تخمین ذخیره کانسار سنگ آهن دلکن با استفاده از شبکه عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده معدن و ژئوفیزیک
- نویسنده سید علی فرهادی
- استاد راهنما فرهنگ سرشکی رضا خالوکاکایی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1392
چکیده
محاسبه ذخیره یکی از هدف های مهم عملیات اکتشافی است و تنها پس از این مرحله است که می توان در مورد کانسار قضاوت و امکان استخراج اقتصادی آن را بررسی کرد. در این تحقیق تخمین ذخیره کانسار سنگ آهن دلکن که در فاصله حدود 83 کیلومتری جنوب غربی کاشمر و 35 کیلومتری جنوب شهرستان بردسکن قرار دارد با استفاده از روش های عکس مجذور فاصله و شبکه عصبی مصنوعی انجام شده است. برای تخمین ذخیره کانسار در ابتدا با استفاده از داده های گمانه های اکتشافی اقدام به مدل سازی سه بعدی کانسار شده و سپس مدل بلوکی کانسار با استفاده از نرم افزار datamine تهیه گردید. بعد از انجام کارهای اولیه بر روی داده های ورودی اقدام به تخمین ذخیره با استفاده از روش عکس مجذور فاصله گردید. بر این اساس میزان ذخیره و عیار متوسط fe برای عیار حد 19% با وزن مخصوص 3/4 تن بر متر مکعب به ترتیب 1474 هزار تن و 94/31% به دست آمد. سپس تخمین ذخیره با استفاده از شبکه عصبی مصنوعی صورت گرفت. برای مدل سازی از دو شبکه پس انتشار خطا و شبکه شعاعی استفاده گردید. برای آزمایش شبکه ها از دو رویکرد مختلف استفاده شده است. در رویکرد اول 14 گمانه به صورت تصادفی به دو دسته گمانه های آموزش و آزمون تقسیم شده است. در این رویکرد اطلاعات گمانه های آموزش در آموزش شبکه و اطلاعات گمانه های آزمون به منظور آزمون شبکه مورد استفاده قرار گرفته است. در رویکرد دوم بدون در نظر گرفتن این نکته که هر داده متعلق به کدام گمانه است، از میان کل داده های 14 گمانه، داده های آموزش و آزمون شبکه به صورت تصادفی انتخاب شده است. برای طراحی این دو شبکه 70% داده ها برای آموزش و 30% باقیمانده برای تست انتخاب شده اند. در نهایت با توجه به ضرایب همبستگی و جذر میانگین مربعات خطا (rms) حاصل از هر دو شبکه می توان نتیجه گرفت که شبکه عصبی شعاعی در هر دو رویکرد نتایج ضعیف تری را نسبت به شبکه پس انتشارخطا نشان می دهد. همچنین شبکه پس انتشار خطا در رویکرد دوم دارای نتایج بهتری نسبت به رویکرد اول است. بنابراین شبکه پس انتشار خطا در رویکرد دوم با دو لایه پنهان و با تعداد 18 نرون در لایه اول و 15 نرون در لایه دوم و تابع محرک تانژانت هایپربولیک در هر دو لایه و با ضرایب همبستگی که برای داده های آموزش و تست به ترتیب 97/0 و 75/0 به دست آمد به عنوان شبکه بهینه انتخاب شد که از این شبکه به منظور تخمین ذخیره استفاده گردید. با استفاده از این روش میزان ذخیره و عیار متوسط fe برای عیار حد 19% به ترتیب1960 هزار تن و 5/44% به دست آمد. پس از انجام تخمین ذخیره برنامه ریزی تولید انجام شد که با اتمام برنامه ریزی طول عمر پروژه تقریبا معادل 6 سال در قالب 3 پوش بک و 6 فاز استخراجی با ارزش خالص فعلی (npv) معادل431 میلیارد ریال به دست آمد.
