ثریا فروغی؛ مسعود منجزی؛ محمدرضا خالصی
چکیده
نوسانهای عیاری خوراک کارخانه یکی از عوامل مهم در بازیابی کارخانه فرآوری است. به‌صورتی که هر چه این نوسانها کمتر باشد، بازدهی کارخانه افزایش می‌یابد. به منظور کاهش تغییرپذیری عیاری، انباشتگاه‌های همگن‌سازی در صنعت معدنکاری بهطور گسترده‌ای استفاده می‌شوند. جرم و تعداد لایه‌های سازنده انباشتگاه نقش بسزایی در میزان کاهش ...
بیشتر
نوسانهای عیاری خوراک کارخانه یکی از عوامل مهم در بازیابی کارخانه فرآوری است. به‌صورتی که هر چه این نوسانها کمتر باشد، بازدهی کارخانه افزایش می‌یابد. به منظور کاهش تغییرپذیری عیاری، انباشتگاه‌های همگن‌سازی در صنعت معدنکاری بهطور گسترده‌ای استفاده می‌شوند. جرم و تعداد لایه‌های سازنده انباشتگاه نقش بسزایی در میزان کاهش تغییرپذیری عیاری دارند. با افزایش جرم و تعداد لایه‌های تشکیل‌دهنده انباشتگاه، تغییرپذیری عیاری کاهش می‌یابد. هر چند این افزایش می‌تواند سبب افزایش پیچیدگی و هزینه‌های عملیاتی شود. در این پژوهش، به منظور پیش‌بینی تغییرپذیری عیاری در معدن انگوران از روش شبیه‌سازی زمین‌آماری استفاده شده است. در این راستا، ابتدا با استفاده از روش شبیه‌سازی گوسی متوالی، 25 تحقق هم‌احتمال عیاری با استفاده از نرم‌افزار SGeMS تولید و پس از آن مدل بلوکی مربوط به هر تحقق در نرم‌افزار DATAMINEساخته می‌شود. در مرحله بعد، با در نظر گرفتن برنامه‌ریزی تولید حاصل از نرم‌افزار NPV، بلوک‌های ارسالی به پایل مشخص می‌شوند. در پایان، تغییرپذیری عیاری برای ابعاد مختلف انباشتگاه و تعداد لایه‌های سازنده انباشتگاه تعیین شد. بر پایه نتایج به دست آمده، انباشتگاه با جرم 187 کیلو تن متشکل از 25 لایه دارای کمترین تغییرپذیری است.
احمدرضا صیادی؛ مسعود منجزی؛ حسین شهرآبادی
چکیده
ارزیابی ذخیره کانسارها یکی از مهم‌ترین پارامترهای لازم برای طراحی معدن بوده و روش‌های متعددی در این خصوص توسعه یافته است. علاوه بر روش‌های تحلیلی زمین‌آماری، روش‌های هوش مصنوعی مانند شبکه‌های عصبی برای برآورد ذخیره بسیار مناسب تشخیص داده شده‌اند. در این تحقیق مدل هندسی و بلوکی کانسار فسفات اسفوردی تهیه و میزان ذخیره برآورد شده ...
بیشتر
ارزیابی ذخیره کانسارها یکی از مهم‌ترین پارامترهای لازم برای طراحی معدن بوده و روش‌های متعددی در این خصوص توسعه یافته است. علاوه بر روش‌های تحلیلی زمین‌آماری، روش‌های هوش مصنوعی مانند شبکه‌های عصبی برای برآورد ذخیره بسیار مناسب تشخیص داده شده‌اند. در این تحقیق مدل هندسی و بلوکی کانسار فسفات اسفوردی تهیه و میزان ذخیره برآورد شده است. مدل بلوکی محتوی حدود 100 هزار بلوک با ابعاد 5 × 25 × 25 است. برای برآورد عیار هر بلوک، از روش تحلیل زمین‌آماری و شبکه‌های عصبی استفاده شد. به منظور برآورد زمین‌آماری، روش کریجینگ معمولی مورد استفاده قرار گرفت. در روش شبکه عصبی یک شبکه چند لایه پرسپترون بهکار گرفته شده و برای آموزش شبکه از روش آموزش LMاستفاده شد. میزان ذخیره برای دامنه مناسبی از عیار حد برآورد شده است. با در نظرگرفتن عیار حد 6 درصد، میزان ذخیره 5/16 میلیون تن با عیار میانگین 44/11 درصد و 5/17 میلیون تن با عیار میانگین 83/11 درصد به ترتیب به کمک روش زمین‌آماری و روش شبکه‌های عصبی محاسبه شد. نتایج مشابه بوده و اختلافی کمتر از 6% دارند. مدلسازی و برآورد انجام شده، مبنای لازم را برای اصلاح طرح استخراجی فعلی معدن فسفات اسفوردی با هدف استخراج انتخابی تا تراز 1720 فراهم مینماید.
