانشگاه علوم کشاورزی و منابع طبیعی گرگان - دانشکده علوم کشاورزیمرتضی نبی زاده

    رودخانه ها، بخش عمده و قابل توجهی از منابع آب کشورمان را تشکیل می دهند. رشد میزان مصرف آب از یک سو و محدودیت این منابع حیاتی از سویی دیگر، نیاز به مدیریت بهره برداری از این منابع را بیش از پیش، آشکار می سازد. در سال های اخیر استفاده از تئوری مجموعه های فازی جهت مدل سازی پدیده های

  • بهینه سازی الگوی آتشباری معدن سنگ آهن سنگان با استفاده از روش ترکیبی عصبی- فازی

    پایان‌نامه۲۰۱۰وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده فنی مهندسیسید محمد هاشمی ریزی

    یکی از مهمترین فعالیت های مرتبط با استخراج مواد معدنی، عملیات حفاری و انفجار است. در این راستا خردایش مناسب سنگ و کاهش عوارض جانبی پس از انفجار از اهمیت بالایی برخوردار است. عدم طراحی دقیق و حتی اجرای نامناسب الگو، موجب عدم دسترسی به اهداف مورد نظر می گردد. بنابراین در طراحی یک ا

  • پیش بینی نرخ بازگشت سرمایه با استفاده از سیستم عصبی فازی با نگرش ویژه به صنعت سیمان

    پایان‌نامه۲۰۱۰وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرسحدیث سپهوند

    چکیده سیمان یکی از صنایع راهبردی است که نقش مهمی را در توسعه اقتصادی و عمران ملی ایفا می-کند و در جهان امروز، وسیع ترین سطح تولید را در بین سایر صنایع به خود اختصاص داده است. سیمان از پر مصرف ترین فرآورده های صنعتی در جهان می باشد و امروزه به عنوان یک کالای آینده-ساز، پیش نیاز تو

  • انتخاب الگوی آتشباری معدن سنگ آهن گل گهر با استفاده از روشهای mcdm

    پایان‌نامه۲۰۱۱وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده فنیاشکان مختاری

    عملیات آتشکاری با توجه به تأثیرگذاری بر سایر بخش های فرآیند استخراج مواد معدنی (بارگیری، باربری و سنگ شکنی) از اهمیت بسزائی برخوردار می باشد. در این عملیات ملاک ارزیابی علاوه بر دست یابی به خردایش مورد نظر، کاهش پدیده های نامطلوب از جمله عقب زدگی و پرتاب سنگ می-باشد. الگوهای طراح

  • پیش بینی قیمت اختیار معاملات با استفاده از شبکه فازی عصبی

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشکده علوم اقتصادی - دانشکده مدیریت و حسابداریمریم قندهاری

    استفاده از اختیارهای معامله در بهبود مدیریت ریسک و انتخاب سبد سرمایه گذاری تأثیر به سزایی دارد. بازار اختیار معامله دارای سیستمی کاملاً غیرخطی و آشوب گونه است؛ این غیر خطی بودن بسیار پیچیده تر از رفتار غیر خطی در سهام بوده، که از شرایط سیاسی، اقتصادی و روانشناسی تأثیر می پذیرد. ا

اسناد مشابه

  • پیش بینی کیفی رودخانه ها با استفاده از سیستم استنتاج فازی-عصبی تطبیقی

    مقاله۲۰۱۰محیط شناسیحمیدرضا صفوی

    اخیرأ استفاده از مدل های ریاضی برای شبیه سازی کیفیت آب رودخانه ها توسعه زیادی یافته که به دلیل پیچیدگی و تعدد فرایندهای کیفی منابع آب سطحی و وجود ضرایب و ثابت های شیمیایی و بیولوژیکی متعدد، استفاده از سیستم استنباط فازی-عصبی تطبیقی، روشی نو جهت پیش بینی کیفی رودخانه هاست. در این

  • پیش بینی بلند مدت رواناب با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاج فازی

    مقالهتحقیقات منابع آب ایرانشهاب عراقی نژاد، دکترای /مهندسی آب، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران) محمد کارآموز، استاد /دانشکده فنی دانشگاه تهران ،

    مدل‏های مفهومی بر مبنای هوش مصنوعی، اغلب برای پیش بینی‏های کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش بینی ها1 (esp) و تفکیک مدل‏سازی برای متغیرهای اقلیمی و هیدرولوژیکی، از مدل‏های مفهومی برای پیش بینی بلندمدت حجم جری

  • پیش بینی کم آبی ماهانه با استفاده از یک مدل استوکستیک و سیستم استنتاج فازی مبتنی بر شبکه تطبیقی

    مقالهتحقیقات منابع آب ایرانمجید خلقی، دانشیار /گروه مهندسی آبیاری و آبادانی، دانشکدة مهندسی آب و خاک، دانشگاه تهران افشین اشرف زاده، استادیار /گروه مهندسی آب، دانشکدة کشاورزی، دانشگاه گیلان مرضیه مالمیر، دانشجوی سابق کارشناسی ارشد /مهندسی منابع آب، دانشکدة مهندسی آب و خاک، دانشگاه تهران

    آگاهی از دبی جریان و پیش بینی آن به ویژه در مواقعی که رودخانه با کم آبی مواجه است امری ضروری در جهت مدیریت بهره برداری از رودخانه است. در این مقاله به منظور مدل سازی سری های زمانی تشکیل شده از کم آبی های ماهانه و پیش بینی مقدار و زمان وقوع کم آبی ها، از یک مدل استوکستیک متداول (م

  • پیش بینی عملکرد مزارع نیشکر با استفاده از سیستم فازی- عصبی تطبیقی

    مقاله۲۰۱۳علوم و مهندسی آبیاریمریم احمدوند، عبدالرحیم هوشمند، عبدعلی ناصری

    پارامترها و عوامل مختلفی از قبیل عمق سطح ایستابی نسبت به سطح زمین، شوری بخش اشباع خاک، عمق آب آبیاری، نوع خاک، رقم و سن گیاه بر عملکرد مزارع نیشکر تأثیر می گذارند. با بررسی این پارامترها و تعیین میزان اثر هر یک از آنها بر عملکرد مزارع نیشکر، می­توان راهکارهایی ارائه داد که با بهر

  • پیش بینی عملکرد مزارع نیشکر با استفاده از سیستم فازی- عصبی تطبیقی

    مقاله۲۰۱۳علوم و مهندسی آبیاریعبدالرحیم هوشمند، عبدعلی ناصری، مریم احمدوند

    پارامترها و عوامل مختلفی از قبیل عمق سطح ایستابی نسبت به سطح زمین، شوری بخش اشباع خاک، عمق آب آبیاری، نوع خاک، رقم و سن گیاه بر عملکرد مزارع نیشکر تأثیر می‌گذارند. با بررسی این پارامترها و تعیین میزان اثر هر یک از آنها بر عملکرد مزارع نیشکر، می­توان راهکارهایی ارائه داد که با بهر

  • پیش بینی سود هر سهم با استفاده از رویکرد ماشین بردار پشتیبان فازی، مطالعه موردی: شرکت های پذیرفته شده در بورس اوراق بهادار تهران

    مقالهنشریه علمی توسعه مدیریت پولی و بانکی

    اطلاعات مربوط به سود هر سهم و سود پیش بینی شده هر سهم معیارهایی هستند که از نظر بسیاری از استفاده کنندگان با اهمیت تلقی می شوند. از طرفی شرکت ها برای جذب سرمایه گذاران سعی می کنند سود هر سهم را با بیشترین دقت پیش بینی نمایند. امروزه با وجود روش های متعدد پیش بینی، پیش بینی دقیق د