تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله توسعه نوعی مدل به منظور پیش بینی سرعت اوج ذرات در یک عملیات انفجار – نشریه الزویر

عنوان فارسی: توسعه نوعی مدل به منظور پیش بینی سرعت اوج ذرات در یک عملیات انفجار
عنوان انگلیسی: Development of a model to predict peak particle velocity in a blasting operation
تعداد صفحات مقاله انگلیسی : 8 تعداد صفحات ترجمه فارسی : 20
سال انتشار : 2011 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 8326 رفرنس : دارد
محتوای فایل : zip حجم فایل : 2.09Mb
رشته های مرتبط با این مقاله: مهندسی معدن
گرایش های مرتبط با این مقاله: مکانیک سنگ
مجله: مجله بین المللی علوم معدن و مکانیک سنگ ها - International Journal of Rock Mechanics & Mining Sciences
دانشگاه: گروه مهندسی معدن، متالورژی و نفت، دانشگاه صنعتی امیرکبیر، تهران، ایران
کلمات کلیدی: شبکه عصبی، انفجار، لرزش زمین، سرعت ذرات (Peak (PPV، تجزیه و تحلیل ابعادی، معدن مس سرچشمه
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1. مقدمه

2. شبکه های عصبی مصنوعی

3. آنالیز ابعادی

4. توسعه مدل

4.1. مدل شبکه عصبی (ANN)

4.2 مدل آنالیز ابعادی

5. بحث و گفتگو

6. نتیجه گیری

نمونه متن انگلیسی

Abstract

Ground vibrations arising from rock blasting is one of the fundamental problems in the mining industry, and predicting it plays an important role in the minimization of environmental complaints. To evaluate and calculate the blast-induced ground vibration by incorporating blast design and rock strength, artificial neural networks (ANN) and dimensional analysis techniques were used. First a three-layer, feed-forward back-propagation neural network having nine input parameters, twenty-five hidden neurons and one output parameter was trained using 116 experimental and monitored blast records from one of the most important copper mines in Iran. Seventeen new blast datasets were used for the validation of the peak particle velocity (PPV) by ANN. In the second step, a new formula was developed applying dimensional analysis on results obtained from the sensitivity analysis of the ANN consequences. Results from the calculated formula were compared based on correlation coefficient and root mean square error (RMSE) between monitored and predicted values of PPV. In addition to providing the best prediction of vibration, the new formula has the greatest correlation coefficient and the lowest RMSE, 74.5% and 3.49, respectively.

نمونه متن ترجمه

چکیده

ارتعاشات زمین ناشی از انفجار سنگ ها یکی از مسائل اساسی در صنعت معدن می باشد و پیش بینی این مسئله، نقش بسیار مهمی را در حداقل سازی آلودگی های محیطی ایفا می کند. به منظور ارزیابی و محاسبه ی ارتعاشات زمین ناشی از- انفجارها با ترکیب طراحی انفجار و استحکام سنگ ها، از شبکه های عصبی مصنوعی (ANN) و تکنیک های آنالیز ابعادی استفاده می گردد. ابتدا یک شبکه ی عصبی سه لایه، پیش خور و پس انتشار به همراه تعداد 9 پارامتر ورودی، 25 نورون مخفی و یک پارامتر خروجی، با استفاده از تعداد 116 داده ی ضبط شده و تجربی مربوط به انفجارهای مانیتور شده در یکی از مهم ترین معادن مس ایران آموزش داده شد. تعداد 17 مجموعه ی داده انفجاری جدید نیز برای اعتبارسنجی سرعت اوج ذرات محاسبه شده توسط مدل شبکه عصبی مذکور به کارگیری شد (ANN). در مرحله ی دوم، یک فرمول جدید به منظور بکارگیری آنالیز ابعادی در مورد نتایج به دست آمده از آنالیز حساسیت درباره ی دنباله های شبکه ی ANN مورد استفاده قرار گرفت. نتایج بدست آمده از فرمول محاسباتی، براساس ضریب همبستگی و ریشه میانگین مربعات خطا (RMSE) بین مقادیر مانیتور شده و پیش بینی شده توسط شبکه عصبی مصنوعی با یکدیگر مقایسه گردیدند. علاوه بر فراهم سازی بهترین میزان پیش بینی لرزش ها، فرمول جدید محاسباتی از ضریب همبستگی بالاتر و مقدار ریشه میانگین مربعات خطای پایین تری برخوردار بود، به ترتیب 74.5% و 3.49.