ORIGINAL_ARTICLE
اصلاح مدل نظری برشپذیری سنگ برای دیسک Vشکل با درنظرگرفتن شعاع لبه تیغه
برشپذیری سنگ همواره بهعنوان یکی از پارامترهای تأثیرگذار در انتخاب و طراحی ابزار برش و پیشبینی عملکرد ماشینهای حفار مکانیکی شناختهشده است. روشهای میدانی، آزمایشگاهی و نظری ازجمله روشهایی هستند که در تعیین برشپذیری سنگ کاربرد دارند. در این تحقیق، مدل نظری برآورد نیروهای برش سنگ با دیسکهای Vشکل با لحاظ کردن شعاع لبه تیغه اصلاح شد. بهمنظور اعتبارسنجی مدل پیشنهادی از دادههای واقعی آزمون برش خطی بزرگمقیاس سنگ ارائهشده در تحقیق بالجی و توماچ (2012) و آزمون t در سطح اطمینان 99% استفاده شد. نتایج نشان داد که مقادیر برآورد شده نیروهای برش با مقادیر واقعی همبستگی قوی دارد و با توجه به بزرگی مقدار P از 01/0=α هردو روش بهطور متوسط مقادیر یکسانی را اندازهگیری میکنند. برای بررسی اثر شعاع لبه تیغههای دیسکی بر نیروهای برش، از مدل پیشنهادی استفاده شد. نتایج نشان داد که به ازای زاویه ثابت لبه، افزایش شعاع لبه سبب افزایش نسبت نیروهای برش تیغههای کُند به تیز میشود. همچنین با افزایش عمق نفوذ، تأثیر شعاع لبه تیغههای دیسکی بر نیروهای برش کاهش یافت و نزدیک به نیروهای برش تیغههای تیز شد. از سوی دیگر افزایش زاویه لبه موجب افزایش غیرخطی نیروهای برش تیغههای دیسکی کُند به ازای عمق نفوذ ثابت شد.
https://ijme.iranjournals.ir/article_38836_54d844decb6c57cf8b70c7b5b29b5912.pdf
2020-05-21
1
9
10.22034/ijme.2020.102272.1687
آزمون برش خطی سنگ
مدل نظری برش پذیری
دیسک Vشکل
شعاع لبه تیغه
محمد
ایزدشناس
m.izadshenass@modares.ac.ir
1
مهندسی استخراج معدن، دانشگاه تربیت مدرس
AUTHOR
جعفر
خادمی حمیدی
jafarkhademi@modares.ac.ir
2
هیأت علمی/دانشگاه تربیت مدرس
LEAD_AUTHOR
هادی
صبوری
h_sabouri@khu.ac.ir
3
گروه مهندسی مکانیک، دانشگاه خوارزمی
AUTHOR
منابع
1
Balci C, Bilgin N. Correlative study of linear small and full-scale rock cutting tests to select mechanized excavation machines. International Journal of Rock Mechanics and Mining Sciences. 2007;44(3):468-76.
2
Roby J, Sandell T, Kocab J, Lindbergh L, editors. The current state of disc cutter design and development directions. Proceeding of 2008 North American Tunneling Conference, SME C; 2008: Citeseer.
3
Rad PF, editor Bluntness and wear of rolling disk cutters. International Journal of Rock Mechanics and Mining Sciences & Geomechanics Abstracts; 1975: Elsevier.
4
Bilgin N. Investigations into the mechanical cutting characteristics of some medium and high strength rocks. 1977.
5
Rostami J. Development of a force estimation model for rock fragmentation with disc cutters through theoretical modeling and physical measurement of crushed zone pressure: Colorado School of Mines Golden; 1997.
6
Howarth F. Some fundamental aspects of the use of disc cutters in hard-rock excavation. Journal of the Southern African Institute of Mining and Metallurgy. 1982;82(11):309-15.
7
Sanio H, editor Prediction of the performance of disc cutters in anisotropic rock. International Journal of Rock Mechanics and Mining Sciences & Geomechanics Abstracts; 1985: Elsevier.
8
Bilgin N, Balci C, Tumac D, Feridunoglu C, Copur H, editors. Development of a portable rock cutting rig for rock cuttability determination. European rock mechanics symposium EUROCK; 2010.
9
Tumac D, Balci C, Bilgin N, Copur H, editors. Comparison of Cutting Forces for V-Type Disc Cutter and Performance Prediction of TBM Using Portable Linear Rock Cutting Machine (PLCM). ISRM Regional Symposium-7th Asian Rock Mechanics Symposium; 2012: International Society for Rock Mechanics.
10
Balci C, Tumac D. Investigation into the effects of different rocks on rock cuttability by a V-type disc cutter. Tunnelling and Underground Space Technology. 2012;30:183-93.
11
Entacher M, Winter G, Bumberger T, Decker K, Godor I, Galler R. Cutter force measurement on tunnel boring machines–System design. Tunnelling and Underground Space Technology. 2012;31:97-106.
12
Entacher M, Lorenz S, Galler R. Tunnel boring machine performance prediction with scaled rock cutting tests. International Journal of Rock Mechanics and Mining Sciences. 2014;70:450-9.
13
Entacher M, Schuller E. Angular dependence of rock cutting forces due to foliation. Tunnelling and Underground Space Technology. 2018;71:215-22.
14
Log S, Smading S, Mosavat K. Recent cutter technology advances to efficiently bore through extremely challenging conditions in hard rock. White Papers of The Robbins Company. 2018.
15
Bilgin N, Copur H, Balci C. Mechanical excavation in mining and civil industries: CRC Press; 2013.
16
Smading S, editor Large-Diameter 20-Inch Disc Cutters-A Comparison of Tool Life and Performance on Hard Rock TBMs. The Rapid Excavation & Tunneling Conference (RETC); 2017; San Diego, USA.
17
Cho J-W, Jeon S, Yu S-H, Chang S-H. Optimum spacing of TBM disc cutters: A numerical simulation using the three-dimensional dynamic fracturing method. Tunnelling and Underground Space Technology. 2010;25(3):230-44.
18
Roxborough FF, Phillips HR, editors. Rock excavation by disc cutter. International Journal of Rock Mechanics and Mining Sciences & Geomechanics Abstracts; 1975: Elsevier.
19
ORIGINAL_ARTICLE
کنترل درصدجامد سرریز هیدروسیکلونهای کارخانه پرعیارکنی1 مجتمع مس سرچشمه با استفاده از حسگر نرم
مدار آسیاکنی اولیه کارخانه پرعیارکنی 1 مجتمع مس سرچشمه از 8 آسیای گلولهای که در مدار بسته با هیدروسیکلون کار می کنند، تشکیل شده است. با توجه به اهمیت زیاد دانسیته خوراک ورودی هیدروسیکلونها در فرآیند طبقهبندی، حلقه کنترل دانسیته سرریز در طرح اولیه برای تأمین درصد جامد مناسب سرریز هیدروسیکلونها در این مدار در نظر گرفته شده بود. بهدلیل نیاز به هشت دانسیته سنج هستهای، مشکلات تعمیر و نگهداری، مسایل ایمنی و محدودیتهای جانمایی، این حلقه کنترل عملیاتی نشده بود. در این تحقیق، درصدجامد برمبنای محاسبات موازنه جرم و ایجاد حسگرهای نرمافزاری (Soft Sensors) تعیین گردید. این حسگرها، برنامه های کامپیوتری هستند که جایگزین نسبتا ارزان برای حسگرهای سختافزاری میباشند و در سال های اخیر استفاده از آنها در صنعت فرآوری مواد افزایش یافته است. با انتقال دادهها به اتاق کنترل و آمادهسازی برنامه انجام محاسبات موازنه آب، حسگر نمایش لحظهای درصد جامد محاسباتی برای هر 8 آسیا عملیاتی شد. برای راهاندازی حلقه کنترل دانسیته سرریز، در مسیر آب ورودی به مخزن خوراک هیدروسیکلون، شیر کنترلی نصب شد. با نصب تجهیزات سختافزاری و استفاده از حسگر نرم درصدجامد، حلقه کنترل دانسیته سرریز هیدروسیکلون برای یکی از آسیاها برنامهنویسی و راهاندازی شد. پایشهایی صورت گرفته از مدار نشان داد، میزان تغییرات درصد جامد سرریز هیدروسیکلون از محدودهی 5/4±30 درصد در زمان عدم نمایش درصد جامد و تنظیم آن به صورت دستی، به محدودهی 5/0±28 درصد در زمان استفاده از حلقه کنترلی درصد جامد، کاهش یافت. علاوه بر این، بررسی دانهبندیهای سرریز هیدروسیکلونها نشان داد، میانگین دانهبندی ورودی به مدار فلوتاسیون از 5/63 درصد زیر 74 میکرون در قبل از راهاندازی حلقه کنترل درصد جامد، به 67 درصد زیر 74 میکرون، بعد از مطلوب نگه داشتن درصد جامد سرریز هیدروسیکلون رسید.
