مقایسه بین شبکه عصبی و آنالیز رگرسیونی چندگانه جهت پیش بینی فرایند متلاشی شدن سنگ ها
1. مقدمه و معرفی
انفجار مهمترین و پرکاربردترین مفهوم استفاده شده در عملیات های معدن کاری و حفاری توده های سنگی می باشد، و کیفیت فرایند متلاشی شدن توده های سنگی نیز اصلی ترین موضوع مورد توجه در هر عملیات انفجاری می باشد (Latham and Lu1999). پیش بینی و ارزیابی تاثیر سایز (اندازه) ی تخته سنگ های تولید شده توسط عملیات انفجاری، مهمترین موضوعات مورد توجه در درک فرایند انفجار می باشند. میزان تاثیر و سهم فرایند متلاشی شدن تخته سنگ ها، بر فرایندهای مختلف پایین دستی از جمله ی نرخ های حمل و نقل، عملکرد آسیاب و سنگ شکن، و همچنین بازیابی سنگ آهن در فرایندهای مختلف تاثیرگذار خواهد بود (Michaud et al. 1997). در مطالعات صورت گرفته در Que ´bec Cartier Mines، آقای MacKenzie (1966) دریافتند که میزان کارایی و بهره وری تمامی زیرسیستم های معدن کاری وابسته به فرایند متلاشی شدن سنگ ها می باشد. علاوه بر این، توزیع یکنواخت اندازه ی ذرات نیز به نوبه ی خود باعث حذف نیاز موجود به انفجارهای ثانوی تخته سنگ های بزرگ خواهد شد.
1 Introduction
Blasting is the most frequently used means of quarrying and mining rock excavation, and the quality of the fragmentation of rock mass is a major concern of any blasting operation (Latham and Lu 1999). The prediction and assessment of the rock size distribution produced by blasting are important concerns in understanding the blasting process. The rock fragmentation distribution influences downstream processes such as load and haul rates, crushing and grinding performance, and also ore recovery in beneficiation processes (Michaud et al. 1997). In the studies at Que´bec Cartier Mines, MacKenzie (1966) found that the efficiency of all the subsystems of mining is dependent on the fragmentation. Additionally, uniform particle size distribution also eliminates the need for secondary blasting of large boulders.
1. مقدمه و معرفی
2. شبکه های عصبی مصنوعی
3. آنالیز رگرسیون چند متغیره
3.1 مدل رگرسیونی خطی چند متغیره
3.2 مدل های رگرسیونی غیرخطی چندمتغیره
4. نتایج و بحث
1 Introduction
2 Artificial Neural Networks
3 Multiple Regression Analysis
3.1 Multiple Linear Regression Model
3.2 Multiple Nonlinear Regression Models
4 Conclusions and Discussion
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه