فایل ورد کامل توسعه نوعی مدل به منظور پیش بینی سرعت اوج ذرات در یک عملیات انفجار

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل توسعه نوعی مدل به منظور پیش بینی سرعت اوج ذرات در یک عملیات انفجار،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۶ صفحه

۶ نتیجه گیری
براساس نتایج دقیق بدست آمده، مطالعه ی حال حاضر نتیجه گرفت که شبکه عصبی مصنوعی یکی از قوی ترین و انطباق پذیرترین روش ها و تکنیک های موجود برای بهبود کارایی عملیات انفجار در معادن رو باز از طریق کنترل پدیده های نامطلوب مربوط به عملیات انفجار می باشد. الگوریتم پس انتشار خطا به عنوان کارآمدترین پروسه ی یادگیری انتخاب گردید. نوعی شبکه ی عصبی ۹-۲۵-۱ به عنوان بهینه ترین شبکه برای پیش بینی ppv در عملیات های انفجاری در معدن مس سرچشمه واقع شده در ایران می باشد.
آنالیز ابعادی را می توان به عنوان یکی از مهم ترین ابزارهای موجود برای حل کردن بیشتر مسائل علمی در نظر گرفت. اثر امروزی مربوط به پارامترهای متعدد بر نتایج انفجار را می توان با کمک آنالیز ابعادی مورد مطالعه قرار داد. با توجه مدل ریاضی توسعه یافته، ارتعاشات را می توان به عنوان تابعی از مهمترین پارامترهای موجود مانند فاکتور پودری، شارژ به ازای تاخیر زمانی و بار در نظر گرفت.مدل ریاضیاتی پیشنهاد شده در این مقاله با عوامل پیش بینی کننده ی ppv موجود مقایسه کردیم و بهترین نتایج انفجاری حاصل گردید. رمول جدید محاسباتیبا ضریب همبستگی ۷۷۵% و rmse 3.49، می تواند مقدار ppv را در مقایسه با سایر فرمول های تجربی موجود بهتر و دقیق تر تخمین بزند (برآورد کند).

عنوان انگلیسی:Development of a model to predict peak particle velocity in a blasting operation~~en~~

۶ Conclusion

On the basis of the acquired results, the present study concludes that ANN is a robust and versatile technique to improve the efficiency of blasting in open pit mines by controlling the undesirable phenomenon. The back-propagation algorithm was realized as the most efficient learning procedure. An ANN 9-25-1 topology was found to be optimum for prediction of PPV in blasting operation at the Sarcheshmeh copper mine located in Iran. Dimensional analysis can be considered as an important tool for solving most scientific problems. The contemporary effect of several parameters on blasting results can be studied with the help of dimensional analysis. According to the developed mathematical model, vibration is a function of most important parameters such as powder factor, charge per delay and burden. The proposed mathematical model has been compared by available conventional PPV predictors and yields excellent blast results. The new formula with coefficient correlation 77.5% and RMSE 3.49 can estimate PPV better than other empirical formulae.

$$en!!