پیش بینی عقب زدگی ناشی از انفجار با استفاده از روش های رگرسیون PSO و شبکه های عصبی مصنوعی

کلمات کلیدی :

عقب زدگی . رگرسیون چندگانه . الگوریتم بهینه سازی انبوه ذرات . شبکه های عصبی مصنوعی . تحلیل حساسیت

چهارمین همایش ملی معادن روباز (1396)

برای دانلود به ادامه مطلب بروید

کاربرد شبکه های عصبی در تخمین عقب زدگی ناشی از انفجار در معادن روباز مطالعه موردی درمعدن باغک از معادن سنگ آهن سنگان

چکیده
عقب زدگی اثر جانبی ناخواسته عملیات انفجار در معادن روباز است. این پدیده می تواند باعث ناپایداری دیواره هایمعدن، سقوط ماشین آلات، خردایش ضعیف و ترقیق بالاشود. هدف این مقاله مقایسه و انتخاب مناسب ترین شبکه ازبینشبکه های عصبی MLP ، RBF و Elman جهتتخمین عقب زدگی ناشی از انفجار می باشد. برای این امر، پایگاه دادهای متشکل از 50 انفجار انجام شده در معدن باغک از معادن سنگ آهن سنگان تهیه شد. در این پایگاه داده، پارامترهاینسبت فاصله ردیفی چال به بارسنگ، ضریب سفتی، طول انسدادچال، خرج ویژه، چگالی سنگ و مقاومت فشاری تکمحوره سنگ ها به عنوان پارامترهای ورودی و عقب زدگی به عنوان تنها پارامتر خروجی است. ارزیابی مدلهای ساختهشده نشان داد که، هر سه شبکه در تخمین عقب زدگی از اقبال مطلوبی برخوردار بودهاند. اما شبکهی عصبی MLP درتخمین عقب زدگی از عملکرد مطلوبی نسبت به RBF و Elman برخوردار بوده است. البته شبکهی RBF از ساختار سادهو آموزش سریع نسبت به شبکههای عصبی MLP و Elman است.

واژه های کلیدی:

آتشکاری . شبکه های عصبی مصنوعی . عقب زدگی . معدن سنگ آهن سنگان

سومین کنفرانس معادن روباز ایران (1394)

برای دانلود به ادامه مطلب بروید

برآورد میزان همگرایی تونل انتقال آب چهل چای با استفاده از شبکه عصبی مصنوعی و برنامه المان مجزای 3DEC

خلاصه
روشهای تجربی، تحلیلی و عددی گوناگونی برای پیشبینی همگرایی تونل موجود است. یکی از این روشها، پیشبینی همگرایی تونل با استفادهاز شبکههای عصبی مصنوعی (Artificial Neural Networks (ANNs)) میباشد. حوزه كاربرد این شبکهها آنچنان گسترده است كه ازكاربردهای طبقهبندی گرفته تا كاربردهایی نظیر درونیابی، تخمین، آشکارسازی و ... را شامل میشود . در این تحقیق با استفاده از دادههایژئومکانیکی كه شامل ۶۱ پارامتر متغیر از ویژگیهای تودهسنگ محدوده تونل میباشند بهعنوان ورودی و نتایج رفتارنگاری تونلهای مختلفبهعنوان خروجی، در یک شبکه عصبی، آموزش و اعتبارسنجی میشوند. سپس در شبکه آموزشدیده، میزان همگرایی ایستگاههای مختلف تونلانتقال آب چهلچای پیشبینی میشود. در پایان، نتایج بدست آمده از شبکه عصبی مصنوعی، با همگراییهای قرائتشده ایستگاههای مختلف اینتونل و همچنین مدلسازی تونل چهلچای با روش عددی المان مجزا 3DEC ، مقایسه شدهاند.

کلمات کلیدی:

شبکه های عصبی مصنوعی . همگرایی . تونل انتقال آب چهل چای . 3DEC 

دومین کنفرانس ملی مکانیک خاک و مهندسی پی  (1394)

برای دانلود به ادامه مطلب بروید

برآورد حداکثر سرعت ذره اي حاصل از انفجارهاي زیرزمينی نيروگاه سياه بيشه به روش آماري و شبكه هاي عصبی مصنوعی

چكيده
یکی از مهم ترین فرایندهای عملیات معدنکاری و عمرانی، عملیات انفجار می باشد. از مهمترین پیامدهای نامطلوب انفجار می توان بهلرزش زمین، لرزش هوا و پرتاب سنگ اشاره کرد. در این میان لرزش زمین به دلیل اینکه بیش از 54 درصد انرژی انفجار را به خوداختصاص م یدهد از اهمیت ویژه ای برخوردار است. بنابراین پیش بینی میزان لرزش ناشی از انفجار از اهمیت زیادی برخوردار است.مهم ترین پارامترهای موثر بر میزان لرزش ناشی از انفجار به دو دسته پارامترهای قابل کنترل و پارامترهای غیرقابل کنترل تقسیمبندی می شوند. نقطه مشترک اکثر تحقیقات انجام گرفته، در نظر داشتن پارامترهای حداکثر خرج بر تاخیر و فاصله از محل انفجار بهعنوان پارامترهای اصلی در برآورد حداکثر سرعت ذره ای ناشی از انفجار می باشد. در اکثر روابط پیشنهاد شده برای حل این مسئله، دوپارامتر فوق الذکر به همراه یک سری ثوابت به عنوان روابط پیشنهادی در نظر گرفته شده است. در این تحقیق سعی شده از روابطتجربی موجود برای حل مساله استفاده شود. در ادامه با توجه به ضریب همبستگی پایین این روابط، یک رابطه جدید آماری برایپیش بینی میزان حداکثر سرعت ذره ای توسعه داده شد که نتایج بهتری نسبت به روابط قبلی ارائه می کند و در انتها برای بهبودمقادیر پیش بینی شده از شبکه های عصبی مصنوعی استفاده شد. نتایج بهتر شبکه های عصبی نشان از قدرت بیشتر این تکنیک برای حل این مساله می باشد.

