Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "żelaza" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Multi-source and multi-target iron ore blending method in open pit mine
    Autorzy:
    Yao, Jiang
    Liu, Chunhui
    Huang, Guichen
    Xu, Kai
    Yuan, Qingbo
    Powiązania:
    https://bibliotekanauki.pl/articles/2203345.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    ruda żelaza
    kopalnia odkrywkowa
    kopalnia żelaza
    iron ore blending
    multi-source and multi-target
    open pit mine
    Opis:
    Iron ore blending in an open-pit mine is an important means to ensure ore grade balance and resource recycling in iron mine industrial production. With the comprehensive recovery and utilisation of resource mining, the multi-source and multi-target ore blending method has become one of the focuses of the mining industry. Scientific and reasonable ore blending can effectively reduce the transportation cost of the enterprise. It can also ensure that the ore grade, washability index and iron carbonate content meet the requirements of the concentrator and significantly improve the comprehensive utilisation rate and economic benefits of the ore. An ore blending method for open-pit iron ore is proposed in this paper. The blending method is realised by establishing the ore blending model. This model aims to achieve maximum ore output and the shortest transportation distance, ore washability index, total iron grade, ferrous iron grade and iron carbonate content after the ore blending meets the requirements. This method can meet the situation of a single mine to a single concentrator and that of a single mine to multiple concentrators. According to the results of ore blending, we can know the bottleneck of current production. Through targeted optimisation management, we can tap the production potential of an open-pit mine.
    Źródło:
    Archives of Mining Sciences; 2022, 67, 4; 631--644
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Characterization and concentration studies of Jalal Abad iron mine
    Charakterystyka i badania koncentracji w kopalni rud żelaza Jalal Abad
    Autorzy:
    Hashemi, S. A.
    Rezai, B.
    Tavakoli Mohammadi, M. R.
    Javanshir, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/219259.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    kopalnia rud żelaza Jalal Abad
    charakterystyka
    rurka Davisa
    separacja magnetyczna
    Jalal Abad iron mine
    characterization
    Davis tube
    magnetic separation
    Opis:
    Characterization and determination of liberation degree are the first stages of ore dressing. Block 4 of Jalal Abad mine, Kerman province, Iran, has three kinds of iron ores; D1, D2 and D3, with different grades. In this research, chemical analysis, mineralogy, liberation degree and magnetic enrichment studies were done by XRF, XRD, microscopic sections and Davis tube, respectively. The results indicated that D1, D2 and D3 had average iron grades of 58, 52 and 38%, respectively. The minerals of Magnetite, Hematite, Dolomite, Calcite and Quartz were distinguished. Average liberation degree was estimated about 500 μm by Microscopic studies. The results of magnetic tests showed that iron grade of D1, D2 and D3 concentrates increased to 70.46, 63.98 and 45.37%, respectively. The optimization of blending was investigated for production of accumulated concentrate with desirable iron grade (68%) using MATLAB software.
    Charakterystyka i określenie stopnia uwalniania to pierwsze etapy w procesie oczyszczania rud. W bloku 4 kopalni rud żelaza Jalal Abad w prowincji Kerman w Iranie, znajdują się trzy rodzaje złóż rud żelaza: D1, D2, D3, różnej klasy. W pracy tej przedstawiono wyniki analizy chemicznej, mineralogicznej, stopnia uwalniania oraz separacji magnetycznej wykonanych przy zastosowaniu metod XRF, dyfrakcji (XRD) oraz metod mikroskopowych i rurki Davisa. Wyniki analiz wskazują, że złoża D1, D2, D3 to złoża w klasie o zawartości odpowiednio 58, 52 i 38%. W próbkach określono zawartość magnetytu, hematytu, dolomitu, kalcytu oraz kwarcu. Średni poziom uwalniania określony przy pomocy metod mikroskopowych oszacowano na 500 μm. Wyniki badań magnetycznych wskazują, że zawartości żelaza w koncentracie D1,D2 i D3 wzrosły odpowiednio do 70.46, 63.98 i 45.37%. Przeprowadzono optymalizację mieszania koncentratów w celu produkcji końcowego koncentratu o pożądanym poziomie zawartości żelaza (68%) przy zastosowaniu oprogramowania MATLAB.