https://ijme.iranjournals.ir/article_38837_9ddbc0e39ea3482b2717cecece74f910.pdf
2020-05-21
10
18
10.22034/ijme.2020.103131.1697
آسیای گلولهای
هیدروسیکلون
حلقه کنترل
درصد جامد
سرچشمه
حمزه
امیری
hamzeh.amiri1370@gmail.com
1
دانشجوی کارشناسی ارشد فرآوری مواد، دانشگاه ولیعصر رفسنجان
AUTHOR
مصطفی
مالکی مقدم
m.maleki@vru.ac.ir
2
گروه مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه ولی عصر رفسنجان
LEAD_AUTHOR
سعید
زارع
zare@kmpc.ir
3
کارشناس ارشد فرآوری مواد معدنی، مرکز تحقیقات کاشیگر، دانشگاه شهید باهنر کرمان
AUTHOR
حمیدرضا
رحیمیپور
rahimi-hr@nicico.com
4
ریاست برق و ابزار دقیق امور تغلیظ مجتمع مس سرچشمه
AUTHOR
صمد
بنیسی
banisi@uk.ac.ir
5
دانشگاه کرمان
AUTHOR
منابع
1
Kawatra, S.K., Eisele, T.C., Zhang, D., Rusesky, M.; 1988;“Effects of temperature on hydrocyclone efficiency”. Int. J. Miner. Process. 23, 205–211.
2
Heiskanen, K.; 1993;“Particle Classification”. Chapman & Hall, London,UK.
3
Wills,B.A., Finch, J.A.; 2016; “Will’s Mineral Processing Technology”, 8nd ed., Elsevier.
4
Heiskanen, K.; 2000;“Experimental hydrocyclone coping models”. Chem. Eng. J. 80,289–293.
5
Nageswararao, K., Wiseman, D.M., Napier-Munn, T.J.; 2004;“Two empirical hydrocyclone models revisited”. Miner. Eng. 17, 671–687.
6
Neesse, T.; 1971;“Hydrocyclone as a turbulence classifier”. Chem. Tech. (Leipzig) 23,146.
7
Neesse, T., Golyk, V., Kaniut, P., Reinsch, V.; 2004;“Hydrocyclone control in grinding circuits”. Miner. Eng. 17, 1237–1240.
8
Neesse, T., Schneider, M., Golyk, V., Tiefel, H.; 2004;“Measuring the operating state of the hydrocyclone”. Miner. Eng. 17, 697–703.
9
Aldrich, C., Uahengo, F.D.L., Kistner, M.; 2015; “Estimation of particle size in hydrocyclone underflow streams by use of multivariate image analysis”.Miner. Eng. 70, 14–19.
10
Elsele, T.C., Jeltema, C.H.N., Walqui, H., Kawatra, S.K.; 2013;“Coarse and fine ‘‘fishhook” inflections in hydrocyclone efficiency curves”.Miner. Metall. Process. 30,137–144.
11
Renner, V.G., Cohen, H.E.; 1978;“Measurement and interpretation of size distribution of particles within a hydrocyclone”. Trans. Inst. Min.Metall., Sec. C. 87 (June), C139C145.
12
Leith, D., Licht, W.; 1972;“The collection efficiency of cyclone type particle collector: anew theoretical approach”. AIChE Symp.Series(Air-1971). 68 (126), 196206.
13
Kraipech, W., et al.; 2006;“The performance of the empirical models on industrial hydrocyclone design”. Int. J. Miner. Process. 80, 100115.
14
Plitt, L.R.; 1976;“A mathematical model of the hydrocyclone classifier”.CIM Bull. 69 (Dec.), 114123.
15
Palaniandy S., Yahyaei M, Powell M.; 2017; “Assessment of hydrocyclone operation in gravity induced stirred mill circuits”. Elsevier; Minerals Engineering 108 (2017) 83–92
16
Napier-Munn, T.J.; 1996;“Mineral Comminution Circuits: Their Operation and Optimisation”. Chapter 12, Julius Kruttschnitt Mineral Research Centre (JKMRC), The University of Queensland, Brisbane, Australia.
17
Westendorf, M., et al.; 2015;“Managing cyclones: A valuable asset, the Copper Mountain case study”. Min. Eng. 67 (6), 2641.
18
Cirulis, D., Russell, J.; 2011;“Cyclone monitoring system improves operations at KUC’s Copperton concentrator”. Eng. Min. J. 212 (10), 4449.
19
King, R.P.; 2001; “Modeling and Simulation of Mineral Processing Systems”, Butterworth – Heinemann.
20
Flintoff, B.C., Mular A.L.; 1991; "The Plant Audit”, A Practical Guide to Process Controls in the Minerals Industry, UBC, Brenda, P.P.48.
21
Sliškovic, D., Grbic, R. Hocenski, Z.; 2011;“Methods for Plant Data-Based Process Modeling in Soft-Sensor Development” ATKAFF 52(4), 306–318(2011).
22
Pan X.W., Metzner G.; 2004; “Development of Weightometer Soft Sensor” APCOM 2004, Cape Town.
23
Bazin, C. and Trusiak, A.; 1998; “A Soft Sensor for Flotation Plants” The Canadian Journal of Chemical Engineering, Volume 76, February, 1998.
24
Casali, A., Vallebuona, G., Bustos, M. Gonzalez, G. and Gimenez, P.; 1998; “A Soft-Sensor For Solid Concentration In Hydrocyclone Overflow”, Minerals Engineering, Vol. 11, No. 4, pp. 375-383.
25
Pan X.W.; 2012; “Smart Ore Tracking System Using Soft Sensor Technology” AGH Journal of Mining and Geoengineering, vol. 36, No. 4.
26
Pan X.W.; 2012;“Development Of Stock plile Soft Sensor” AGH Journal of Mining and Geoengineering, vol. 36, No. 4.
27
Du Y-G, del Villar R, Thibault J.; 1997; “Neural net-based soft sensor for dynamic particle size estimation in grinding circuits”, International Journal of Mineral Processing, 52(2):121–135
28
National Iranian Copper Industries Company; 1977;“Fine Crushing and Fine Ore Storage, Operating Manual”.
29
ORIGINAL_ARTICLE
بهینه سازی فرآیند آبگیری از باطله کارخانه های فرآوری طلا با استفاده از هیدروسیکلون
عملیات آبگیری و بازیابی آب مورد استفاده در فرآیندهای فرآوری مواد معدنی، علاوه بر صرفه جویی در مصرف آب موجب به حداقل رسیدن تخلیه پسماند در محیط زیست می شود. در این تحقیق به بهینه سازی فرآیند آبگیری کارخانه فرآوری طلای زرشوران با استفاده از مدار شامل هیدروسیکلون پرداخته شده است. بدین منظور تعداد 12 آزمایش با قطرهای اسپیگات 2، 3، 6، 9 میلیمتر و در سه حالت عملیاتی تخلیه افشان، حالت گذر و تخلیه طنابی، هیدروسیکلون انجام شده است. قابلیت آبگیری هیدروسیکلون در هر آزمایش براساس مقادیر درصد جامد وزنی و بازیابی جرمی جامد جریان ته ریز ارزیابی شده است. نتایج آزمایش ها نشان می دهد که در شرایط عملیاتی ثابت، با افزایش قطر اسپیگات بازیابی جرمی جامد به جریان ته ریز افزایش و درصد جامد وزنی ته ریز کاهش می یابد. از طرفی با گرایش وضعیت تخلیه ته ریز از حالت طنابی به حالت افشان، درصد جامد وزنی و بازیابی جرمی جامد جریان ته ریز به طور همزمان افزایش می یابند. بنابراین می توان گفت الگوی تخلیه افشان در ته ریز دارای قابلیت آبگیری بالاتری است. در قطر 6 میلیمتر اسپیگات و الگوی تخلیه افشان، بازیابی جرمی جامد ته ریز و درصد جامد وزنی ته ریز به ترتیب به 75 و 61 درصد می رسد. در این حالت با در نظر گرفتن هیدروسیکلون به عنوان مرحله اول فرآیند آبگیری، این مقدار از جامد بدون نیاز به آبگیری مستقیما و با هزینه کمتری قابل انتقال به سد باطله است. از طرف دیگر سرریز هیدروسیکلون محتوای 25 درصد از کل جامد ورودی است. در صورتی که از فیلترپرس موجود در واحد آبگیری به عنوان مرحله نهایی آبگیری استفاده گردد، بار ورودی آن 75 درصد کاهش خواهد یافت و این به معنی افزایش کلی ظرفیت این واحد توسط هیدروسیکلون است.
