گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” پیش بینی متلاشی شدن سنگ با شبکه های عصبی و تحلیل رگرسیون چندگانه ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
مقایسه بین شبکه های عصبی و آنالیز رگرسیونی چندگانه (چند متغیره) به منظور پیش بینی فرایند متلاشی شدن سنگ ها در معادن رو باز |
| عنوان انگلیسی مقاله: |
Comparison Between Neural Networks and Multiple Regression Analysis to Predict Rock Fragmentation in Open-Pit Mines |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار مقاله | 2013 |
| تعداد صفحات مقاله انگلیسی | 9 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی معدن |
| گرایش های مرتبط با این مقاله | مکانیک سنگ |
| مجله مربوطه | مکانیک سنگ و مهندسی سنگ – Rock Mechanics and Rock Engineering |
| دانشگاه تهیه کننده | گروه مهندسی معدن، دانشگاه آزاد اسلامی، تهران، ایران |
| کلمات کلیدی این مقاله | شبکه های عصبی، فرایند متلاشی شدن سنگ ها، رگرسیون چند متغیره، معدن گل گهر، معادن رو باز |
| رفرنس | دارد |
| شناسه شاپا یا ISSN | ISSN 1434-453X |
| لینک مقاله در سایت مرجع | لینک این مقاله در سایت Springer |
| نشریه | اسپرینگر – Springer |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 22 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
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
- بخشی از ترجمه:
4. نتایج و بحث
مقایسه نتایج به دست آمده از طریق مدل های رگرسیونی و شبکه عصبی به کارگیری شده در مقاله پیش رو، به خوبی نشان دهنده دقت بالای نتایج حاصل شده از بکارگیری شبکه عصبی در پیش بینی فرایند خرد شدن سنگ ها در عملیات انفجاری دارد، البته نتایج مدل های رگرسیونی بکارگیری شده نیز نزدیک به واقعیت بود.
عملکرد هر یک از مدل های انتخاب شده (مدل های رگرسیونی و شبکه عصبی) با استفاده از یک معیار مشخص مانند RMSE، BIAS، خطای استاندارد پیش بینی (SEP)، ضریب کارآمدی Nash–Sutcliffe (Ef)، و فاکتور دقیق (Af) برمبنای مقایسه ی مقادیر وابسته و مقادیر پیش بینی شده ی مدل تعیین گردید (Palani et al.2008). مقادیر پارامترهای معیار محاسبه شده برای هر سه مجموعه ی داده ای موجود محاسبه گردید (کالیبره سازی، اعتبارسنجی، آزمون).
- بخشی از مقاله انگلیسی:
4 Conclusions and Discussion
Comparing the results achieved with the ANN and regression models for the present research, it is quite clear that the results obtained from the ANN in predicting fragmentation resulting from blasting with respect to regression models are close to those in reality. The performance of each of the selected (regression models and ANN) models was determined by using criteria such as the RMSE, the bias, standard error of prediction (SEP), the Nash–Sutcliffe coefficient of efficiency (Ef), and the accuracy factor (Af) computed from the measured and model-predicted values of the dependent variables (Palani et al. 2008). Values of the criteria parameters were computed for all the three datasets (calibration, validation, and test).
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
مقایسه شبکه های عصبی و تحلیل رگرسیون چندگانه برای پیش بینی متلاشی شدن سنگ در معادن باز |
| عنوان انگلیسی مقاله: |
Comparison Between Neural Networks and Multiple Regression Analysis to Predict Rock Fragmentation in Open-Pit Mines |
|
|