    Źródło:
    Archives of Mining Sciences; 2013, 58, 3; 729-745
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of neural networks for the prediction of rock fragmentation in Chadormalu iron mine
    Zastosowanie sieci neuronowych do prognozowania stopnia rozdrobnienia skał w kopalni rud żelaza w Chadormalu
    Autorzy:
    Monjezi, M.
    Ahmadi, Z.
    Khandelwal, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/219333.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    stopień rozdrobnienia
    prace strzałowe
    sztuczna sieć neuronowa (ANN)
    kopalnia rudy żelaza Charnomalu
    fragmentation
    blasting operations
    ANN
    Chadormalu iron mine
    Opis:
    Most open-pit mining operations employ blasting for primary breakage of the in-situ rock mass. Inappropriate blasting techniques can result in excessive damage to the wall rock, decreasing stability and increasing water influx. In addition, it will result in either over and/or under breakage of rocks. The presence of over broken rocks can result in decreased wall stability and require additional excavation. In contrast, the presence of under broken rocks may require secondary blasting and additional crushing. Since blasting is a major cost factor, both cases (under and over breakage) create additional costs reflected in the increase of the operation and maintenance of the machinery. Quick and accurate measurements of fragment size distribution are essential for managing fragmented rock and other materials. Various fragmentation measurement techniques are available and are being used by industry/researchers but most of the methods are time consuming and not precise. An ideally performed blasting operation enormously influences the overall mining cost. This aim can be achieved by proper prediction and attenuation of fragmentation. Prediction of fragmentation is essential for optimizing blasting operation. Poor performance of the empirical models for predicting fragmentation has urged the application of new approaches. In this paper, artificial neural network (ANN) method is implemented to develop a model to predict rock fragmentation size distribution due to blasting in Chadormalu iron mine, Iran. In the development of the proposed ANN model, ten parameters such as UCS, drilling rate, water content, burden, spacing, stemming, hole diameter, bench height, powder factor and charge per delay were incorporated. Training and testing of the model was performed by the back-propagation algorithm using 97 datasets. A four-layer ANN was found to be optimum with architecture of 10-7-5-1. A comparison has made between measured results of fragmentation with predicted results of fragmentation by ANN and multiple regression model. Sensitivity analysis was also performed to understand the effect of each influencing parameters on rock fragmentation.
    W większości kopalń odkrywkowych stosuje się prace strzałowe w celu wstępnego rozbicia skał górotworu in situ. Niewłaściwe prowadzenie prac strzałowych spowodować może nadmierne uszkodzenie skał, obniżając stabilność górotworu i powodując zwiększony napływ wód. Ponadto, prowadzić może do nadmiernego lub niedostatecznego rozdrobnienia skał. Obecność nadmiernie rozdrobnionych skał spowodować może zmniejszenie stabilności ścian i wymaga dodatkowego odgruzowania. Z kolei obecność niedostatecznie rozdrobnionych skał powoduje konieczność ponownego wykonania prac strzałowych celem rozdrobnienia dalszego skały. Z uwagi na to, że prace strzałowe stanowią zasadniczy element kosztów, obydwa przypadki (niedostateczne lub nadmierne rozdrobnienie skał) mogą pociągać za sobą dodatkowe koszty, odzwierciedlone w zwiększonych kosztach eksploatacji sprzętu. Szybkie i dokładne pomiary rozkładu wielkości fragmentów skał są niezbędne dla zapewnienia właściwej gospodarki rozdrobnionymi skałami i pozostałymi materiałami. Istnieje wiele metod pomiarów i są one szeroko wykorzystywane przez badaczy oraz w przemyśle, jednakże większość metod okazuje się czasochłonna i niewystarczająco dokładna. Idealne przeprowadzenie prac strzałowych w znacznym stopniu przyczynia się do ograniczenia kosztów prowadzenia prac górniczych. Cel ten osiągnąć można poprzez odpowiednie prognozowanie i kontrolowanie stopnia rozdrobnienia. Prognozowanie konieczne jest dla optymalizacji prowadzenia prac