https://ijme.iranjournals.ir/article_38839_4f6cff57cecdf530dc6b2912582beff1.pdf
2020-05-21
19
26
10.22034/ijme.2020.103642.1701
هیدروسیکلون
آبگیری
بهینه سازی
الگوی تخلیه
کارخانه فرآوری طلای زرشوران
عطاالله
بهرامی
a.bahrami@urmia.ac.ir
1
گروه مهندسی معدن، دانشکده فنی مهندسی، دانشگاه ارومیه
LEAD_AUTHOR
ساغر
فرج زاده
sagharfarajzadeh96@gmail.com
2
گروه مهندسی معدن، دانشکده فنی مهندسی، دانشگاه ارومیه
AUTHOR
محسن
افتخاری
mohsen4pi@gmail.com
3
کارخانه فرآوری طلای زرشوران
AUTHOR
منابع
1
Galvez, E., Cruz, R., Robles, P.A., Cisternas, L.A. (2014). Optimization of dewatering systems for mineral processing. Minerals Engineering, 63, 110-117.
2
Klemes, J. (2012). Industrial water recycle/reuse. Current Opin. Chem. Eng. 1, 238– 245.
3
Usher, S.P., Scales, P.J. (2005). Steady state thickener modelling from the compressive yield stress and hindered settling function. Chem. Eng. J. 111, 253–261.
4
Johnson, N.W. (2003). Issues in maximization of recycling of water in a mineral processing plant. In: Proceedings of Water in Mining, 13–15 October 2003, Brisbane, Queensland. The Australasian Institute of Mining and Metallurgy, Publication Series 6, 239–245.
5
Bergh, L., Ojeda, P., Torres, L. (2015). Expert Control Tuning of an Industrial Thickener. IFAC-Papers on Line, 48(17), 86-91.
6
Rudman, M., Paterson, D.A., Simic, K. (2010). Efficiency of raking in gravity thickeners. International Journal of Mineral Processing, 95(1), 30-39.
7
Dubey, R.K., Singh, G., Majumder, A.K. (2017). Is it an optimum dewatering performance condition in a hydro cyclone? Powder Technology, 321, 218-231.
8
WANG, C., HARBOTTLE, D., LIU, Q. & XU, Z. 2014. Current state of fine mineral tailings treatment: A critical review on theory and practice. Minerals Engineering, 58, 113-131.
9
GARMSIRI, M. R. & UNESI, M. 2018. Challenges and opportunities of hydrocyclone-thickener dewatering circuit: A pilot scale study. Minerals Engineering, 122, 206-210.
10
NI, L., TIAN, J., SONG, T., JONG, Y. & ZHAO, J. 2018. Optimizing Geometric Parameters in Hydrocyclones for Enhanced Separations: A Review and Perspective. Separation & Purification Reviews, 1-22.
11
Gutierrez, J.A., Dyakowski, T., Beck, M.S., Williams, R.A. (2000). Using electrical impedance tomography for controlling hydro cyclone underflow discharge. Powder Technol. 108, 180–184.
12
Viljoen, T. (1993). Recent developments in instrumentation. SAIMM School: Process Simulation, Control and Optimization. The South African Institute of Mining and Metallurgy, Randburg, August 18– 20.
13
NEESSE, T., SCHNEIDER, M., DUECK, J., GOLYK, V., BUNTENBACH, S. & TIEFEL, H. 2004a. Hydrocyclone operation at the transition point rope/spray discharge. Minerals Engineering, 17, 733-737.
14
Yang, Q., Li, Z.M., Lv, W.J., Wang, H.L. (2013). On the laboratory and field studies of removing fine particles suspended in wastewater using mini-hydro cyclone, Sep. Purif. Technol. 110, 93–100.
15
PASQUIER, S. & CILLIERS, J. 2000. Sub-micron particle dewatering using hydrocyclones. Chemical Engineering Journal, 80, 283-288.
16
WANG, C., HARBOTTLE, D., LIU, Q. & XU, Z. 2014. Current state of fine mineral tailings treatment: A critical review on theory and practice. Minerals Engineering, 58, 113-131.
17
BUSTAMANTE, M. 1991. Effect of the hydrocyclone geometry on normal operation conditions. University of Concepción.
18
CONCHA, F., BARRIENTOS, A., MONTERO, J. & SAMPAIO, R. 1996. Air core and roping in hydrocyclones. Comminution 1994. Elsevier.
19
DUBEY, R., CLIMENT, E., BANERJEE, C. & MAJUMDER, A. K. 2016. Performance monitoring of a hydrocyclone based on underflow discharge angle. International Journal of Mineral Processing, 154, 41-52.
20
Neesse, T., Dueck, J. (2007). Air core formation in the hydrocyclone. Minerals Engineering, 20(4), 349-354.
21
NEESSE, T., SCHNEIDER, M., DUECK, J., GOLYK, V., BUNTENBACH, S. & TIEFEL, H. 2004a. Hydrocyclone operation at the transition point rope/spray discharge. Minerals Engineering, 17, 733-737.
22
ORIGINAL_ARTICLE
طراحی و به کارگیری سیستم خبره در ارزیابی بهرهوری معادن
در این تحقیق، یک سیستم خبره مبتنی بر قاعده همراه با یک رابط کاربر گرافیکی برای اندازهگیری، ارزیابی و ارائه سیاست بهبود بهره وری در معادن مطابق با چرخه مدیریت بهرهوری طراحی و پیادهسازی شده است. سیستم خبره شامل مجموعه قواعد مرتبط با نحوه محاسبه و تحلیل شکاف بهره وری بوده و موتور استنتاج بر مبنای تحلیل قواعد پیشرو است. سیاستهای کلان بهبود بر اساس شاخصهای کمی و کیفی ارائه میشود. بهمنظور ارزیابی متغیرهای مؤثر و تعیین اهمیت نسبی این سیاست ها، یک سیستم استنتاج فازی مبتنی بر نظرات خبرگان نیز پیادهسازی شده است. برای بررسی کارکرد سیستم، از دادههای یک مجتمع تولید طلا در یک دوره هشت ساله استفاده و شاخص های مختلف در حوزه های فنی، مالی، منابع انسانی و بازار تدوین و تحلیل شده است. برای شاخصهای با رشد نامطلوب، هفت سیاست بهبود ارائه شده که بیشترین و کمترین سهم به ترتیب مربوط به سیاست "بهبود فرایند تولید" و "مدیریت منابع انسانی" است. بر اساس ارزیابی 40 مؤلفه کیفی، 21 مورد در وضعیت بهبود سریع قرار گرفت. همچنین پس از اجرای سیستم استنتاج فازی، سیاست "کاهش مصرف انرژی" با اهمیت 56% دارای بیشترین اهمیت به دست آمد.
https://ijme.iranjournals.ir/article_38840_78d30659e0389596950dc0d721fda1a5.pdf
2020-05-21
28
39
10.22034/ijme.2020.103849.1703
بهرهوری
سیستم خبره
شاخص
ماتریس IPA
حسین
فنودی
hfanodi@yahoo.com
1
گروه استخراج، دانشکده فنی و مهندسی
AUTHOR
احمد رضا
صیادی
sayadi@modares.ac.ir
2
مدیر گروه استخراج معدن دانشگاه تربیت مدرس
LEAD_AUTHOR
علی
رجب زاده
alirajabzadeh@gmail.com
3
دانشگاه تربیت مدرس، دانشکده اقتصاد و مدیریت، مدیر گروه مدیریت صنعتی
AUTHOR
منابع
1
Tilton,. J. E., 2014, “Cyclical and secular determinants of productivity in the copper, aluminum, iron ore, and coalindustries”, Miner. Econ., 27(1): 1–19.
2
EY Global Mining & Metals Advisory Institute, 2016, “Business risks facing mining and metals”, Available on: http:// EY.com.
3
Sumanth, D. J., Dedeoglu, M., 1988, “Application of expert systems to productivity measurement in companies / organizations”, Computers & Industrial Engineering, 14(3): 241–249.
4
Rao. M. P., Miller. D. M., Lin. B., 2005, “PET: An expert system for productivity analysis”, Expert Systems with Applications, 29: 300–309.
5
Azadeh, A., Fam, I. M., Khoshnoud, M. Nikafrouz, M., 2008, “Design and implementation of a fuzzy expert system for performance assessment of an integrated health, safety, environment (HSE) and ergonomics system: The case of a gas refinery”, Int. Sci.178)22): 4280–4300, (in Persian).
6
Kaur, E. N., Rekhi, E. N. S., Nayyar, A., 2013. “Review of Expert Systems based on Fuzzy logic“, Int. J. Adv. Res. Comput. Commun. Eng., 2(3):1334-1339.
7
Muqeem Idrus, B., Keem, S., Khamidi. Y., Zakaria, M. F., Arazi, M.S., 2012, “Estimation of Production rates for Formwork Installation using Fuzzy Expert Systems”, Glob. J. Res. Eng., 12(1)–E.
8
Chekushina, E. V., Vorobev. A. E., Chekushina T. V., 2013, “Use of expert systems in the mining”, Middle-East J Sci Res,18: 1–3.
9
Rao., M. P., Miller, D. M. , 2004,.”Expert systems applications for productivity analysis”, Ind. Manag. Data Syst., 104(9):776–785.
10
Szwilski, A., 1988, “Significance and measurement of coal mine productivity”, Mining Science and Technology, 6(30): 221-231.
11
Sakaki, H., 1994, “Planning and improvement of labor productivity in mines”, 3th Iranian Mining Symposium, Yazd University, Yazd, Iran (in Persian).
12
Jara, J. J., Pérez, P., Villalobos, P., 2010, “Good deposits are not enough: Mining labor productivity analysis in the copper industry in Chile and Peru 1992–2009”, Resources Policy, 35(4):247-256.
13
Jopp, T.A., 2016, “Did closures do any good? Labor productivity, mine dynamics, and rationalization in interwar Ruhr coal mining”, The Economic History Review, 00(0): 1-36, DOI: 10.1111/ehr.12383.
14
Neingo, P.N., Tholana, T., 2016, “Trends in productivity in the South African gold mining industry”, Journal of Southern African Institute of Mining and Metallurgy, 116:283-290.
15
Asafu-Adjaye, J., Mahadevan, R., 2003, “How cost efficient are Australia's mining industries?”, Energy Economics, 25)4 ): 315-329.
16
Topp, V., Soames, L., Parham, D. and Bloch, H., 2008, “Productivity in the Mining Industry: Measurement and Interpretation”, Australian Government, Productivity Commission, Staff Working Paper, Melbourne, VIC.
17
محمودی، ز.، صیادی، ا.ر.، رجبزاده، ع.،1393، "ارزیابی بهرهوری انرژی در معادن با رویکرد پویایی سیستمی"، سومین کنفرانس معادن روباز ایران، 29-31 اردیبهشت، کرمان.
18
محمودی، ز.، صیادی، ا.ر.، رجبزاده، ع.،1395، "ارایه مدل پویایی ارزیابی بهرهوری نیروی کار معادن (مطالعة موردی: مجتمع معدنی و صنعتی چادرملو)"، مجله مدیریت صنعتی دانشکده مدیریت دانشگاه تهران، 2 (8): 308-287.
19
سلطانی، م.ر.، خدایاری، ف.، صیادی، ا.ر.، رجبزاده، ع.، 1392، "بهینهسازی بهرهوری مجتمع فسفات اسفوردی با استفاده از برنامهریزی کسری"، نشریه علمی پژوهشی مهندسی معدن، 8 (20): 35-25.
20
سلطانی، م.ر.، صیادی، ا.ر.، مهرگان، م.ر ، عابدی، م.ر.،1391، "ارایه رویکرد ترکیبی DEA-APبرای رتبهبندی کارایی معادن سنگ آهن ایران"، مجله پژوهشهای مدیریت منابع سازمانی، 2 (3):64-45.
21
Durkin, J., 1990, “Research Review: Application of expert systems in the sciences”, The Ohio Journal of Science, 90)5(: 171-179.
22
Shu-Hsien L., 2005, “Expert system methodologies and applications—a decade review from 1995 to 2004”, Expert Systems with Applications, 28: 93–103.
23
Akram, M., Abdul Rahman, I., Memon, I., 2014, “A review on expert system and its applications in civil engineering”, International Journal of Civil Engineering and Built Environment, 1: 24-29.
24
Fayek, A., R., and Oduba, A., 2008, “Predicting industrial construction labor productivity using fuzzy expert systems”, Journal of Construction Engineering and Management, 131(8).
25
مرادی، م.، مرادی، س.ف طلوعی اشلقی، ع.،1390، "مدلسازی ارزیابی عملکرد کارکنان با استفاده از سیستم خبره"، دو فصلنامه علمی پژوهشی راهبردهای بازرگانی-دانشور رفتار سابق، 1 (47)، 47-1.
26
Rajak, S., Parthiban, P., Dhanalakshmi, R., 2016, “Sustainable transportation systems performance evaluation using fuzzy logic”, Ecol. Indic., 71: 503–513.
27
Martilla, J. A., James. J. C., 1977, “Importance performance analysis”, Journal of Marketing, 41(1): 77-79.
28
صیادی، ا.ر.، رجبزاده، ع.،1393، "مطالعه و تدوین چرخه بهرهوری و تدوین شاخصهای اصلی آن"، مرکز تحقیقات مواد معدنی ایران - یزد، شرکت تهیه و تولید مواد معدنی ایران.
29
Mehrbakhsh, N., Karamollah. B., Othman. I., Nasim. J., Mousa. B., 2011, “An application expert system for evaluating effective factors on trust in B2C Websites Trust, Security, ANFIS, Fuzzy Logic, Rule Based Systems”, Electronic Commerce, Engineering, 3: 1063-1071.
30
Lin, C.C., Chen, S.C., Chu. Y.M., 2011, “Automatic price negotiation on the web: An agent-based web application using fuzzy expert system”, Expert Syst. Appl., 38(5): 5090–5100.
31
رجب زاده، علی، نیک قدم حجتی، س.، فریدی ماسوله، م.، 1393، انتشارات صفار، 192 صفحه.
32
فرجی، ح.، آذر، عادل، علم مدیریت فازی، 1389، نشر کتاب مهربان، 308 صفحه
33
خدیور، آ.، نصر نصرآبادی، ش.، فلاح،ا.،1393،"طراحی سیستم خبره فازی جهت انتخاب استراتژی مدیریت دانش"، پژوهشنامه پردازش و مدیریت اطلاعات،30(1)، 119-91.
34
ORIGINAL_ARTICLE
پهنهبندی برخی از عناصر سمی در انباشتگاه باطله شرقی معدن سرب و روی انگوران با رویکرد زمینآماری
تعیین توزیع فضایی عناصر سمی در محل دپوی باطله های معدن نیازمند ارزیابی خطرات وارائه راهکارهای زیست محیطی می باشد. برای رسیدن به این هدف، از دمپ باطله شرقی معدن انگوران به مساحت 300000 مترمربع نمونه برداری انجام شد. برای این منظور، 38 نمونه ی خاک جهت مطالعه، آنالیز و مدل سازی انتخاب گردید. مطالعات آماری مجموعه داده ها برای برخی از عناصر سمی شامل As،Cd ،Cu وCo صورت پذیرفت. از نظر زمین آماری، جهت حذف داده های خارج از ردیف از روش نمودار Q-Q plot استفاده شد که این امر افزایش ضریب همبستگی نتایج را به همراه داشت. در مرحله بعد، مطالعات زمین آماری از جمله پارامتر های واریوگرام شامل دامنه، سقف، اثر قطعه ای و آزیموت برای عناصر سمی مورد مطالعه محاسبه و توزیع پراکندگی این عناصر بر اساس روش شبیه سازی گوسی متوالی (SGS) مدل سازی شد که نتایج حاصل نشان دهنده مقادیر بالای As در نواحی جنوب، غرب و شمال دمپ باطله می باشد. بعلاوه، مقادیر بالای Cd در نواحی جنوب غربی و شمال شرقی دمپ باطله تعیین گردید. نتایج نشان داد که مقادیر بالای Co و Cuدر نواحی غرب، جنوب و شمال دمپ باطله تجمع پیدا کرده اند. به منظور اعتبارسنجی واریوگرام ها از روش اعتبارسنجی متقابل استفاده شد که یک روش اساسی برای مقایسه تاثیر مدل واریوگرام های مختلف و روش های شبیه سازی در نتایج درونیابی می باشد. ضریب همبستگی برای عناصر As ،Cd ،Cu وCo به ترتیب 885/0، 8056/0، 6867/0 و 9792/0 محاسبه گردید که نشان دهنده اعتبار بالای نتایج شبیه سازی می باشد. نتایج حاصل از مطالعه حاضر می تواند در ارائه راهکارهای مدیریت زیست محیطی باطله های معدنی برای کنترل آلاینده های سمی مورد استفاده قرار گیرد.
https://ijme.iranjournals.ir/article_38841_491ea9f71321a0635776c8d4e21ed744.pdf
2020-05-21
41
49
10.22034/ijme.2020.104306.1705
شبیه سازی گوسی متوالی
مدل واریوگرام
داده های خارج از ردیف
عناصر خطرناک
دمپ باطله
فرامرز
دولتی ارده جانی
fdoulati@ut.ac.ir
1
دانشگاه تهران
LEAD_AUTHOR
عباس
شرفی
abbas.sharafi@gmail.com
2
کارمند ایمدرو
AUTHOR
حامد
بیگی
hamedbeigi94@ut.ac.ir
3
فارغ التحصیل دانشگاه تهران
AUTHOR
بهرام
رضایی
rezai@aut.ac.ir
4
استاد مهندسی معدن (فرآوری مواد معدنی)، دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر
AUTHOR
جعفر
سرقینی
j_sargheini@azad.ac.ir
5
استادیار مهندسی معدن (فرآوری مواد معدنی)، دانشگاه آزاد اسلامی- واحد تهران جنوب
AUTHOR
منابع
1
Anawar HM (2015), "Sustainable rehabilitation of mining waste and acid mine drainage using geochemistry, mine type, mineralogy, texture, ore extraction and climate knowledge". J Environ Manage 158:111–121
2
Goovaerts P (1998), "Geostatistical tools for characterizing the spatial variability of microbiological and physico-chemical soil properties". Biol Fertil Soils 27:315–334
3
Jamieson HE, Walker SR, Parsons MB (2015), "Mineralogical characterization of mine waste". Appl Geochem 57:85–105
4
Komnitsas K, Modis K (2006), "Soil risk assessment of As and Zn contamination in a coal mining region using geostatisretics". Sci Total Environ 371:190–196
5
Marko K, Al-Amri NS, Elfeki AM (2014), "Geostatistical analysis using GIS for mapping groundwater quality, case study in the recharge area of Wadi Usfan, western Saudi Arabia". Arab J Geosci 7:5239–5252
6
Modis K, Komnitsas K (2008), "Dimensionality of heavy metal distribution in waste disposal sites using nonlinear dynamics". J Hazard Mater 156:285–291
7
Juang KW, Chen YS, Lee D-Y (2004), ,"Using sequential indicator simulation to assess the uncertainty of delineating heavy-metal contaminated soils". Environ Pollut 127:229–238
8
Barkouch Y, Pineau A (2016), "Evaluation of the impact of mine activity on surrounding soils of Draa Lasfar mine in MarrakechMorocco". Afr J Environ Sci Technol 10:44–49
9
Qu M, Li W, Zhang C (2013), "Assessing the risk costs in delineating soil nickel contamination using sequential Gaussian simulation and transfer functions". Ecol Inform 13:99–10
10
Van der Perk M et al (2008), "The effect of short-range spatial variability on soil sampling uncertainty". Appl Radiat Isot 66:1582–1587
11
Cao S, Lu A, Wang J, Huo L (2017), "Modeling and mapping of cadmium in soils based on qualitative and quantitative auxiliary variables in a cadmium contaminated area". Sci Total Environ 580:430–439
12
Franco C, Soares A, Delgado J (2006), "Geostatistical modelling of heavy metal contamination in the topsoil of Guadiamar river margins (S Spain) using a stochastic simulation technique Geoderma" 136:852–864.
13
Lin YP, Chang TK, Teng TP (2001), "Characterization of soil lead by comparing sequential Gaussian simulation",simulated annealing simulation and kriging methods". Environ Geol 41:189–199
14
Fu W, Zhao K, Zhang C, Wu J, Tunney H (2016), "Outlier identification of soil phosphorus and its implication for spatial structure modeling". Precision Agric 17:121–135
15
Du C, Liu E, Chen N, Wang W, Gui Z, He X (2017), "Factorial kriging analysis and pollution evaluation of potentially toxic elements in soils in a phosphorus-rich area, South Central China". J Geochem Explor 175:138–147
16
Isaaks EH and Mohan Srivastava R (1988), "Spatial continuity measures for probabilistic and deterministic geostatistics," Math geol", 20: 313-341
17
Jordanova N, Petrovsky E, Kapicka A, Jordanova D, Petrov P (2017), "Application of magnetic methods for assessment of soil restoration in the vicinity of metallurgical copper-processing plant in Bulgaria". Environ Monit Assess 189:158
18
Komnitsas K, Guo X, Li D (2010), "Mapping of soil nutrients in an abandoned Chinese coal mine and waste disposal site". Miner Eng 23:627–635
19
Lin WC, Lin YP, Wang YC (2016), "A decision-making approach for delineating sites which are potentially contaminated by heavy metals via joint simulation". Environ Pollut 211:98–110
20
Liu G, Niu J, Guo W, Zhao L, Zhang Ch, Wang M, Zhang Zh, Guo G (2017), "Assessment of terrain factors on the pattern and extent of soil contamination surrounding a chemical industry in Chongqing", Southwest China. CATENA 156:237–243
21
Martin JAR, Nanos N (2016), "Soil as an archive of coal-fired power plant mercury deposition". J Hazard Mater 308:131–138
22
Safikhani M, Asghari O, Emery X (2016), "Assessing the accuracy of sequential gaussian simulation through statistical testing". Stoch Environ Res Risk Assess 31:1–11
23
Sun H, Li J, Mao X (2012), "Heavy metals’ spatial distribution characteristics in a copper mining area of Zhejiang Province". J Geogr Inf Syst 4:46
24
Ersoy A, Yunsel T, Cetin M (2004), "Characterization of land contaminated by past heavy metal mining using geostatistical methods". Arch Environ Contam Toxicol 46:162–17
25
Jiang Y, Zhang Y, Wen D, Liang W (2003), "Spatial heterogeneity of exchangeable iron content in cultivated soils of Shenyang suburbs". J Soil Water Conserv 17:119–121
26
Li X, Yang H, Zhang Ch, Zeng G, Liu Y, Xu W, Wu Y, Lan Sh (2017), "Spatial distribution and transport characteristics of heavy metals around an antimony mine area in central China". Chemosphere 170:17–24
27
Remy N (2005), S-GeMS: "the Stanford geostatistical modeling software: a tool for new algorithms development". In: Geostatistics Banff 2004. Springer, Berlin, pp 865–871
28
Gilg, H.A., Boni, M., Balassone, G., Allen, C.R., Banks, D., Moore, F. (2006), "Marble-hosted sulfide ores in the Angouran Zn-(Pb-Ag) deposit, NW Iran: Interaction of sedimentary brines with a metamorphic core complex". Miner. Depos. 41, 1–16. doi:10.1007/s00126-005-0035-5
29
Boni M, Gilg HA, Balassone G, Schneider, J, Allen CR, Moore, F (2007), "Hypogene Zn carbonate ores in the Angouran deposit, NW Iran". Miner. Depos. 42, 799–820. doi:10.1007/s00126-007-0144-4
30
Boni M, Mondillo, N (2015), "The “Calamines” and the “Others”: The great family of supergene nonsulfide zinc ores". Ore Geol. Rev. 67: 208–233.
31
Sharafi A, Doulati Ardejani F, Rezaei B, Sargheini J (2018), "Environmental geochemistry of near-neutral waters and mineralogy of zinc and lead at the Angouran non-sulphide zinc mine, NW Iran". J. Geochem Explor 186, 77-93.
32
Daliran, F., Borg, G., (2003), "A preliminary appraisal of the non-sulphide zinc deposit of
33
Angouran, North-West Iran". Miner. Explor. Sustain. Dev. 65–68.
34
Wahsha M, Nadimi-Goki M, Bini C (2016), "Land contamination by toxic elements in abandoned mine areas in Italy". J Soils Sediments 16:1300–1305
35
شرفی، عباس؛ «مدلسازی طرح سیستم تصفیه غیرفعال پساب»، دانشگاه آزاد اسلامی واحد علوم تحقیقات، تز ارشد،1397
36
Liu Y, Lv J, Zhang B, Bi J (2013), "Spatial multi-scale variability of soil nutrients in relation to environmental factors in a typical agricultural region, Eastern China". Sci Total Environ 450:108–119
37
Goovaerts P (1999), "Geostatistics in soil science," state-of-the-art and perspectives. Geoderma 89:1–45
38
M. Qu, W. Li, and C. Zhang, (2013), "Assessing the risk costs in delineating soil nickel contamination using sequential Gaussian simulation and transfer functions". Ecol Inform 13: 99-105
39
Gama Xavier A. (1990), "Environmental biochemical aspects of heavy metals in acid mine water". Int J Mine Water 9 (1-4): 43-55
40
Finzgar N, Jez E, Voglar D, Lestan D (2014), "Spatial distribution of metal contamination before and after remediation in the Meza Valley, Slovenia". Geoderma s217-218: 135-143
41
Dao L, Morrison L, Kiely G, Zhang C (2013), "Spatial distribution of potentially bioavailable metals in surface soils of a contaminated sports ground in Galway", Ireland. Environ Geochem Health 35:227–238
42
Modis K, Vatalis KI (2014), "Assessing the risk of soil pollution around an industrialized mining region using a geostatistical approach". Soil Sediment Contam 23:63–75
43
Morrell WJ, Stewart R, Gregg P, Bolan N, Horne D (1996), "An assessment of sulphide oxidation in abandoned base-metal tailings", Te Aroha, New Zealand. Environ Pollut 94:217–225
44
Marescotti P, Azzali E, Servida D, Carbone C, Grieco G, De Capitani L, Lucchetti G (2010), "Mineralogical and geochemical spatial analyses of a waste-rock dump at the Libiola Fe–Cu sulphide mine (Eastern Liguria, Italy)". Environ Earth Sci 61:187–199
45
Romero A, Gonza ´lez I, Martı ´n JM, Va ´zquez MA, Ortiz P (2015), "Risk assessment of particle dispersion and trace element contamination from mine-waste dumps." Environ Geochem Health 37:273–286
46
Armstrong M, (1998), "Basic linear geostatistics. Springer", Berlin
47
Trangmar BB, Yost RS, Uehara G (1986), Application of geostatistics to spatial studies of soil properties. Adv Agron 38:45–94
48
Atteia O, Dubois J-P, Webster R (1994), "Geostatistical analysis of soil contamination in the Swiss Jura". Environ Pollut 86:315–327
49
Long XH, Zhao J, Liu ZP, Rengel Z, Liu L, Shao HB, Tao Y (2014), "Applying geostatistics to determine the soil quality improvement by Jerusalem artichoke in coastal saline zone". Ecol Eng 70:319–326
50
Komnitsas K, Modis K (2009), "Geostatistical risk estimation at waste disposal sites in the presence of hot spots". J Hazard Mater164:1185–1190
51
Sun B, Zhou S, Zhao Q (2003), "Evaluation of spatial and temporal changes of soil quality based on geostatistical analysis in the hill region of subtropical China". Geoderma 115:85–99
52
ORIGINAL_ARTICLE
تحلیل حساسیت شبکههای تهویه با روشهای مبتنی بر مشتق
تحلیل و محاسبه شبکههای تهویه یکی از مهمترین بخشهای طراحی، پیش از استخراج است. شبکه طراحی شده در حین عملیات استخراج ممکن است تحت تأثیر پارامترهایی داخلی و خارجی قرار گیرد و در نتیجه کارائی پیشبینی شده در مرحله طراحی را نداشته باشد. شناسائی پارامترهای دخیل در کارائی یک شبکه تهویه در طول مرحلههای آماده سازی و فرایند استخراج اهمیت فراوانی دارد. با در نظر گرفتن عدم قطعیت موجود در تغییرات مقاومت ناشی از عوامل داخلی و خارجی، ورودی مدل تحلیل حساسیت شبکه تهویه، تغییرات مقاومت در نظر گرفته شده است. شیب تفاضل محدود تغییرات شدت جریان پس از هر بار تغییر مقاومت نسبت به شدت جریان در حالت عادی به عنوان کمیت حساسیت اندازهگیری شده است. آنالیز حساسیت برای شبکه تهویه معدن تخت انجام شده است. تغییرات مقاومت در تونل اصلی که وظیفه حمل و نقل پرسنل و مواد حاصل از استخراج را بر عهده دارند به عنوان وروودی مدل تحلیل حساسیت در نظر گرفته شده است. بر اساس رابطه افت فشار، تغییرات شدت جریان همه شاخهها به ازای هر بار تغییر به عنوان خروجی مدل ذخیره شده است. شیب تفاضل محدود تغییرات شدت جریان پس هر بار اعمال تغییر مقاومت به عنوان مقدار حساسیت هر شاخه محاسبه شده است. بیشترین مقدار معرف حساسترین شاخه نسبت به تغییر مقاومت در تونل اصلی است. حساسترین شاخه، تونل خروج هوای تهویه شده از بخشهای مختلف معدن و دویل تهویه منتقل کننده هوا بین دو تراز ارتفاعی متفاوت است. شاخههای با حساسیت بالا ریسک بالاتری برای از کار افتادن دارند بنابراین میتوان حساسیت هر شاخه از شبکه را به عنوان ضریبی در مدل تحلیل قابلیت اطمینان شبکههای تهویه وارد کرد
https://ijme.iranjournals.ir/article_38842_905b70eaad65507b9444bdc2f3dea197.pdf
2020-05-21
50
64
10.22034/ijme.2020.105047.1711
تحلیل حساسیت
شبکه
تهویه
ریسک
معدن تخت
زهره
رضائی
zrezaey@gmail.com
1
استخراج، دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر، تهران، ایران
AUTHOR
مجید
عطایی پور
map60@aut.ac.ir
2
دانشگاه صنعتی امیرکبیر
LEAD_AUTHOR
حسن
مدنی
hmadani@aut.ac.ir
3
دانشگاه صنعتی امیرکبیر
AUTHOR
منابع
1
Song, Y., Guo, X., Lv, W., Guo, H., & Li, R. (2017). A SIMULATION STUDY ON THE RECONSTRUCTION OF COALMINE VENTILATION SYSTEM BASED ON WIND RESISTANCE CORRECTION. International Journal of Simulation Modelling (IJSIMM), 16(1).
2
Kurnia, J.C., A.P. Sasmito, and A.S. (2014) Mujumdar, Simulation of a novel intermittent ventilation system for underground mines. Tunnelling and Underground Space Technology, 42: p. 206-215.
3
George, D., B. Davood, and M.-J. (2011) Pierre, Ventilation and climate simulation with the Multiflux code. Journal of Coal Science and Engineering (China), 17(3): p. 243.
4
Liu, Y., Wang, S., Deng, Y., Ma, W., & Ma, Y. (2016). Numerical simulation and experimental study on ventilation system for powerhouses of deep underground hydropower stations. Applied Thermal Engineering, 105, 151-158.
5
Zhang, G., Hong, Y., Yang, Q., Ji, H., & Lv, G. (2015). Numerical Simulation of Energy Saving Potential in Dispersing Process of Blasted Smoke in Mines. Journal of Harbin Institute of Technology, 4, 014
6
Massanés, M.B., L.S. Pera, and J.O. Moncunill. (2015) Ventilation management system for underground environments. Tunnelling and Underground Space Technology, 50: p. 516-522
7
Hitch, M. and G. Dipple.( 2012) Economic feasibility and sensitivity analysis of integrating industrial-scale mineral carbonation into mining operations. Minerals Engineering, 39: p. 268-275
8
eqing, H.X.L.Z.G. and L. Xiao. (2007) Numerical Simulation and Sensitivity Analysis of Slope Stability in Mine Transferred from Open Pit to Underground Mining [J]. Metal Mine. 6: p. 002
9
Palei, S. and S. Das.(2008) Sensitivity analysis of support safety factor for predicting the effects of contributing parameters on roof falls in underground coal mines. International Journal of Coal Geology. 75(4): p. 241-247
10
Wang, Y.( 2014) The Airflow Abnormal Value Analysisof Mine Ventilation Network Based on the Sensitivity. in Advanced Materials Research. Trans Tech Publ.
11
Li, G., C. Kocsis, and S. Hardcastle. (2011) Sensitivity analysis on parameter changes in underground mine ventilation systems. Journal of Coal Science and Engineering (China). 17(3): p. 251-255.
12
Iman, R.L. and J.C. Helton. (1988) An investigation of uncertainty and sensitivity analysis techniques for computer models. Risk analysis, 8(1): p. 71-90.
13
Pianosi, F., Beven, K., Freer, J., Hall, J. W., Rougier, J., Stephenson, D. B., & Wagener, T. (2016). Sensitivity analysis of environmental models: A systematic review with practical workflow. Environmental Modelling & Software, 79, 214-232
14
Hamby, D. (1994) A review of techniques for parameter sensitivity analysis of environmental models. Environmental monitoring and assessment, 32(2): p. 135-154.
15
Devenish, B., Francis, P., Johnson, B., Sparks, R., & Thomson, D. (2010) Sensitivity analysis of dispersion modeling of volcanic ash from Eyjafjallajökull. Journal of Geophysical Research: Atmospheres, 117
16
ربیعنژاد, ح., خ. فعالیان, ا. الهی, (1387) تجزیه و تحلیل شبکه تهویه معدن رضی با استفاده از نرم افزار ونتسیم، دفتر فنی و طراحی معدن رضی.
17
Young, D. F., Munson, B. R., Okiishi, T. H., & Huebsch, W. W. (2010). A brief introduction to fluid mechanics: John Wiley & Sons.
18
Skochinsky, A., V. Komarov, and J.S. Scott. (1969) Mine ventilation.
19
ORIGINAL_ARTICLE
مطالعات دورسنجی با استفاده از آنالیز طیفی در محدوده معدنی کائولن زنوز به منظور تعیین گستره ماده معدنی
چکیدهمعرفی مناطق امیدبخش جدید در اطراف کانسارهای شناخته شده، یکی از اهداف مهم برای مدیران و صاحبان معادن فعال می باشد. در این راستا، استفاده از دادههای دورسنجی مالتی اسپکترال به دلیل در دسترس بودن و هزینههای پایین آنها در مطالعات زمین شناسی، اکتشاف کانیها و به نقشه در آوردن آلتراسیونها از طرف مهندسین اکتشاف از اولویت برخوردار است. در این مطالعه گسترش ماده معدنی در اطراف ذخیره اصلی کائولن زنوز با استفاده از دو نوع داده لندست 8 و استر بررسی می شود. معدن کائولن زنوز به عنوان بزرگترین معدن کائولن خاورمیانه، در شهرستان مرند استان آذربایجانشرقی واقع شده است. در این مطالعه همچنین سعی شده است مقایسهای بین نتایج داده لندست 8 و استر انجام گیرد. در مطالعه حاضر، ابتدا پیش پردازش داده ها شامل تصحیح اتمسفری و تصحیح توپوگرافی و حذف اثر پوشش گیاهی انجام شد. سپس با استفاده از آنالیز طیفی، طیف کانیهای اصلی در منطقه شناسایی شد و در نهایت با استفاده از روش کلاس بندی شبکه عصبی، به عنوان یک روش غیرخطی و نظارت شده فراوانی کانیها به نقشه در آمد. جهت اعتبار سنجی نتایج از دو روش اعتبار سنجی مجازی و نمونه برداری صحرایی استفاده شد. نتایج به دست آمده بیانگر آنست که استفاده از دادههای به کار برده شده در اکتشاف کائولن بسیار موفقیت آمیز بوده و همچنین چند منطقه پر پتانسیل برای مطالعات تفصیلی پیشنهاد شد.
https://ijme.iranjournals.ir/article_38838_13ca326e747c4fb71164a02a0102bd22.pdf
2020-05-21
65
81
10.22034/ijme.2020.105315.1713
لندست 8
استر
کائولن
آنالیزطیفی
شبکههای عصبی مصنوعی
توحید
نوری
t.nouri@uma.ac.ir
1
استادیار دانشکده فنی و مهندسی، دانشگاه محقق اردبیلی، اردبیل، ایران.
AUTHOR
راشد
پورمیرزائی
rashed.poormirzaee@gmail.com
2
استادیار، گروه مهندسی معدن و مواد، دانشگاه صنعتی ارومیه، ارومیه، ایران
LEAD_AUTHOR
فریدون
ملایی کشکی
fmkoshki77@yahoo.com
3
مدیر امور معادن، شرکت صنایع خاک چینی ایران
AUTHOR
منابع
1
پورمیرزایی، راشد؛ 1396؛ "بررسی نقش صنعت معدنکاری و منابع معدنی در توسعه پایدار کشور". نشریه مهندسی منابع معدنی، دوره دوم، شماره 3، 92-81 ص.
2
Dubinski, J., 2013. “Sustinable development of mining mineral resources”.Journal of Sustainable Mining 12(1), 1-6.
3
Bickford, M.E., 2013. “the Impact of the geological science on society”. the geological society of America, New York, USA.
4
Poormirzaee, R., Oskouei, M.M., 2010. “Use of spectral analysis for detection of alterations in ETM data, Yazd, Iran”, Appl Geomat, 2: 147; https://doi.org/10.1007/s12518-010-0027-8.
5
Pournamdary, M., Hashim, M., Pour, B.A., 2014. “Application of ASTER and Landsat TM data for geological mapping of Esfandagheh ophiolite complex, southern Iran”. Resource Geology, 64(3), 233.
6
Nouri, T., Oskouei, M.,2012. “Detection of the geothermal alterations and thermal anomalies by processing of remote sensing data Sabalan, Iran”. The 33RD Asian Conference on Remote Sensing, November 26-30, 2012.
7
Mwaniki, M.W., Moeller, M.S., Schellmann, G., 2015. “A comparison of Landsat8 (OLI) and Landsat 7 (ETM+) in mapping geology and visualizing lineaments: A case study of central region Kenya”. 36th International Symposium on Remote Sensing of Environment, 11–15 May 2015, Berlin, Germany.
8
BeiranvandPour, A., Hashim, M., 2015. “Hydrothermal alteration mapping from Landsat-8 data, Sar Cheshmeh copper mining district, south-eastern Islamic Republic of Iran”. Journal of Taibah University for Science, 9, 155–166.
9
Zhang, T., Yi, G., Li, H., Wang, Z., Tang, J., Zhong, K., Li, Y., Wang, Q., Bie, X., 2016. “Integrating Data of ASTER and Landsat-8 OLI(AO)for Hydrothermal Alteration Mineral Mapping in Duolong Porphyry Cu-Au Deposit, Tibetan Plateau, China”. Remote Sensing, 8(11), 890.
10
Fatima, K., Khattak, M.U.K., Kausar, A.B., Toqeer, M., Haider, N., Rehman, A.U., 2017. “Minerals identification and mapping using ASTER satellite image”. Journal of Applied Remote Sensing, 11(4), 046006.
11
Testa, F. J., Villanueva, C., Cooke, D. R., Zhang, L., 2018. “Lithological and Hydrothermal Alteration Mapping of Epithermal, Porphyry and Tourmaline Breccia Districts in the Argentine Andes Using ASTER Imagery”. Remote Sensing, 10(2), 203.
12
Ourhzif, Z., Algouti, A., Algouti, A., Hadach, F., 2019. “Lithological mapping usingLandsat 8 OLI and ASTER multispectral data in Imini-Ounilla district South High Atlas of Marrakech”. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLII-2/W13, 1255–1262.
13
Yang, M., Ren, G., Han, L., Yi, H., Gao, T., 2018. “Detection of Pb–Zn mineralization zones in west Kunlun using Landsat 8 and ASTER remotese nsing data”. Journal of Applied Remote Sensing, 12(2), 026018.
14
Banerjee, K., Jain, M. K., Panda, S., Jeyaseelan, A.T., 2019. “Landsat 8 OLI data for identification of hydrothermal alteration zone in Singhbhum Shear Zone using successive band depth difference technique - a new image processing approach”. Current Science, 116(10), 1639-1647.
15
Safari, M., Maghsoudi, A., Beiranvand Pour, A., 2018. “Application of Landsat-8 and ASTER satellite remote sensing data for porphyry copper exploration: a case study from Shahr-e-Babak, Kerman, south of Iran”. Geocarto International, 33(11), 1186-1201.
16
Tayebi, M.H., Tangestani, M.H. & Roosta, H., 2013. “Mapping salt diapirs and salt diapir-affected areas using MLP neural network model and ASTER data”. International Journal of Digital Earth, 6(2), 143-157.
17
Jianwen, M., Bagan,H., 2005. “Land-use classification using ASTER data and self-organized neutral networks”. International Journal of Applied Earth Observation and Geoinformation, 7(3), 183-188.
18
Bioucas-Dias, J.M., Plaza, A., Dobigeon, N., Parente, M., Du, Q., Gader, P., and Chanussot, J., 2012. “Hyperspectral Unmixing Overview: Geometrical, Statistical, and Sparse Regression-Based Approaches”. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 5(2), 354-379.
19
Nascimento, J.M. and J.M. Bioucas-Dias, Nonlinear mixture model for hyperspectral unmixing. Proc. SPIE Image and Signal Processing for Remote Sensing XV, L. Bruzzone, C. Notarnicola, and F. Posa, Eds, 2009 .p. 74770I.
20
Chakravortty, S. and E. Shah. Application of non-linear spectral unmixing on hyperspectral data for species level classification of mangroves. in Communications and Signal Processing (ICCSP), 2013 International Conference on. 2013. IEEE.
21
Altmann, Y., N. Dobigeon and Tourneret J. Y, Bilinear models for nonlinear unmixing of hyperspectral images. in Hyperspectral Image and Signal Processing: Evolution in Remote Sensing (WHISPERS), 3rd Workshop on. IEEE, 2011.
22
Nouri, T. & Mohammady Oskouei, M. (2016) Processing of Hyperion data set for detection of indicative minerals using a hybrid method in Dost-Bayli, Iran. International journal of remote sensing, 37(20), 4923-4947.
23
Zekri, H., Oskouei M.M., Noori, T., 2016. Detectuon of end Members on A Scene of Hyperion data using Orasis metod in AGH-DAGH, ARDEBIL, Iranian Journal of mining engineering (IRJME), 10(29), 1-19.
24
Heylen, R., M. Parente, and P. Gader, A review of nonlinear hyperspectral unmixing methods. 2014. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 7(6), 1844-1868.
25
Stoclin J.(1977),structural correlation of the Alpine ranges between Iran and centeral Asia, Mem.Ser.Soc. Geo.France,n8,333-335.
26
Eftekhar nezhad J., (1996), Geological map of Iran 1:100000 series sheet 5167 (Julfa), Geological survey of Iran, Tehran.
27
فرید آزاد، مروت؛ عامری، علی؛ مجتهدی، منصور؛ ملک قاسمی، فرید؛"مطالعه پترولوژیکی و زمینشناسی سنگهای آتشفشانی منطقه زنوز با نگرشی بر کائولنزایی آنها". سومین همایش انجمن زمینشناسی ایران ، 11-9 شهریورماه 1378، شیراز.
28
فرید آزاد، مروت؛ "پتروگرافی، ژئوشیمی عناصر اصلی و محیط تکتونیکی دایک بنموریتی موجود در محدوده در محدوده معدن کائولن زنوز، شمال مرند- آذربایجان شرقی". هفتمین همایش انجمن زمینشناسی اقتصادی ایران، 19-18 شهریورماه 1394، دامغان.
29
ملایی کشکی، فریدون؛ صفری، مهدی؛ "شناسایی مناطق امید بخش معدنی در ارتباط با کانیهای رسی، با استفاده از دادههای ETM+ و ASTER (مورد مطالعه در شهرستان مرند)". هشتمین همایش ملی تخصصی زمینشناسی دانشگاه پیام نور، 1-2، آبان 1393، اراک.
30
Landsat8 handbook, www.landsat.usgs.gov.
31
ASTER User Handbook, version 2. www.landsat.usgs.gov.
32
Oskouei, M.M., Busch, W., 2008. “A geostatistically based preprocessing algorithm for hyperspectral data analysis”. GIScience and Remote Sensing, 45, 356–368.
33
پورمیرزایی، راشد؛ محمدی اسکویی، مجید؛ 1391؛ "تصحیح توپوگرافی دادههای غرب آذربایجان شرقی". نشریه علمی- پژوهشی مهندسی معدن، دوره هفتم، شماره 15، 33-25 ص
34
Riaño, D; Chuvieco, E., Salas, J., Aguado, I., 2003. “Assessment of Different Topographic Corrections in Landsat-TM Data for Mapping Vegetation Types”. EEE Transactions On Geoscience And Remote Sensing, 41 (5), 1056-1061.
35
Molan, Y.E., Refahi, D., Tarashti, A.H., 2014. “Mineral mapping in the Maherabad area, eastern Iran, using the HyMap remote sensing data”. International Journal of Applied Earth Observation and Geoinformation, 27, 117–127.
36
Kruse, F.A., Boardman, J.W., Huntington, J.F., 2003. “Comparison of airborne hyperspectral data and EO-1 Hyperion for mineral mapping”. IEEE Transactions on Geoscience and Remote Sensing, 41(6), 1388-1400. Doi:10.1109/tgrs.2003.812908.
37
Boardman, J. W., 1993. “Automated spectral unmixing of AVIRIS data using convex geometry concepts”. in Summaries, Fourth JPL Airborne Geoscience Workshop, JPL Publication 93-26, 1, 11-14.
38
Pu, R., Gong, P., Michishita, R., Sasagawa, T., 2008. “spectral mixture analysis for mapping abundance of urban surface components from the Terra/ASTER data”. Remote Sensing of Environment, 112, 939–954.
39
Qiu, F., Abdelsalam, M., Thakkar, P., 2006. “Spectral analysis of ASTER data covering part of the Neoproterozoic Allaqi-Heiani suture, Southern Egypt”. Journal of African Earth Sciences, 44, 169–180.
40
Kariuki, P.C., Woldai, T., van der Meer, F., 2004. “The Role of Remote Sensing in Mapping Swelling Soils”. Asian Journal of Geoinformatics, 5(1). 43-54.
41
Green, A. A., Berman, M., Switzer, B., Craig, M. D., 1988. “A transformation for ordering multispectral data in terms of image quality with implications for noise removal”. IEEE Transactions on Geoscience and Remote Sensing, 26(1), 65 - 74.
42
Clark, R.N., 1999. “Spectroscopy of rocks and minerals, and principles of spectroscopy”. In: Rencz, A.N. (Ed.), Manual of Remote Sensing. Remote Sensing for the Earth Sciences, John Wiley & Sons, New York, pp. 3–58.
43
Borengasser, M., Hungate, W.S., Watkins. R., 2008. “Hyperspectral Remote Sensing, Principles and Applications”. CRC Press, Taylor & Francis Group.
44
Jain, R., Sharma, R.U., 2018. Mapping of Mineral Zones using the Spectral Feature Fitting Method in Jahazpur belt, Rajasthan, India”. International Research Journal of Engineering and Technology (IRJET), 5(1), 562-567.
45
منهاج، محمدباقر. 1389. "مبانی شبکههای عصبی". انتشارات دانشگاه صنعتی امیرکبیر.
46
Atkison, P.M., Tatnall, A.R.L., 1997. “Neural networks in remote sensing”. international journal of remote sensing, 18(4), 699-709.
47
King, T.V.V., Clark, R.N., 2000. “Verification of Remotely Sensed Data”. Remote Sensing for Site Characterization (F. Kuehn, T. King, B. Hoerig, D. Pieters, eds.), Springer verlog, Berlin, p 59-61.
48
یوسفی، مهیار؛ فرخزاده، بهنوش؛ بساطی، سمیرا؛ 1396. "اولویتبندی مناطق احداث سد زیرزمینی با استفاده از روش میانگین هندسی در محیط سامانه اطلاعات جغرافیایی". اکوهیدرولوژی، دوره چهارم، شماره 3، 672-663 ص.
49
Yousefi, M., Carranza, E.J.M., 2015. “Fuzzification of continuous-value spatial evidence for mineral prospectivity mapping”. Computers & Geosciences, 74, 97-109.
50