پیش بینی ارتعاشات ناشی از انفجار در صنایع معدنی با استفاده از شبکه های عصبی مصنوعی

چکیده مقاله

با توجه به اینکه ارتعاشات زمین ناشی از انفجار در عملیات معدنی موجب بروز خسارات قابل توجه می شود، در سال های اخیر مطالعات متعددی توسط پژوهشگران مختلف به منظور پیش بینی ارتعاشات زمین ناشی از انفجار صورت گرفته است هدف این پژوهش ارائه روشی موثر و کاربردی برای پیش بینی ارتعاشات ناشی از انفجار در فرآیندهای معدنی است در این مطالعه از شبکه های عصبی مختلف برای پیش بینی سرعت بیشینه ذره ای PPV استفاده شده است شبکه های عصبی مورد استفاده عبارت اند از شبکه عصبی پیش خور FFNN ، شبکه عصبی پیش خور آبشاری CFNN و شبکه عصبی المان ENN در این مقاله داده های ثبت شده توسط لرزه نگار ۱۰۰ PDAS برای آموزش و آزمون شبکه ها به کار گرفته شده است نتایج به دست آمده در این تحقیق و مطالعات پیشین نشان می دهد که شبکه عصبی المان با الگوریتم آموزش پس انتشار خطا در مقایسه با سایر شبکه های عصبی عملکرد بهتری دارد

کلیدواژه‌ها

نویسندگان

محمد مهدی کریمی

امور تغلیظ شرکت ملی صنایع مس سرچشمه کارشناسی ارشد دانشکده مهندسی مواد دانشگاه علوم و تحقیقات واحد تهران

سید مهرداد نبی زاده

استادیار پژوهشکده انرژی پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

عظیم حیدری

پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

کریمی، محمد مهدی و نبی زاده، سید مهرداد و حیدری، عظیم،1404،پیش بینی ارتعاشات ناشی از انفجار در صنایع معدنی با استفاده از شبکه های عصبی مصنوعی،اولین کنفرانس ملی هوشمند سازی در صنعت،کرمان

ارائه‌شده در

مجموعه مقالات اولین کنفرانس ملی هوشمند سازی در صنعت23 مهر 1404 · کرمان