strzałowych. Niska skuteczność metod empirycznych wykorzystywanych do prognozowania stopnia rozdrobnienia skał stanowi zachętę do stosowania nowego podejścia. W artykule przedstawiono zastosowanie metody sztucznych sieci neuronowych (ANN) do opracowania modelu prognozowania rozkładu wielkości skal rozdrobnionych w wyniku prac strzałowych w kopalni Chadormalu, w Iranie. W opracowanym modelu ANN uwzględniono dziesięć parametrów: wytrzymałość skały na ściskanie jednoosiowe (UCS), prędkość wiercenia, zawartość wody, rodzaj nadkładu, rozstawienie, rodzaj przybitki, wysokość ławy, rodzaj materiału wybuchowego oraz wielkość ładunku w stosunku do zwłoki czasowej. Uczenie i testowanie modelu odbywa się przy użyciu algorytmu propagacji wstecznej (back-propagation) z wykorzystaniem 97 baz danych. Stwierdzono, że optymalna sieć złożona jest z czterech warstw a jej architekturę opisać można jako 10-7-5-1. Wyniki pomiarów stopnia rozdrobnienia porównano z wyniki prognoz stopnia rozdrobnienia przeprowadzonych przy pomocy sieci neuronowej w oparciu o metodę regresji wielokrotnej. Przeprowadzono analizę wrażliwości dla lepszego zrozumienia wpływu poszczególnych parametrów na stopień rozdrobnienia skały.
    Źródło:
    Archives of Mining Sciences; 2012, 57, 3; 787-798
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of concentration-number and concentration-volume fractal models to recognize mineralized zones in North Anomaly iron ore deposit, central Iran
    Zastosowanie modeli fraktalnych typu K-L (koncentracja-liczba), oraz K-O (koncentracja-objętość) do rozpoznawania stref występowania surowców mineralnych w regionie złóż rud żelaza North Anomaly, w środkowym Iranie
    Autorzy:
    Afzal, P.
    Ghasempour, R.
    Mokhtari, A. R.
    Haroni, H. A.
    Powiązania:
    https://bibliotekanauki.pl/articles/219456.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    Concentration-Number (C-N)
    Concentration-Volume (C-V)
    fractal models
    iron ore
    North Anomaly
    model koncentracja-liczba
    model koncentracja-objętość
    modele fraktalne
    ruda żelaza
    Opis:
    Identification of various mineralized zones in an ore deposit is essential for mine planning and design. This study aims to distinguish the different mineralized zones and the wall rock in the Central block of North Anomaly iron ore deposit situated in Bafq (Central Iran) utilizing the concentration-number (C-N) and concentration-volume (C-V) fractal models. The C-N model indicates four mineralized zones described by Fe thresholds of 8%, 21%, and 50%, with zones <8% and >50% Fe representing wall rocks and highly mineralized zone, respectively. The C-V model reveals geochemical zones defined by Fe thresholds of 12%, 21%, 43% and 57%, with zones <12% Fe demonstrating wall rocks. Both the C-N and C-V models show that highly mineralized zones are situated in the central and western parts of the ore deposit. The results of validation of the fractal models with the geological model show that the C-N fractal model of highly mineralized zones is better than the C-V fractal model of highly mineralized zones based on logratio matrix.
    Identyfikacja stref występowania surowców mineralnych jest kwestia kluczową przy planowaniu wydobycia i projektowaniu kopalni. Celem pracy jest rozróżnienie stref o różnej zawartości surowców mineralnych oraz pasma skalnego w środkowej części zagłębia Bafq (środkowa cześć Iranu) przy wykorzystaniu modeli fraktalnych typu koncentracja-liczba i koncentracja-objętość. Model koncentracja-liczba pozwala na wyróżnienie czterech stref występowania surowca, definiowanych poprzez progową zawartość żelaza w rudzie na poziomie 8%, 21%, i 50% oraz strefy <8% i >50% zawartości żelaza, co odpowiada pasmu skalnemu oraz strefie o wysokim stopniu zawartości rudy. Model koncentracja-objętość wskazuje na istnienie stref geochemicznych określonych poprzez progowe wartości zawartości żelaza: 12%, 21%, 43% i 57 % oraz strefy <12%, co odpowiada ścianie skalnej. Obydwa modele stwierdzają obecność stref o wysokim stopniu zawartości surowca w środkowej i zachodniej części złoża. Wyniki walidacji modeli fraktalnych przy użyciu modeli geologicznych wskazują, ze model fraktalny koncentracja-liczba lepiej odwzorowuje obecność stref o wysokiej zawartości rud niż model fraktalny typu koncentracja-objętość.
