جدید No picture مشاهده عکس بزرگتر

پیش بینی شاخص تورم آزاد زغال سنگ با استفاده از مدل سازی ریاضی

پیش بینی شاخص تورم آزاد زغال سنگ با استفاده از مدل سازی ریاضی

پایان نامه كارشناسی ارشد رشته مهندسی معدن (فرآوری مواد معدنی) (M.Sc)

جدید

14,900 تومان

توضیحات

چکیده
یكی از پارامترهای مهم كه كیفیت کک شوندگی زغال را نشان می‌دهد پلاستومتری می باشد. این پارامتر قابلیت کک شوندگی زغال را در حین گرم نمودن بدون دخالت هوا نشان می‌دهد. تعیین مقدار پلاستومتری نیاز به انجام آزمایشات مربوطه دارد كه غالباً پر هزینه و وقت گیر هستند. بنابراین روش جایگزین یا مكمّلی كه بتواند پاسخگوی موارد فوق باشد بسیار پر اهمیت خواهد بود. از این رو در این تحقیق امكان استفاده از آنالیزهای تقریبی، کلی و پتروگرافی جهت تخمین میزان تورم و کک شوندگی زغال سنگ مورد بررسی قرار گرفته است. لذا نتایج 808 آنالیز تقریبی، کلی و پتروگرافی بر روی محدوده وسیعی از نمونه های زغال سنگ کنتاکی برای پیش بینی اندیس تورم آزاد زغال (FSI) استفاده شد. سه گروه متغيرهاي پيش بيني كننده مورد استفاده عبارت اند از: I) آنالیز تقریبی زغال سنگ شامل: رطوبت، خاکستر و مواد فرار، II) آنالیز کلی زغال سنگ شامل: کربن، هیدروژن، نیتروژن، اکسیژن، گوگرد به همراه مواد معدنی، III) آنالیز پتروگرافی، مواد معدنی، گوگرد، رطوبت و حداکثر بازتاب ویترینیت. برای پیش بینی اندیس تورم آزاد زغال در مرحله اول از مدل سازي آماری (رگرسيون) استفاده شد که ضریب تعیین (R2) معادلات رگرسیون غیر خطی برای متغیرهای گروه I، II و III به ترتیب برابر 38/0، 49/0 و 70/0 به دست آمد. علاوه بر معادلات خطي و غير خطي حاصل از مدل سازي رگرسيون، شبکه عصبی و مدل سازی عصبي- فازی (ANFIS) نیز با هدف بهبود هرچه بيشتر نتايج مورد بررسي قرار گرفت. ضرايب تعيين حاصل از شبکه عصبی به ترتیب برابر 51/0، 75/0 و 91/0، و این ضرایب برای مدل سازی عصبي- فازی به ترتیب برابر 47/0، 83/0 و 95/0 می باشد. ضرایب تعیین نشان مي دهد كه استفاده از اين روش های عصبی و عصبي- فازی، در هر سه گروه از متغيرها دقت پيش بيني را نسبت به رگرسیون چند متغیره افزايش مي دهد. نتایج همچنین گویای جواب های دقیقتر مدل سازی عصبي- فازی در پیش بینی FSI می باشد. از میان ورودی های مورد بررسی آنالیز پتروگرافی همراه گوگرد آلی، رطوبت، مواد معدنی Rmax بهترین متغیرها جهت پیش بینی مقدار FSI با استفاده از رگرسیون، شبکه عصبی و مدل سازی عصبي- فازی می باشد. مدل عصبي- فازی نهایی ارائه شده قادر است میزان FSI را در هر سه محدوده  مختلف کیک شوندگی (0-2، 2-4 و 4-9) با دقت به ترتیب90%، 84/91% و 78/98% پیش بینی کند که این نتیجه برای اولین بار در دنیا حاصل شده است. 


فهرست مطالب
عنوان        صفحه
چکیده    1
مقدمه    2
فصل 1- کلیات    4
1-1- تقسیم بندی زغال سنگ بر اساس درجه زغال شدگی    4
1-1-1- پیت    4
1-1-2- زغال لیگنیت یا قهوه‌ای    5
1-1-3- ساب بیتومینه    5
1-1-4- بیتومینه    6
1-1-5- آنتراسیت    6
1-2- پتروگرافی زغال سنگ    6
1-2-1- گروه ویترینیت    7
1-2-2- گروه اینرتینیت    7
1-2-3- گروه لیپتینیت (اگزینیت)    7
1-3- انداره گیری پارامترهای زغال سنگ    8
1-3-1- آنالیز تقریبی    8
1-3-1-1- رطوبت    8
1-3-1-2- خاکستر    9
1-3-1-3- مواد فرار    9
1-3-1-4- كربن ثابت    10
1-3-2- آنالیز کلی    10
1-3-2-1- كربن و هیدروژن    10
1-3-2-2- نیتروژن    10
1-3-2-3- گوگرد    11
1-3-2-4- اكسیژن    11
1-4- مواد معدنی موجود در ساختمان زغال    12
1-5- حداکثر بازتابش ویترینیت    12
1-6- خاصیت کک شوندگی زغال سنگ    13
فصل 2- خصوصیات پلاستیکی و چسبندگی زغال سنگ    14
2-1- خواص پلاستیكی زغال سنگ    14
2-2- تعیین خاصیت پلاستیكی زغال سنگ    16
2-2-1- تعیین خاصیت پلاستیكی با پلاستومتر گیزلر    16
2-2-2- اندیس تورم آزاد    21
2-2-2-1- تعیین اندیس تورم آزاد    22
2-2-3- روش‌های دیگر تعیین خاصیت پلاستیسیته زغال سنگ    26
فصل 3- روش های مدل سازی ریاضی استفاده شده در تحقیق    28
3-1- رگرسیون    28
3-2- شبکه عصبی    30
3-2-1- مدل نرون و معماری شبکه عصبی    30
3-2-1-1- تابع محرک    32
3-2-2- ساختار شبکه‏های عصبی    33
3-2-2-1- شبکه‏های پیشخور    34
3-2-2-2- شبکه‏های برگشتی    35
3-2-3- آموزش و یادگیری شبکه‏های عصبی    36
3-2-3-1- آموزش با نظارت    36
3-2-3-2- آموزش بدون نظارت    37
3-2-3-3- آموزش تقویت یافته    38
3-2-3-4- آموزش رقابتی    38
3-2-4- پرسپترون    38
3-2-5- الگوریتم آموزش پس انتشار    39
3-2-5-1- تعداد لایه‌ها و نرون های مخفی    40
3-2-5-2- انتخاب مقادیر اولیه    40
3-2-5-3- نرمالیزه كردن داده‏های ورودی    41
3-2-5-4- سرعت همگرایی و نرخ یادگیری    41
3-2-5-5- نرخ یادگیری متغیر    42
3-2-5-6- ضریب ممنتم    43
3-2-6- معیار توقف آموزش شبکه    43
3-3- منطق فازی    47
3-3-1- مجموعه فازی    47
3-3-1-1- توابع تکه ای-خطی    49
3-3-1-2- توابع گوسی و زنگوله ای    49
3-3-1-3- توابع منحنی حلقه ای    49
3-3-1-4- توابع چند جمله ای    50
3-3-2- متغیر زبانی و قواعد اگر- آنگاه فازی    50
3-3-3- انواع سیستم های فازی    51
3-3-3-1- مدل ممدانی    51
3-3-3-2- مدل تاكاگی سوگنو    51
3-3-4- سیستم استنتاجی فازی    52
3-3-4-1- فازی سازی    53
3-3-4-2- پایگاه قواعد فازی    53
3-3-4-3- موتور استنتاج فازی    53
3-3-4-4- غیرفازی سازی    53
3-4- سیستم استنتاجی فازی - عصبی تطبیقی    53
3-4-1- ساختار ANFIS    55
3-4-2- روش های آموزش ANFIS    57
3-4-3- اعتباریابی سیستم    58
3-4-4- محدودیت های ANFIS    58
3-4-5- خوشه بندی    59
3-4-6- نحوه کار با ANFIS    61
3-4-7- ساخت ANFIS    61
3-4-7-1- مقایسه genfis1 و genfis2    61
فصل 4- پیش بینی اندیس تورم آزاد زغال سنگ    63
4-1- لزوم مدل‌سازی ریاضی FSI    63
4-2- پیش بینی اندیس تورم آزاد زغال سنگ با استفاده از رگرسیون    64
4-2-1- معادلات خطی و غیر خطی میان آنالیز تقریبی زغال سنگ با اندیس تورم آزاد    65
4-2-2- معادلات خطی و غیر خطی میان اجزاء آنالیز کلی زغال سنگ با اندیس تورم آزاد    69
4-2-3- معادلات خطی و غیر خطی میان پتروگرافی و حداکثر بازتاب ویترینیت با اندیس تورم آزاد    74
4-2-4- جمع بندی نتایج رگرسیون    79
4-3- استفاده از شبکه های عصبی در تخمین اندیس تورم آزاد زغال سنگ    81
4-3-1- پارامترهای ورودی    81
4-3-2- مجموعه داده‏ها    81
4-3-3- ساختار شبکه    81
4-3-4- جمع بندی نتایج شبکه عصبی    87
4-4- استفاده از سیستم استنتاجی فازی - عصبی تطبیقی در تخمین اندیس تورم آزاد    89
4-4-1- فرایند ساخت ANFIS برای پیش بینی اندیس تورم آزاد    89
4-4-2- نتایج حاصل از ANFIS در تخمین اندیس تورم آزاد    91
4-4-1- جمع بندی نتایج ANFIS    96
فصل 5- نتیجه گیری و پیشنهاد    98
5-1- نتیجه گیری    98
5-2- پیشنهاد    100
فهرست منابع    101
چكيده انگليسي    105

نقد و بررسی کاربران

هیچ نقدی هم اکنون وجود ندارد

سبد خرید 0 محصول محصول‌ها (خالی)    

سبد خرید من

هیچ محصولی وجود ندارد

ارسال رایگان! ارسال
0 تومان مجموع

پرداخت مشاهده

خانه

محصولات جدید

خبرنامه