پیشبینی توان کشی آسیای نیمه خود شکن با شبکه عصبی مصنوعی شعاعی بر اساس مولفههای اصلی
نویسندگان
1 دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر، تهران، ایران
2 دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر، تهران، ایران
3 دانشکده مهندسی، دانشگاه کاشان، کاشان، ایران
doi
10.22060/ceej.2017.12599.5240چکیده
ارائه مدل های آسیای نیمه خودشکن برای پیش بینی کارآیی آن یکی از ابزارهای مفید برای طراحی بهتر مدار خردایش است. هرچند پیش از این مدل های آسیای نیمه خودشکن زیادی ارائه شده است ولی در اکثر آنها پیش بینی کارآیی آسیا در مقیاس صنعتی انجام نشده است. توان کشی آسیای نیمه خودشکن تاثیر موثری بر کارآیی آسیا دارد؛ بنابراین در این مطالعه، مدل جدیدی بر اساس ترکیب شبکه عصبی مصنوعی شعاعی و مولفه های اصلی برای پیش بینی توانکشی آسیای نیمه خود شکن ارائه شده است. پارامترهای رطوبت بار اولیه، دبی بار اولیه، وزن بار داخل آسیا، درصد جامد بار اولیه، دبی آب ورودی و خروجی به آسیا و اندیس کار انتخاب و تاثیر آن بر توانکشی آسیا بررسی شد. نتایج نشان داد که مدل ترکیبی شبکه عصبی مصنوعی و مولفه های اصلی آموزش یافته با R = 0/8456و RMSE = 68/0752قابلیت استفاده برای پیش بینی توان کشی آسیای نیمه خودشکن در مقیاس صنعتی را دارد. نتایج آنالیز حساسیت نشان داد که تمامی پارامترهای ورودی به مدل تاثیر معناداری بر خروجی دارند.