    Źródło:
    Archives of Mining Sciences; 2015, 60, 3; 777-789
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Selecting proper plant species for mine reclamation using fuzzy AHP approach (case study: Chadormaloo iron mine of Iran)
    Wybór gatunków roślin do wykorzystania w rekultywacji terenów górniczych z wykorzystaniem elementów logiki rozmytej i metody AHP – Analytic Hierarchy Process (studium przypadku: kopalnia rud żelaza Chadormaloo w Iranie)
    Autorzy:
    Ebrahimabadi, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/219774.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    kopalnia rud żelaza Chadormaloo
    metoda AHP z elementami logiki rozmytej
    rekultywacja terenów górniczych
    gatunki roślin
    Chadormaloo iron mine
    fuzzy AHP
    mine reclamation
    plant species
    Opis:
    This paper describes an effective approach to select suitable plant species for reclamation of mined lands in Chadormaloo iron mine which is located in central part of Iran, near the city of Bafgh in Yazd province. After mine’s total reserves are excavated, the mine requires to be permanently closed and reclaimed. Mine reclamation and post-mining land-use are the main issues in the phase of mine closure. In general, among various scenarios for mine reclamation process, i.e. planting, agriculture, forestry, residency, tourist attraction, etc., planting is the oldest and commonly-used technology for the reclamation of lands damaged by mining activities. Planting and vegetation play a major role in restoring productivity, ecosystem stability and biological diversity to degraded areas, therefore the main goal of this research work is to choose proper and suitable plants compatible with the conditions of Chadormaloo mined area, providing consistent conditions for future use. To ensure the sustainability of the reclaimed landscape, the most suitable plant species adapted to the mine conditions are selected. Plant species selection is a Multi Criteria Decision Making (MCDM) problem. In this paper, a fuzzy MCDM technique, namely Fuzzy Analytic Hierarchy Process (FAHP) is developed to assist chadormaloo iron mine managers and designers in the process of plant type selection for reclamation of the mine under fuzzy environment where the vagueness and uncertainty are taken into account with linguistic variables parameterized by triangular fuzzy numbers. The results achieved from using FAHP approach demonstrate that the most proper plant species are ranked as Artemisia sieberi, Salsola yazdiana, Halophytes types, and Zygophyllum, respectively for reclamation of Chadormaloo iron mine.
    W pracy przedstawiono skuteczną metodę wyboru odpowiednich gatunków roślin do wykorzystania przy rekultywacji terenów górniczych na terenie kopalni rud żelaza Chadormaloo w środkowej części Iranu, w pobliżu miasta Bafgh, w prowincji Yazd. Po wyczerpaniu zasobów kopalni planowane jest całkowite jej zamkniecie i rekultywacja jej terenów. Rekultywacja terenów górniczych i ich wykorzystanie po zakończeniu wydobycia są kluczowymi zagadnieniami na etapie zamykania kopalni. Spośród rozmaitych scenariuszy rekultywacji terenów (sadzenie roślin, uprawy rolne, sadzenie lasów, przekształcenie w teren mieszkalny lub w atrakcje turystyczne), sadzenie roślin jest najstarszą i najczęściej stosowaną metodą rekultywacji terenów zniszczonych przez działalność górniczą. Nasadzenia i roślinność odgrywają kluczowa role w odtworzeniu produktywności terenu, przyczyniają się do stabilizacji ekosystemów i wnoszą bio-różnorodność na zdegradowane tereny. Stąd też głównym celem obecnych badań jest dobór najbardziej odpowiednich roślin dostosowanych do warunków panujących na terenie obecnej kopalni rud żelaza Chadormaloo, tym samym umożliwiając ponowne tych terenów wykorzystywanie w przyszłości. W celu zapewnienia długotrwałego charakteru krajobrazu, konieczny jest dobór odpowiednich roślin, dostosowanych do warunków panujących na terenie kopalni. Dobór gatunków roślin jest zagadnieniem decyzyjnym, wielo-kryterialnym (MCDM – Multi Criteria Decision Making). W niniejszej pracy przedstawiono metodę wyboru opartą o elementy logiki rozmytej FAHP (Fuzzy Analytic Hierarchy Process) do wykorzystania przez projektantów oraz kierownictwo kopalni i Chadormaloo przy wyborze odpowiednich roślin do rekultywacji terenów w środowisku charakteryzowanym przez parametry rozmyte. Metoda pozwala na uwzględnienie niejasności i niepewności, zmienne językowe są sparametryzowane przy wykorzystaniu liczb trójkątnych. Wyniki uzyskane dzięki wykorzystaniu metody FAHP pokazują, że przy rekultywacji terenów kopalni w Chadormaloo najbardziej odpowiednimi gatunkami roślin będą kolejno: Artemisia sieberi, Salsola yazdiana, Halophytes oraz Zygophyllum.
