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
بررسی پارامترهای موثر بر نرخ نفوذ دستگاههای حفاری تمام مقطع TBM - مطالعه موردی تونل خط 6 متروی تهران
چکیده تخمین نرخ نفوذ ) Penetration Rate ( ماش ینها ی حفر تونل ) Tunnel Boring Machine ( به منظور تع یین برنامه ریزی و برآورد هزینههای اجرایی در پروژههای اجرایی در تونلساز ی با حفر مکانیزه, ضرور ی میباشد. بدل یل قیمت بالای ماش ینهای حفر تونل ارزیابی عملکرد این روش از اهمیت بالای برخوردار اس ت. مهمترین ش اخا ارزیابی عملکرد TBM نرخ نفوذ این دس تهاه اس ت که عوامل موثر متعدد ی بر نرخ نفوذ آن تاث یر دارد. برای پیش بینی نرخ نفوذ روشها ی تجربی, آمار ی و روشها ی جد ید هوش مند مورد ا ستفاده قرار میگیرد. به منظور تجزیه و تحلیل نرخ نفوذ د س تهاه TBM بو س یله شبکه ی ع صب ی م صنوع ی ) Artificial Neural Network (, روش آماری SPSS و روش تجربی گراهام از 4 پارامتر مقاومت فشار ی تک محوره, چسبندگ ی, زاویه اصحکاک داخل ی و مقامت ک ش ش ی در این تحقیق ا ستفاده شده ا ست . در این تحقیق با بکارگیری روش شبکه های ع صب ی و در نظر گرفتن خ صو ص یات ژئومکانیکی توده سنگ با استفاده از روش سع ی و خطا، مدل بهینه در نظر گرفته شده دارای ساختار 1 - 4 - 2 میباشد. نتایج مدل شبکه ع صب ی با نتایج بد ست آمده از روش آمار ی ) نرم افزار SPSS ( و روش تجربی ) گراهام( مقای سه گردید و م شاهده شد که مدل شبکه عصبی دارای بهترین ضریب تصمیم گیری ) 0,9977 = 2R ( و حداکثر خطای نسبی ) 7,7417 ( نسبت به دو روش دیهر میباشد.
تاثیر نوع ماده منفجره مصرفی بر میزان لرزش ناشی از انفجار در معدن مس سرچشمه
مهمترین نتایج جانبی عملیات انفجار لرزش زمین، انفجار هوا و پرتاب سنگ می باشد که میتواند اثرات مخربی بر محیط اطراف منطقه انفجار داشته باشد. یکی از فاکتورهای مؤثر بر میزان لرزش ناشی از انفجار، نوع ماده منفجرهی مصرفی است. بدین منظور میزان لرزش ناشی از انفجار 11 بلوک استخراجی با مواد منفجرهی آنفو و امولان در معدن مس سرچشمه کرمان تجزیه و تحلیل شده است. 46 داده توسط دستگاههای لرزهنگار PDAS- 100 ثبت و برداشت شده و توسط نر مافزا DADISP پردازش شد. به روش شبکهی عصبی مصنوعی به تفکیک نوع ماده منفجرهی مصرفی، میزان لرزش ناشی از انفجار نسبت به ورودیهای فاصله و وزن مادهی منفجرهی مصرفی آنالیز گردید. میزان هم بستگی شبکهی عصبی مصنوعی برای مواد منفجرهی آنفو و امولان ب هترتیب برابر 0/ 97 و 9 / 0 برآورد شد. حساسیت لرزش ناشی از انفجار مواد منفجرهی آنفو و امولان نسبت به وزن ماده منفجره بهترتیب 28 % و 37 % تعیین شد. با روش الگوریتم عددی GA به تفکیک مواد منفجرهی مصرفی روابطی با ضریب هم بستگی 87 / 0 ارائه و نتایج آن با روابط تجربی پیشبینی حداکثر سرعت ذرات مقایسه شده است. نتایج نشان میدهد که میزان لرزش ناشی از انفجار برای مواد منفجرهی قوی نسبت به مواد منفجرهی ضعیف وابستگی بیشتری به پارامتر وزن ماده منفجره ی مصرفی دارد.
واژههای کلیدی:
انفجار، الگوریتم عددی GA ، شبکهی عصبی مصنوعی، حداکثر سرعت ذرات.
کاربرد نتایج آزمایش CPT در برآورد ظرفیت باربری شمع های کوبشی با استفاده از شبکه ی عصبی مصنوعی
آزمون نفوذ مخروط (CPT) یکي از آزمونهای درجای خاک ميباشد كه به دليل سادگي، سرعت بالای انجام، هزینه نسبتاً كم، دارا بودن خروجي پيوسته در عمق خاک و نيز به دليل شباهتهای موجود بين مخروط نفوذسنج و شمع، تخمين ظرفيت باربری شمعها یکي از اولين كاربردهای آن به شمار ميرود. دو رویکرد برای استفاده از نتایج CPT در طراحي شمعها وجود دارد. رویکرد مستقيم كه ظرفيت باربری شمع را مستقيماً بر اساس نتایج CPT محاسبه ميكند و رویکرد غير مستقيم كه با استفاده از مشخصات خاک كه از نتایج CPT بدست آمدهاند، ظرفيت باربری شمع را تخمين ميزند. به كارگيری شبکهی عصبي مصنوعي در تخمين ظرفيت باربری شمعها بر اساس نتایج CPT ، در زمرهی رویکردهای مستقيم قرار ميگيرد. در تحقيق حاضر شبکهی عصبي مصنوعي نوع GMDH به عنوان ابزار استحصال رابطهی بين نتایج CPT و ظرفيت باربری شمعها مورد استفاده قرار گرفته است. دادههای مورد استفاده در این تحقيق كه مربوط به 01 شمع بتني پيشساختهی كوبشي ميباشند، از مقالات اا شده جمع آوری گردیدهاند. روش پيشنهادی این تحقيق در نرمافزار MATLAB پياده شده و نتایج به روشهای آماری با نتایج 8 روش شناخته شده مبتني بر نتایج CPT و یک روش تحليل استاتيکي مورد بررسي و ارزیابي قرار گرفته و برای محاسبهی ظرفيت باربری شمعها، مقایسه شده است. تحليلهای آماری و ردهبندی روشها بر اساس معيارهای مختلف آماری، عملکرد بهتر روش پيشنهادی را نسبت به روشهای دیگر بررسي شده در این تحقيق، نشان مي دهد.
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