واژه هاي کليدي:

لرزش . انفجار . شبکه های عصبی مصنوعی . رابطه آماری

سومین کنفرانس منطقه ای و دوازدهمين کنفرانس تونل ایران (1396)

برآورد حداکثر سرعت ذره اي حاصل از انفجارهاي زیرزمينی نيروگاه سياه بيشه به روش آماري و شبكه هاي عصبی مصنوعی

چكيده
یکی از مهم ترین فرایندهای عملیات معدنکاری و عمرانی، عملیات انفجار می باشد. از مهمترین پیامدهای نامطلوب انفجار می توان بهلرزش زمین، لرزش هوا و پرتاب سنگ اشاره کرد. در این میان لرزش زمین به دلیل اینکه بیش از 54 درصد انرژی انفجار را به خوداختصاص م یدهد از اهمیت ویژه ای برخوردار است. بنابراین پیش بینی میزان لرزش ناشی از انفجار از اهمیت زیادی برخوردار است.مهم ترین پارامترهای موثر بر میزان لرزش ناشی از انفجار به دو دسته پارامترهای قابل کنترل و پارامترهای غیرقابل کنترل تقسیمبندی می شوند. نقطه مشترک اکثر تحقیقات انجام گرفته، در نظر داشتن پارامترهای حداکثر خرج بر تاخیر و فاصله از محل انفجار بهعنوان پارامترهای اصلی در برآورد حداکثر سرعت ذره ای ناشی از انفجار می باشد. در اکثر روابط پیشنهاد شده برای حل این مسئله، دوپارامتر فوق الذکر به همراه یک سری ثوابت به عنوان روابط پیشنهادی در نظر گرفته شده است. در این تحقیق سعی شده از روابطتجربی موجود برای حل مساله استفاده شود. در ادامه با توجه به ضریب همبستگی پایین این روابط، یک رابطه جدید آماری برایپیش بینی میزان حداکثر سرعت ذره ای توسعه داده شد که نتایج بهتری نسبت به روابط قبلی ارائه می کند و در انتها برای بهبودمقادیر پیش بینی شده از شبکه های عصبی مصنوعی استفاده شد. نتایج بهتر شبکه های عصبی نشان از قدرت بیشتر این تکنیک برای حل این مساله می باشد.

واژه هاي کليدي :

لرزش . انفجار . شبکه های عصبی مصنوعی . رابطه آماری

دوازدهمين کنفرانس تونل ایران (1396)

کاربرد شبکه های عصبی مصنوعی در پیش بینی آبشستگی پایین دست سازه های کنترل شیب

کلمات کلیدی :

سازه های کنترل شیب . شبکه های عصبی مصنوعی . مدل آبشستگی . پایداری سازه های هیدرولیکی

پنجمین کنگره ملی مهندسی عمران (1389)

ارائه روابط به منظور تعیین ضرایب انتشار طولی در فاضلاب روها و زهکش ها و مقایسه با نتایج شبکه های عصبی مصنوعی

کلمات کلیدی :

ضریب انتشار طولی (دیسپرشن) . رگرسیون چندگانه . شبکه های عصبی مصنوعی

دهمین کنگره بین المللی مهندسی عمران (1394)

تعیین سطح آب زیرزمینی با استفاده از شبکه عصبی مصنوعی  (مطالعه موردی بابل)

تعيين سطح آب زیرزميني به دليل اثرگذاری آن در اكثر پدیده های ژئوتکنيکي، از مهمترین محاسبات این عرصه ميباشد. از جمله این پدیده ها ميتوان به روانگرایي، پایداری شيرواني، نشست سازه و ظرفيت باربری شمع و ... اشاره كرد. جهت دستیابي به این پارامتر همچون اكثر پارامترهای ژئوتکنيکي، نياز به كاوشهای صحرایي و حفر گمانه های متعددی ميباشد كه به دليل صرف زمان و هزینه زیاد، محدودیت هایي را ایجاد كرده است. در این تحقيق تلاش شده تا با بهره گيری از شبکه های عصبي مصنوعي، عمق استقرار آب زیرزميني شهرستان بابل در نقاطي كه اطلاعاتي از آنها در دسترس نيست، پيشبيني شود. دقت عملکرد شبکه با معيار مجذور ميانگين مربعات خطا (RMSE) تخمين زده شد كه بهترین نتایج از شبکه های عصبي با تابع شعاعي (RBF) بدست آمد.

کلمات کلیدی:

سطح آب زیرزمینی، شبکه های عصبی مصنوعی، شبکه عصبی RBF ، بابل 

نویسندگان :

ستار رحیم مشائی (کارشناسی ارشد موسسه صنعتی مازندران)

کامران قوامی (دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی تهران مرکز)

فرزاد فرخزاد (مربی موسسه صنعتی مازندران)

دومين كنفرانس ملي مهندسي ژئوتکنيک ایران (1393)