    Źródło:
    Archives of Mining Sciences; 2016, 61, 4; 713-728
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of backbreak in open pit blasting by Adaptive Neuro-Fuzzy Inference System
    Prognozowanie spękań skał przy pracach strzałowych w kopalniach odkrywkowych przy użyciu metod neuronowych i wnioskowania rozmytego (ANFIS) zastosowanych w modelu adaptywnym
    Autorzy:
    Bazzazi, A. A.
    Esmaeili, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/219044.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    prace strzałowe
    pękanie skał
    system wnioskowania wykorzystujący elementy sieci neuronowych i logiki rozmytej
    kopalnia rud żelaza Sangan
    blasting
    backbreak
    adaptive neuro-fuzzy inference system
    Sangan iron mine
    Opis:
    Adaptive neuro-fuzzy inference system (ANFIS) is powerful model in solving complex problems. Since ANFIS has the potential of solving nonlinear problem and can easily achieve the input-output mapping, it is perfect to be used for solving the predicting problem. Backbreak is one of the undesirable effects of blasting operations causing instability in mine walls, falling down the machinery, improper fragmentation and reduction in efficiency of drilling. In this paper, ANFIS was applied to predict backbreak in Sangan iron mine of Iran. The performance of the model was assessed through the root mean squared error (RMSE), the variance account for (VAF) and the correlation coefficient (R2) computed from the measured of backbreak and model-predicted values of the dependent variables. The RMSE, VAF, R2 indices were calculated 0.6, 0.94 and 0.95 for ANFIS model. As results, these indices revealed that the ANFIS model has very good prediction performance.
    Adaptywny system wnioskowania wykorzystujący elementy sieci neuronowych i logiki rozmytej (ANFIS) stanowi potężny narzędzie do rozwiązywania złożonych problemów. Ponieważ model ANFIS może być wykorzystywany do rozwiązywania problemów nieliniowych i umożliwia wygodne przedstawienie problemu w formie: wejście - wyjście, jest idealnym narzędziem do rozwiązywania problemów związanych z prognozowaniem. Pękanie skał w odkrywce jest jednym z niekorzystnych skutków prowadzenia prac strzałowych, powoduje niestabilność ścian, uszkodzenia maszyn i urządzeń, nieodpowiednią fragmentację skał oraz prowadzi do obniżenia efektywności wierceń. W pracy przedstawiono zastosowanie systemu ANFIS do prognozowania pękań skał w kopalni rud żelaza w Sangan (Iran). Działanie modelu zbadano na podstawie wartości błędu średniokwadratowego (RMSE), wariancji (VAF) i współczynnika korelacji (R2) obliczonego na podstawie pomiarów pęknięć skał i wartości uzyskanych z modelowania. Wartości wskaźników RMSE, VAF i R2 obliczonych przy użyciu modelu ANFIS wynoszą odpowiednio 0.6, 0.94 i 0.95. Wielkości te wyraźnie potwierdzają wysoką skuteczność modelu.
    Źródło:
    Archives of Mining Sciences; 2012, 57, 4; 933-943
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Blast fragmentation classification using Number-Size (N-S) fractal model in Jalal-Abad iron mine
    Klasyfikacja wymiarów fragmentów skał powstałych w trakcie prac strzałowych w kopalni rud żelaza Jalal-Abad w oparciu o model fraktalny N-S (Number-Size)
    Autorzy:
    Nikzad, M.
