انجمن مهندسی معدن ایراننشریه مهندسی معدن1735-7616133820180421Integration of seismic refraction tomography and electrical resistivity data inversion results using spectral clustering method for evaluation of the quality of the subsurface rock massارزیابی کیفیت توده سنگ زیر سطحی با تلفیق نتایج وارون سازی داده های توموگرافی لرزه ای انکساری و مقاومتویژه الکتریکی به روش خوشهبندی طیفی1103056310.22034/ijme.2018.30563FAبهمن محمدیدانشگاه صنعتی شاهرودابوالقاسم کامکار روحانیاستادیار دانشگاه شاهرودJournal Article20161106<strong>هنگامیکه ساختار دادهها غیرخطی باشد روشهای کلاسیک خوشهبندی با شکست روبهرو میشوند. در این حالت، خوشهبندی طیفی روشی قدرتمند برای دستهبندی دادهها محسوب میشود. این تکنیک با تبدیل فضای ورودی، فضای جدیدی با قابلیت توصیف مناسبتر از دادهها را در اختیار قرار میدهد. </strong><strong>در این مطالعه، ابتدا </strong><strong>وارونسازی دادههای مقاومتویژه الکتریکی با روش کمترین مربعات گوس- نیوتن و با استفاده از نرمافزار </strong><strong>RES2DINV</strong><strong> انجام شد و سپس اولین زمان رسیدها با استفاده از نرمافزار </strong><strong>PickWin</strong><strong> محاسبه و وارونسازی دادههای توموگرافی لرزهای انکساری با استفاده از نرمافزار </strong><strong>GeotTom CG</strong><strong> انجام شد. بعد از محاسبه ماتریس شباهت، مقادیر ویژه و بردارهای ویژه بهدست آمد و سپس دادهها با روش خوشهبندی طیفی (</strong><strong>Spectral clustering</strong><strong>) </strong><strong>مورد ارزیابی قرار گرفتند. با استفاده شاخص دان (</strong><strong>Dunn index</strong><strong>)</strong><strong> برای بهینه سازی تعداد خوشهها عدد 12 بهدست آمد که با توجه به نقشههای بهدست آمده برای مقاومت ویژه الکتریکی و توموگرافی لرزهای انکساری، تعداد خوشه مناسبی است. نتایج روش خوشهبندی طیفی همبستگی خوبی با نتایج لاگ گمانه حفاری شده در کف سد نشان میدهد.</strong><strong>محاسبات مربوط به الگوریتم خوشهبندی طیفی و شاخص دان با کدنویسی در محیط نرمافزار </strong><strong>MATLAB</strong><strong> انجام شده است.</strong>https://ijme.iranjournals.ir/article_30563_c56e6aae4b8ebc006f0e1217b446fb62.pdfانجمن مهندسی معدن ایراننشریه مهندسی معدن1735-7616133820180421.Quantification of the Effect of Grade Uncertainty in the Production Planning of Two-Element Depositsتاثیر عدم قطعیت عیار در برنامهریزی تولید بلندمدت ذخایر دو عنصری11243056610.22034/ijme.2018.30566FAولی صفریدانشجومسعود منجزیعضو هیئت علمی0000-0001-6376-9181جعفر خادمی حمیدیهیأت علمی-دانشگاه تربیت مدرس0000-0001-8820-3256Journal Article20170121برنامهریزی تولید بلندمدت تأثیر بسزایی در ارزیابی اقتصادی پروژههای معدنی دارد. در برنامهریزی تولید استفاده از یک مدل بلوکی عیاری با
دقت بالا اهمیت ویژهای دارد. برای ایجاد مدل بلوکی عیاری انتخاب یک روش تخمین مناسب گامی مهم تلقی میشود. معمولاً برای تخمین عیار
در کانسارهای چند عنصره از روش کوکریجینگ ) CoKriging ( استفاده میشود اما این روش به دلیل وجود اثر هموارسازی، معمولاً با خطا همراه
است. برای حل این مسأله میتوان از روش سنتی شبیهسازی توأم متوالی گوسی ) SGCOSIM ( استفاده نکرد. اما این روش نیز به دلایلی مانند
استفاده از انواع مدلهای واریوگرام، پیچیدگی محاسبات، زمانبر بودن و دشواری اعتبارسنجی، جذابیت کمتری دارد. برای حل این مسأله،
میتوان با استفاده از روشهایی مانند تبدیل شرطی متوالی ) SCT ( و یا تحلیل مؤلفههای اصلی ) PCA (، همبستگی بین عناصر را حذف کرد.
