پس از انتخاب کلید عضویت در انتهای صفحه جدیدی که باز خواهد شد، اطلاعات خود را تکمیل و عضویت خود را تایید نمایید
درباره وب سايت
مرجع آموزش زمین شناسی، سنجش از دور، معدن و عمران
جامع ترین و معتبرترین آموزش برای نرم افزار های زمین شناسی، مهندسی معدن، ژئومکانیک (مکانیک سنگ و ژئوتکنیک)، عمران (خاک و پی)
............................................
رزومه مدرسان:دانشجویان کارشناسی ارشد و دکترا رشته های مهندسی معدن و عمران دانشگاه صنعتی امیرکبیر (پلی تکنیک) تهران
جهت آموزش حضوری و غیر حضوری (آنلاین و تهیه فیلم آموزشی) نرم افزار ها با شماره های زیر تماس حاصل فرمایید............................................
09157330367-09381295869 اسمعیلی-مدیریت وبسایت........ ................................................ در صورتی که موفق نشدید با شماره های فوق تماس حاصل فرمایید از طربق ایمیل زیر نیز می توانید در خواست خودتان را مطرح نمایید.......................................
raminesmaeili68@gmail.com
...................این سایت در ستاد ساماندهی پایگاه های اینترنتی به ثبت رسیده است و تمامی محصولات و خدمات این سایت حسب مورد دارای مجوز های لازم از مراجع مربوطه می باشد. همچنین فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است
خبرنامه
براي اطلاع از آپيدت شدن وبلاگ در خبرنامه وبلاگ عضو شويد تا جديدترين مطالب به ايميل شما ارسال شود
اولین پکیج آموزشی کنکور دکتری مکانیک سنگ معدن (+پاسخ تشریحی سوالات 11 دوره اخیر کنکور) خرید آنلاین بیش از 55 ساعت فیلم آموزشی و دانلود بلافاصله پس از خرید
ارائه مدلي براي پيش بيني هزينه هاي ساخت و قيمت تمام شده مسكن با استفاده از مدل شبكه هاي عصبي مصنوعي
خلاصه در بازار مسكن، صنايع عمده كشور فعال هستند كه اين صنايع نيروي انساني فراواني را به كار ميگمارد. ركود اين بازار منجر به ركود طيف وسيعياز صنايع بزرگ ميشود و نرخ بيكاري را افزايش ميدهد. به دليل نوسانات هزينه ساخت و قيمت تمامشده مسكن در اين زمينه ضررهاي جبرانناپذيريبر سرمايهگذاران اين بخش وارد شده است. تحقيقات گذشته و مشاوره با اساتيد دانشگاه و اهل صنعت، نشان مي دهد 22 پارامتر به صورت بالقوه درانتخاب SAS JMP هزينه ساخت مسكن تاثيرگذار هستند. در اين پژوهش دو مدل رياضي از بين مدل هاي ديگر ساخته شده با استفاده از نرمافزارارزيابي ميشود كه پس از انجام آناليز حساسيت در هر MATLAB ميشود و سپس با مدل شبكههاي عصبي مصنوعي با استفاده از نرمافزارهايدو مدل، يكي به عنوان ابزاري براي پيشبيني قيمت ساخت مسكن استفاده ميشود و ديگري تحليلهايي مبني بر مدلهاي ساخته شده در مورد اين بازار عرضه ميكند.
كلمات كليدي:
شبكه هاي عصبي مصنوعي . برازش خطي . پيش بيني . قيمت ساخت مسكن . تحليل مفهومي
ارائه يك رابطه رياضياتي جهت پيش بيني عقب زدگي ناشي از انفجار
عقب زدگي پديدهاي ناخوشايند در عمليات انفجار است كه ميتواند باعث عواملي همچون ناپايداري ديواره هاي معدن، سقوط ماشين آلات، خردايش نامناسب، كاهش بازده حفاري و غيره گردد. براي برطرف كردن اي مشكل پارامترهايي نظير خيواص مكانيكي و فيزيكي توده سنگ، مشخصات مواد منفجره و الگوي هندسي انفجار بايد بررسي گردند تا طرح مناسب بدست آيد. به علت تعدد پارامترهاي موثر و پيچيدگي روابط ميان اي پارامترها، روش هاي تجربي موجود ممك است نتوانند مناسب تري الگوي انفجار را ارائه دهند. به منظور رفع اين مشكل، بايد از تكنيك هاي كارآمدتري همچون شبكه عصبي مصنوعي، منطق يازي و غيره بهره جست. در مقاله حاضر، تكنيك هاي شبكه عصبي مصنوعي و آناليز ابعادي براي تعيين مناسب تري الگوي انفجار و به منظور تخمين عقب زدگي مورد استفاده قرار گرفتند. براساس آنالييز حساسيت انجام شده بر روي روش شبكه عصبي، يك رابطه رياضياتي جديد جهت پيش بيني عقب زدگي ارائه شد. نتايج تحقيق نشان داد رابطه ياد شده با ضريب همبستگي 87 % توانايي تخمين مييان عقب زدگي را در معدن گل گهر دارد.
كلمات كليدي:
شبكه هاي عصبي مصنوعي, آناليز ابعادي، عقب زدگي، انفجار، معدن سنگ آهن گل گهر
این سایت در ستاد ساماندهی پایگاه های اینترنتی به ثبت رسیده است و تمامی محصولات و خدمات این سایت حسب مورد دارای مجوز های لازم از مراجع مربوطه می باشد همچنین فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران می باشد.
عضو شوید
عضویت سریع
آمار
مطالب
آمار بازدید