    Asadi, A.
    Ahangaran, D. K.
    Yasrebi, A. B.
    Wetherelt, A.
    Afzal, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/219711.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    prace strzałowe
    rozdrobnienie skał
    model fraktalny N-S (Number-Size)
    kopalnia rud żelaza Jalal Abad
    blasting
    fragmentation
    Number-Size (N-S) fractal model
    Jalal Abad iron mine
    Opis:
    One of the main purpose of accurate blasting in open pit mining is to achieve optimum rock fragmentation. The degree of rock fragmentation plays a significant role in order to control and minimise the overall production cost including loading, hauling and crushing. In the present paper, the application of a Number-Size (N-S) fractal model is intended to classify the blast fragmentation size in the Jalal-Abad iron mine, SW Iran, using GoldSize image analysis software for four blasting with the obtained result being compared with Kuz-Ram curves. To do this, the fractal dimensions via N-S log-log plots were generated based on the output of the GoldSize software. The results indicated that the fragmented rocks have a multifractal nature with four/five different fragmented populations in terms of size namely; the fine rocks with the size of less than 16 cm, Mean-fragment values between 16 and 45 cm, In-range between 45 and 70 cm and finally, oversize larger than 70 cm.
    Jednym z głównych celów prowadzenia prac strzałowych w kopalniach odkrywkowych jest uzyskanie fragmentów skał o optymalnych rozmiarach. Stopień rozkruszania skał jest kluczowym czynnikiem decydującym o całkowitych kosztach produkcji, obejmujących także koszty załadunku, odstawy urobku i rozdrobnienia. W pracy tej omówiono zastosowanie modelu fraktalnego N-S (Number-Size) do klasyfikacji fragmentów skał uzyskanych w wyniku prowadzenia prac strzałowych w kopalni rud żelaza Jalal-Abad, w południowo-zachodnich rejonach Iranu. W analizach wykorzystano oprogramowanie do analizy obrazów GoldSize, wyniki uzyskane po czterech seriach prac strzałowych porównano następnie z wykresami Kuz-Ram. W tym celu na podstawie danych wyjściowych uzyskanych przy pomocy pakietu GoldSize wygenerowano wymiary fraktalne w oparciu o wykresy N-S w pełnej skali logarytmicznej. Otrzymane wyniki wskazują, że uzyskane fragmenty skalne miały charakter multi-fraktalny, obejmując cztery lub pięć populacji odłamków różniących się w kategorii rozmiarów: skały drobne o wymiarach poniżej 16 cm, odłamki o średniej wielkości: pomiędzy 16 a 45 cm, odłamki o rozmiarach w zakresie 45-70 cm i odłamki duże, o wymiarach powyżej 70 cm.
    Źródło:
    Archives of Mining Sciences; 2018, 63, 3; 783-796
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of penetration rate of rotary-percussive drilling using artificial neural networks – a case study
    Prognozowanie postępu wiercenia przy użyciu wiertła udarowo-obrotowego przy wykorzystaniu sztucznych sieci neuronowych – studium przypadku
    Autorzy:
    Aalizad, S. A.
    Rashidinejad, F.