ایراد اساسی در روشهای فوق عدم امکان حذف همبستگی در همه گامها است. برای این منظور در ابتدا میتوان از روش فاکتورهای
خودهمبستگی کمینه/بیشینه ) MAF ( همبستگی را حذف و در مرحله بعد، عناصر مستقل را با روش شبیهسازی متوالی گوسی ) SGS ،)
شبیهسازی کرد. در این پژوهش، کانسار سرب و روی گوشفیل به عنوان مطالعه موردی در نظر گرفته شده است. به منظور تخمین عیار از روش
کوکریجینگ و برای حذف همبستگی روش MAF مورد استفاده قرار گرفت و پس از آن برای شبیهسازی، روش SGS به کار گرفته شد. در
نهایت، مقایسه نتایج برنامهریزی تولید بلندمدت، برای مدلهای عیاری حاصل از روشهای تخمین و شبیهسازی انجام گرفت که بر اساس آن
NPV حاصل از روش کوکریجینگ، 44 درصد کمتر از NPV کمینه بهدست آمده از مدلهای شبیهسازیشده است.https://ijme.iranjournals.ir/article_30566_69d068b38cc05f142d5ef841fb9648a6.pdfانجمن مهندسی معدن ایراننشریه مهندسی معدن1735-7616133820180421Using a combination method of statistical and probabilistic for prediction of shear wave velocity in a carbonate reservoirپیشبینی سرعت موج برشی در مخزن نفتی به روش آماری-احتمالاتی25363056710.22034/ijme.2018.30567FAهادی فتاحیاستادیار دانشگاه صنعتی اراک0000-0001-6427-0534زهرا ورمزیاریدانشجوی کارشناسی ارشد، دانشکده مهندسی معدن، دانشگاه صنعتی اراکمصطفی یوسفی راددانشگاه صنعتی اراکJournal Article20170302<strong>ارزیابی</strong><strong>خواص</strong> <strong>پتروفیزیکی،</strong><strong>پایه</strong><strong>و</strong><strong>اساس</strong><strong>مدلسازی</strong><strong>در</strong><strong>امر</strong><strong>مطالعه</strong><strong>تولید</strong><strong>و</strong><strong>مدیریت</strong><strong>یک</strong><strong>مخزن</strong><strong>نفتی</strong><strong>محسوب</strong><strong>میشود</strong><strong>. </strong><strong>یکی</strong><strong>از</strong><strong>پارامترهای</strong> <strong>ضروری</strong> <strong>برای</strong> <strong>توصیف</strong><strong>مخازن</strong> <strong>هیدروکربوری،</strong> <strong>سرعت</strong><strong>موج</strong> <strong>برشی</strong><strong>است</strong><strong>. </strong><strong>تعیین</strong><strong>سرعت</strong><strong>موج</strong><strong>برشی</strong><strong>با</strong><strong>روشهایی</strong><strong>مانند</strong><strong>آنالیز</strong><strong>مغزه،</strong><strong>مستلزم</strong><strong>صرف</strong><strong>زمان</strong><strong>و</strong><strong>هزینه</strong><strong>گزافی</strong><strong>است</strong><strong>. </strong><strong>همچنین</strong><strong>به</strong><strong>علت</strong><strong>نبود</strong><strong>مغزههای</strong><strong>کافی</strong><strong>و</strong><strong>تغییرات</strong><strong>سنگشناسی</strong><strong>و</strong><strong>ناهمگنی</strong><strong>سنگ</strong><strong>مخزن،</strong><strong>تعیین</strong><strong>این</strong><strong>پارامتر</strong><strong>با</strong><strong>روشهای</strong><strong>معمول</strong><strong>دقت</strong><strong>چندانی</strong><strong>ندارد </strong><strong>بنابراین </strong><strong>در</strong><strong>این</strong><strong>تحقیق</strong><strong>از</strong><strong>یک</strong><strong>روش</strong><strong>پیشرفته</strong><strong>آماری</strong><strong>- </strong><strong>احتمالاتی</strong><strong>به</strong><strong>نام</strong><strong>روش</strong><strong>ترکیبی</strong><strong>رگرسیون</strong><strong>قطعهای</strong><strong>- </strong><strong>شبیه</strong><strong> </strong><strong>سازی</strong><strong>مونت</strong><strong>کارلو</strong><strong>به</strong><strong>منظور</strong><strong>پیشبینی</strong><strong>و</strong><strong>شبیهسازی</strong><strong>سرعت</strong><strong>موج</strong><strong>برشی</strong><strong>در</strong><strong>یکی</strong><strong>از</strong><strong>مخازن</strong><strong>نفتی</strong><strong>جنوب</strong><strong>غربی</strong><strong>ایران</strong><strong>استفاده</strong><strong>شده</strong><strong>است</strong><strong>. </strong><strong>به</strong><strong>این</strong><strong>ترتیب</strong><strong>که</strong><strong>ابتدا</strong><strong>با</strong> <strong>استفاده</strong><strong>از</strong> <strong>چاه</strong><strong>نگارهای</strong><strong>مختلف</strong><strong>و</strong><strong>روش</strong><strong>رگرسیون</strong><strong>قطعهای</strong><strong>مدلسازی</strong><strong>انجام</strong><strong>گرفته</strong><strong>و</strong><strong>پس</strong><strong>از</strong><strong>آن</strong><strong>با</strong><strong>استفاده</strong><strong>از</strong><strong>روش</strong><strong>شبیهسازی</strong><strong>مونت</strong><strong>کارلو</strong><strong>پارامتر</strong><strong>سرعت</strong><strong>موج</strong><strong>برشی</strong><strong>شبیهسازی</strong><strong>و</strong><strong>پیشبینی</strong><strong>شده</strong><strong>است</strong><strong>. </strong><strong>در</strong><strong>این</strong><strong>مطالعه</strong><strong>از</strong><strong>بانک</strong><strong>اطلاعاتی</strong><strong>مجموعه</strong><strong>دادههای</strong><strong>تصحیح</strong><strong>شده</strong><strong>در</strong><strong>میدان</strong><strong>نفتی</strong><strong>مارون</strong><strong>شامل</strong><strong> 4000 </strong><strong>ست</strong><strong>داده</strong><strong>که</strong><strong> 70 </strong><strong>درصد</strong><strong>آن</strong><strong>برای</strong><strong>ساخت</strong><strong>مدل</strong><strong>و</strong><strong>مابقی</strong><strong>برای</strong><strong>ارزیابی</strong><strong>عملکرد</strong><strong>مدل،</strong><strong>استفاده</strong><strong>شده</strong><strong>است</strong><strong>. </strong><strong>بعلاوه</strong><strong>در</strong><strong>این</strong><strong>تحقیق</strong><strong>با</strong><strong>کمک</strong><strong>روش</strong><strong>شبیهسازی</strong><strong>مونت</strong><strong>کارلو</strong><strong>برای</strong><strong>تعیین</strong><strong>موثرترین</strong><strong>پارامتر</strong><strong>ورودی،</strong><strong>در</strong><strong>تعیین</strong><strong>سرعت</strong><strong>امواج</strong><strong>برشی</strong><strong>استفاده</strong><strong>شد</strong><strong>که</strong><strong>بر</strong><strong>اساس</strong><strong>نتایج</strong><strong>بهدست</strong><strong>آمده</strong><strong>تاثیرگذارترین</strong><strong>متغیر</strong><strong>ورودی،</strong><strong>سرعت</strong><strong>موج</strong><strong>فشاری</strong><strong>است</strong><strong>. </strong><strong>نتایج</strong> <strong>به</strong><strong></strong><strong>دست</strong> <strong>آمده</strong><strong>از</strong><strong>این</strong><strong>تحقیق</strong><strong>نشان</strong> <strong>میدهد</strong> <strong>که</strong><strong>روش</strong><strong>یاد شده در</strong><strong>برآورد</strong> <strong>غیرمستقیم</strong><strong>سرعت</strong><strong>موج</strong> <strong>برشی</strong><strong>در</strong> <strong>مخازنی</strong> <strong>که</strong><strong>این</strong> <strong>پارامتر</strong> <strong>اندازهگیری</strong><strong>نشده</strong><strong>است،</strong><strong>دقت</strong><strong>و</strong><strong>قابلیت</strong><strong>بالایی</strong> <strong>دارد.</strong>https://ijme.iranjournals.ir/article_30567_f2d64dbbaa5ec6722521a2bea401a5c6.pdfانجمن مهندسی معدن ایراننشریه مهندسی معدن1735-7616133820180421Investigation of effective factors on rock mass cavability in block caving method using numerical modelingبررسی عوامل مؤثر بر تخریب پذیری تودهسنگ در استخراج به روش تخریب توده ای37603056910.22034/ijme.2018.30569FAبهنام علی پنهانیدانشگاه تهرانمهدی یاوریهیئت علمی دانشگاه تهراناحمد جعفریدانشکده معدن-دانشگاه تهرانJournal Article20170314<strong>یک عامل بسیار مهم در معادن تخریب بزرگ، تعیین قابلیت تخریب کانسنگ و سنگ فراگیر است که تخریبپذیری آنها شرط اصلی بهکارگیری این روش است. تخمین و ارزیابی نامناسب این متغیر میتواند منجر به ایجاد مشکلاتی در تولید و فرآوری شود. در این مقاله قابلیت تخریب تودهسنگ با استفاده از نرمافزار </strong><strong>UDEC</strong><strong>(نسخه 5) بررسی شده است. با توجه به زیاد بودن عوامل موثر بر قابلیت تخریب، ابتدا از طریق مدلسازی دو بعدی در نرمافزار </strong><strong>UDEC</strong><strong>و بررسی روند تغییرات حداقل دهانه تخریب برحسب هر پارامتر با ثابت نگه داشتن سایر پارامترها (بررسی تک عاملی)، مهمترین عوامل شامل عمق، شیب دسته درزهها، تعداد دسته درزهها، زاویه اصطکاک سطح درزه و فاصلهداری درزهها برای بررسی نهایی انتخاب شدند. در مرحله بعد، تغییرات حداقل دهانه تخریب برای هر پارامتر در دامنه تغییرات تعریف شده مطالعه شد. نتایج حاصل از تحلیل حساسیت نشان داد که با افزایش عمق و تعداد دسته درزه وکاهش زاویه اصطکاک سطح درزه و فاصلهداری درزهها، قابلیت تخریب کاهش و حداقل دهانه تخریب افزایش مییابد. بیشترین احتمال تخریب در حالت درزهداری با شیب 60 درجه نسبت به افق اتفاق میافتد. به ازای سایر مقادیر، قابلیت تخریب کاهش و حداقل دهانه تخریب افزایش مییابد.</strong>https://ijme.iranjournals.ir/article_30569_244554a83e1bc812f8635557b9ad644d.pdfانجمن مهندسی معدن ایراننشریه مهندسی معدن1735-7616133820180421Numerical Investigation of the Influence of Cement Injection on Ground Settlement due to Excavating in Soft Soils (Case Study: Station E on Line 2 of Karaj Metro)بررسی عددی تاثیر تزریق سیمان در کاهش نشست ناشی از حفاری در زمینهای خاکی خط 2 متروی کرج61753056810.22034/ijme.2018.30568FAامین اسدالهیدانشگاه تهرانمهدی موسویعضو هیات علمی دانشگاه تهرانمحمد حسین خسرویعضو هیات علمی دانشگاه تهرانJournal Article20170421<strong>حفر تونلها مانند سایر فعالیتهای بشر بر محیط زیست تاثیرگذار است. یکی از مهمترین آثار مخرب حفاری تونل، به ویژه در زمینهای آبرفتی پدیده نشست است. این پدیده مشکلاتی را برای سازههای مجاور تونل ایجاد میکند. یکی از راههای موثر برای کاهش حداکثر میزان نشست ناشی از حفاری تونلها در زمینهای خاکی، انجام عملیات تزریق است. در این مطالعه به مدلسازی ایستگاه </strong><strong>E</strong><strong> در خط 2 متروی کرج و نشست ناشی از حفاری آن با استفاده از نرمافزار </strong><strong>FLAC3D</strong><strong>پرداخته شده است. نشست ایجاد شده در سطح زمین در اثر حفاری تونل پیشاهنگ در دو حالت مدلسازی و اندازهگیریهای میدانی با یکدیگر مقایسه و اعتبارسنجی مدل انجام شد. در نهایت اثر عملیات تزریق سیمانی در کاهش نشستهای حاصل از تعریض ایستگاه و محدود کردن آن در حد مجاز مورد بررسی و اثبات قرار گرفت. </strong><strong>همچن</strong><strong>ی</strong><strong>ن بررسیها نشان داد که افزایش زون تزریق اطراف ایستگاه تاثیر زیادی بر میزان نشست سطح زمین ندارد و افزایش زون تزریق تنها حدود 1 سانتیمتر نشست سطح زمین در این ایستگاه را کاهش میدهد.</strong>https://ijme.iranjournals.ir/article_30568_112a07565afecb55e2526e26550e046f.pdfانجمن مهندسی معدن ایراننشریه مهندسی معدن1735-7616133820180421Thermodynamic Modeling of the Aluminum Hydroxide Precipitation Process from Aluminate Solution by Carbonization Methodمدلسازی ترمودینامیکی ترسیب هیدروکسید آلومینیم از محلول آلومینات به روش کربنیزاسیون77963056510.22034/ijme.2018.30565FAسمیه شایانفردانشگاه صنعتی سهند تبریزوالح آقازادهدانشگاه صنعتی سهندپیمان حسن پوردانشگاه صنعتی سهند تبریزJournal Article20170501<strong> کربنیزاسیون یکی از روشهای اصلی تولید آلومینا از محلول آلومینات حاصل از لیچینگ نفلین سینیت است. با توجه به مطالعات و تحقیقات کم در مورد فرآیند تولید آلومینا از نفلین سینیت در دنیا و به ویژه ایران و همچنین مکانیزم پیچیده و ناشناخته فرآیند کربنیزاسیون، لزوم تحقیقات بیشتر برای شناخت هرچه بهتر فرآیند، ضروری است. هدف اصلی این پژوهش، شناخت بهتر فرآیند کربنیزاسیون و مدلسازی ترمودینامیکی آن با استفاده از نرمافزار </strong><strong>OLI Analyzer</strong><strong> است. شرایط مناسب فرآیند کربنیزاسیون با استفاده از دو مدل آبی و مخلوط حلال موجود در این نرمافزار پیشبینی شد. با توجه به ترکیب شیمیایی محلول، نسبت قلیا و دما، مقدار گاز دیاکسید کربن برای کاهش </strong><strong>pH</strong><strong> و در نتیجه تجزیه محلول آلومینات و ترسیب هیدروکسید آلومینیم متفاوت است. نتایج حاصل از دو مدل، در مقادیر </strong><strong>pH</strong><strong> بیشتر از 11، تشکیل هیدروکسید آلومینیم و در مقادیر کمتر از این </strong><strong>pH</strong><strong>، داسونیت را پیشبینی کردند. با افزایش دما، مقدار هیدروکسید آلومینیم کاهش و مقدار داسونیت و ترکیبات سیلیس دار افزایش مییابد. دمای 75 درجه سانتیگراد به عنوان دمای مناسب برای فرآیند کربنیزاسیون انتخاب شد. آزمایشهای کربنیزاسیون برای تولید هیدروکسید آلومینیوم با خلوص بالا با استفاده از نتایج بدستآمده از مدلسازی ترمودینامیکی انجام </strong><strong>شد</strong><strong>. آنالیز </strong><strong>XRD</strong><strong> محصولات حاصل از فرآیند کربنیزاسیون، در </strong><strong>pH</strong><strong>های بیشتر از 11 بایریت را به عنوان فاز غالب هیدروکسید آلومینیم نشان داد. آنالیز </strong><strong>XRF</strong><strong> نشان داد هیدروکسید آلومینیم ترسیب شده در </strong><strong>pH</strong><strong> برابر 11 حاوی 61 درصد </strong><strong>Al<sub>2</sub>O<sub>3</sub></strong><strong> است و </strong><strong>بازیابی ترسیب هیدروکسید آلومینیم از محلول آلومینات 54 درصد است. نتایج مدل آبی با نتایج آزمایشگاهی تطابق بیشتری داشت.</strong>https://ijme.iranjournals.ir/article_30565_f684acf14f5446cc861f827f7b817259.pdfانجمن مهندسی معدن ایراننشریه مهندسی معدن1735-7616133820180421The Use of Fuzzy Inference System in the Integration of Copper Exploration Layers in Neysianتلفیق لایه های اطلاعاتی مس در منطقه نیسیان به کمک سیستم استنتاجگر فازی (FIS)971123056410.22034/ijme.2018.30564FAسمانه برکدانشگاه تهرانعباس بحرودیدانشگاه تهران-گلناز جوزانی کهندکترای مهندسی معدن گرایش اکتشاف معدن، دانشکده مهندسی معدن، پردیس دانشکده های فنی، دانشگاه تهرانJournal Article20170508<strong>پردازش دادههای اکتشافی با کمک فنآوریهای جدید منجر به کسب نتایج مطلوب و کارآمد در زمینه اکتشاف کانسارهای پنهان میشود. در این پژوهش مدلسازی رایانه</strong><strong></strong><strong>ای سیستم استنتاجگر فازی (</strong><strong>Fuzzy Inference System</strong><strong>) با ارایه روشی با رویکرد شبیهسازی افکار انسانی برای اکتشاف کانسار مس</strong><strong>– </strong><strong>مولیبدن پورفیری در منطقه نیسیان استفاده شده است. این سیستم سه مرحله فازیسازی، موتور سیستم استنتاجگر فازی و غیرفازیسازی دارد، به طوریکه از متغیرهایی با ماهیت زبانی به جای متغیرهای با ماهیت عددی استفاده میکند که این امر باعث بهبود در نحوه تصمیمگیری برای اکتشاف کانسارها میشود. ورودیهای این سیستم نقشههای فاکتور زمینشناسی، دگرسانی، ژئوشیمیایی و ژئوفیزیکی است.</strong><strong> در لایه دگرسانی از تصاویر سنجنده استر استفاده شد. در لایه ژئوشیمیایی از نمونههای خاک برجا استفاده شد که برای تهیه آن از روشهای آماری تک متغیره و چند متغیره استفاده شد که نتیجه آن دو عنصر مس و مولیبدن تاثیرگذارترین عناصر شناسایی شده و برای جداسازی آنومالی از زمینه از روش فرکتال عیار- تعداد استفاده شد و با تلفیق دو لایه مس و مولیبدن لایه ژئوشیمیایی بهدست آمد. لایه ژئوفیزیکی شامل دادههای مغناطیسسنجی بود که با اعمال انواع فیلترهای مختلف نقشه سیگنال تحلیلی به عنوان لایه ژئوفیزیکی انتخاب شد. </strong><strong>خروجی سیستم استنتاجگر فازی </strong><strong>پس از تحلیل چهار لایه در موتور سیستم استنتاجگر فازی</strong><strong> شامل نقشه پتانسیل معدنی بوده که پس از مقایسه با 33 حلقه گمانه حفر شده در منطقه و به کمک کلاسبندی 5 کلاسه، گویای 6<sub>/</sub>70 درصد انطباق است. </strong>https://ijme.iranjournals.ir/article_30564_b00b01c46e953f121b1b1f35fc58a703.pdf