دانلود ترجمه مقاله عملیات انفجار و پیش بینی سرعت اوج ذرات – مجله الزویر
گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” عملیات انفجار و پیش بینی سرعت اوج ذرات ” 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: |
توسعه نوعی مدل به منظور پیش بینی سرعت اوج ذرات در یک عملیات انفجار |
عنوان انگلیسی مقاله: |
Development of a model to predict peak particle velocity in a blasting operation |
|
مشخصات مقاله انگلیسی (PDF) | |
سال انتشار | ۲۰۱۱ |
تعداد صفحات مقاله انگلیسی | ۸ صفحه با فرمت pdf |
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 |
شناسه شاپا یا ISSN | ISSN ۲۰۱۰٫۰۸٫۰۰۵ |
رفرنس | دارد |
لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
نشریه | الزویر – Elsevier |
مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin | ۲۰ 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:
چکیده
۱٫ مقدمه
۲٫ شبکه های عصبی مصنوعی
۳٫ آنالیز ابعادی
۴٫ توسعه مدل
۴٫۱٫ مدل شبکه عصبی (ANN)
۴٫۲ مدل آنالیز ابعادی
۵٫ بحث و گفتگو
۶٫ نتیجه گیری
- بخشی از ترجمه:
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 ۷۷٫۵% 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).
- بخشی از مقاله انگلیسی:
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.
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
توسعه مدلی برای پیش بینی سرعت اوج ذرات درعملیات انفجار |
عنوان انگلیسی مقاله: |
Development of a model to predict peak particle velocity in a blasting operation |
|