منابع مشابه
برآورد ذخیره کانسار فسفات اسفوردی با استفاده از روشهای زمینآماری و شبکه عصبی مصنوعی
ارزیابی ذخیره کانسارها یکی از مهمترین پارامترهای لازم برای طراحی معدن بوده و روشهای متعددی در این خصوص توسعه یافته است. علاوه بر روشهای تحلیلی زمینآماری، روشهای هوش مصنوعی مانند شبکههای عصبی برای برآورد ذخیره بسیار مناسب تشخیص داده شدهاند. در این تحقیق مدل هندسی و بلوکی کانسار فسفات اسفوردی تهیه و میزان ذخیره برآورد شده است. مدل بلوکی محتوی حدود 100 هزار بلوک با ابعاد 5 × 25 × 25 است. بر...
متن کاملبهینهسازی عملیات انفجار با استفاده از روش ترکیبی عصبی-مورچگان (مطالعه موردی: معدن سنگ آهن دلکن)
در یک عملیات مطلوب انفجار، هدف اصلی تامین خردایش مناسب سنگ و جلوگیری از بروز پدیدههای نامطلوب و ناخواسته ناشی از انفجار (لرزش زمین، پرتابسنگ و عقبزدگی) است. بطور کلی عوامل تاثیرگذار بر عملیات انفجار را میتوان به دو گروه پارامترهای قابل کنترل (الگوی انفجار) و پارامترهای غیر قابل کنترل (خصوصیات ژئومکانیکی تودهسنگ) تقسیم بندی نمود. پارامترهای قابل کنترل در عملیات انفجار را میتوان با استفاده ...
متن کاملتخمین مدول الاستیسیته سنگ بکر با استفاده از شبکه عصبی مصنوعی و رگرسیون غیر خطی
مدول الاستیسیته سنگ بکر یکی از ملزومات اساسی بسیاری از مطالعات ژئومکانیکی و به ویژه پروژه های حفاری سنگ می باشد. برای تعیین مستقیم مدول الاستیسیته نمونه مغزههای باکیفیت بالا و هندسه مناسب مورد نیاز بوده و تهیه نمونههای مناسب از سنگهای شکسته و هوازده برای این منظور به آسانی امکانپذیر نیست. بنابراین مدلهای پیشبینی مدول الاستیسیته براساس خصوصیات شاخص سنگ بکر ارائه گردیدهاند. در این مطالعه ب...
متن کاملتخمین انرژی شکست بتن با استفاده از شبکه عصبی مصنوعی
بتن یکی از رایجترین مصالح صنعتی و ساختمانی است که به دلیل اقتصادی بودن اهمیت روز افزونی پیدا میکند. در سالهای اخیر با بهرهگیری از روشهای مختلف آزمایشگاهی، پارامترهای شکست مواد سیمانی مانند بتن مورد بررسی قرار گرفته است؛ نقش این پارامترها در طراحی سازههای سطحی و زیرسطحی از اهمیت ویژهای برخوردار است. در این مقاله مدل شکست بر اساس شبکه عصبی برای تخمین پارامترشکست بتن GF(انرژی مخصوص شکس...
متن کاملتخمین سختی برشی شکست ( ) با استفاده از شبکه عصبی مصنوعی
در سالهای اخیر با بهرهگیری از روشهای مختلف آزمایشگاهی، چگونگی مد برشی شکست با استفاده از نمونههای سنگی مورد بررسی قرار گرفته است. اغلب گسیختگیهای رخ داده در طبیعت در اثر عملکرد نیروهای کششی و برشی در توده سنگ میباشد. تعیین دقیق سختی برشی شکست برای درک و تحلیل رفتار گسیختگیها در حفریات سطحی و زیرزمینی از اهمیت ویژهای برخوردار میباشد. بررسی جامع دستاوردهای علمیدر خصوص تعیین سختی برش...
متن کاملتخمین سختی برشی شکست ( ) با استفاده از شبکه عصبی مصنوعی
در سالهای اخیر با بهرهگیری از روشهای مختلف آزمایشگاهی، چگونگی مد برشی شکست با استفاده از نمونههای سنگی مورد بررسی قرار گرفته است. اغلب گسیختگیهای رخ داده در طبیعت در اثر عملکرد نیروهای کششی و برشی در توده سنگ میباشد. تعیین دقیق سختی برشی شکست برای درک و تحلیل رفتار گسیختگیها در حفریات سطحی و زیرزمینی از اهمیت ویژهای برخوردار میباشد. بررسی جامع دستاوردهای علمی در خصوص تعیین سختی برشی شک...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده معدن و ژئوفیزیک
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023