    Powiązania:
    https://bibliotekanauki.pl/articles/219500.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    prędkość wiercenia
    wiertło obrotowo-udarowe
    sztuczne sieci neuronowe
    urządzenia udarowe
    kopalnia rud żelaza Sangan
    penetration rate
    rotary-percussive drilling
    artificial neural networks
    top hammer drilling
    Sangan iron mine
    Opis:
    Penetration rate in rocks is one of the most important parameters of determination of drilling economics. Total drilling costs can be determined by predicting the penetration rate and utilized for mine planning. The factors which affect penetration rate are exceedingly numerous and certainly are not completely understood. For the prediction of penetration rate in rotary-percussive drilling, four types of rocks in Sangan mine have been chosen. Sangan is situated in Khorasan-Razavi province in Northeastern Iran. The selected parameters affect penetration rate is divided in three categories: rock properties, drilling condition and drilling pattern. The rock properties are: density, rock quality designation (RQD), uni-axial compressive strength, Brazilian tensile strength, porosity, Mohs hardness, Young modulus, P-wave velocity. Drilling condition parameters are: percussion, rotation, feed (thrust load) and flushing pressure; and parameters for drilling pattern are: blasthole diameter and length. Rock properties were determined in the laboratory, and drilling condition and drilling pattern were determined in the field. For create a correlation between penetration rate and rock properties, drilling condition and drilling pattern, artificial neural networks (ANN) were used. For this purpose, 102 blastholes were observed and drilling condition, drilling pattern and time of drilling in each blasthole were recorded. To obtain a correlation between this data and prediction of penetration rate, MATLAB software was used. To train the pattern of ANN, 77 data has been used and 25 of them found for testing the pattern. Performance of ANN models was assessed through the root mean square error (RMSE) and correlation coefficient (R2). For optimized model (14-14-10-1) RMSE and R2 is 0.1865 and 86%, respectively, and its sensitivity analysis showed that there is a strong correlation between penetration rate and RQD, rotation and blasthole diameter. High correlation coefficient and low root mean square error of these models showed that the ANN is a suitable tool for penetration rate prediction.
    Postęp wiercenia przy wierceniach skał jest jednym z podstawowych parametrów decydujących o opłacalności przedsięwzięcia. Całkowite koszty prowadzenia prac wiertniczych określa się w oparciu o prognozowane tempo postępu wiercenia, parametr ten uwzględnia się następnie przy planowaniu prac wydobywczych. Niektóre spośród licznych czynników wpływających na postęp wiercenia przy użyciu wiertła obrotowo-udarowego nie zostały jeszcze w pełni rozpoznane. Przy prognozowaniu postępu wiercenia prowadzonego przy użyciu urządzeń udarowo-obrotowych uwzględniono cztery rodzaje skał obecnych w kopalni Sangan, leżącej w prowincji Khorasan-Razavi w północno -wschodniej części Iranu. Wybrane czynniki mające wpływ na postęp prac wiertniczych pogrupowano w trzy kategorie: właściwości skał, warunki prowadzenia prac wiertniczych oraz plan prowadzenia wiercenia. Parametry określające właściwości skał to gęstość, jakość skał (RQD) i wytrzymałość na ściskanie jednoosiowe, wytrzymałość skał otrzymywana w oparciu o test brazylijski, porowatość, twardość Mohra, moduł Younga, prędkość propagacji fali, Parametry określające warunki prowadzenia wierceń obejmują: udar, prędkość obrotowa, siła naporu, ciśnienie płukania, zaś parametry związane z planem prowadzenia wiercenia obejmują: wymiary otworu wiertniczego i długość. Właściwości skał określono laboratoryjnie, warunki i plan wierceń badano w terenie. Korelacji pomiędzy prędkością postępu wiercenia i właściwościami skał oraz warunkami i planem prac wiertniczych poszukiwano przy użyciu sztucznych sieci neuronowych (ANN). Zbadano 102 otwory wiertnicze, przeanalizowano warunki prowadzenia wierceń, plany prac i zarejestrowano czasy ich prowadzenia. W celu znalezienia korelacji pomiędzy tymi danymi a prognozowaną prędkością wiercenia wykorzystano oprogramowanie MATLAB. W treningu sieci neuronowej wykorzystano 77 danych, 25 z nich otrzymano w drodze testowania wzorca. Wyniki działania sieci neuronowych oceniono w oparciu o błąd średniokwadratowy (RMSE) oraz współczynnik korelacji (R2). Dla zoptymalizowanego modelu (14-14-10-1) błąd średniokwadratowy i współczynnik korelacji wynoszą odpowiednio 0.1865 i 86%. Analiza wrażliwości wykazała istnienie silnej korelacji pomiędzy prędkością wiercenia a jakością skały, prędkością obrotową wiertła i średnicą otworu wiertniczego. Wysoki współczynnik korelacji i niska wartość błędu średniokwadratowego otrzymana dla tych modeli wskazuje, że metody wykorzystujące sztuczne sieci neuronowe są odpowiednie do prognozowania prędkości wiercenia.
    Źródło:
    Archives of Mining Sciences; 2012, 57, 3; 715-728
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies