تخمین عیار آهن در آنومالی تپه قرمز معدن سنگ آهن سنگان با استفاده از سه الگوریتم فازی عصبی تطبیقی | ||
| روش های تحلیلی و عددی در مهندسی معدن | ||
| مقاله 2، دوره 3، شماره 5، خرداد 1392، صفحه 10-17 اصل مقاله (1.08 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| سعید مجدی فر* ؛ غلامرضا کمالی | ||
| شهید باهنر کرمان | ||
| چکیده | ||
| تخمین عیار یکی از مراحل حیاتی در بررسیهای فنی و اقتصادی معادن است. بنابراین یافتن روشی که بتواند این مقادیر را با دقت بالا تخمین بزند یک ضرورت به شمار میرود. در این مطالعه، یک الگوریتم فازی عصبی تطبیقی به منظور تخمین عیار آهن کانسار های اسکارنی به کار رفته است. این الگوریتم در حقیقت یک سیستم فازی میباشد که باید توابع عضویت آن توسط دادههای آموزشی تنظیم گردد. قابل ذکر است که تعریف توابع عضویت اولیه در کیفیت نتایج خروجی این الگوریتم تاثیرگذار میباشد که بدین منظور سه الگوریتم تفکیک شبکه، خوشه بندی کاهشی و خوشه بندی فازی برای تنظیم این توابع مرسوم میباشد. در این مقاله سه سیستم فازی عصبی بر پایه ی الگوریتمهای مذکور برای تخمین عیار آهن به کار گرفته شد. نتایج حاصل از دادههای تست، بیانگر توانایی قابل توجه سیستم فازی عصبی بر پایه خوشه بندی کاهشی در تخمین عیار آهن نسبت به دو الگوریتم دیگر میباشد. | ||
| کلیدواژهها | ||
| تخمین عیار؛ کانسار آهن اسکارنی؛ الگوریتم فازی عصبی؛ الگوریتمهای خوشه بندی | ||
| عنوان مقاله [English] | ||
| Iron Grade Estimation Using ANFIS Algorithm at Tappeghermez Anomaly of Sangan Mine | ||
| نویسندگان [English] | ||
| Saeid Majdifar؛ Gholamreza Kamali | ||
| چکیده [English] | ||
| Grade estimation is one of the vital stages in economic and technical investigation of mines. Therefore, to find a method which could estimate these values accurately has been considered as a necessity. In this research, an adaptive neuro fuzzy algorithm was employed in order to estimate iron grade of Skarn ores. In fact, this algorithm is a fuzzy system in which membership functions should be adjusted by training data. It is worth mentioning that definition of initial membership functions is effect on quality of output results of this algorithm. For these reason, three algorithms of grid partitioning, subtractive clustering method and fuzzy c-means clustering have been conventional in order to adjust these functions. In this paper, three neuro fuzzy systems based on aforementioned algorithms were developed. The results of test data show that there is a significant ability in neuro fuzzy system based on subtractive clustering for estimation of iron grade in comparison of other algorithms. | ||
| کلیدواژهها [English] | ||
| Grade estimation, Skarn iron ore, Neuro fuzzy algorithm, Clustering algorithms | ||
|
آمار تعداد مشاهده مقاله: 2,529 تعداد دریافت فایل اصل مقاله: 3,129 |
||