این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Journal of Mining and Environment، جلد ۱۲، شماره ۲، صفحات ۳۹۷-۴۱۱
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Optimizing Extreme Learning Machine Algorithm using Particle Swarm Optimization to Estimate Iron Ore Grade
چکیده انگلیسی مقاله Scientific uncertainties make the grade estimation very complicated and important in the metallic ore deposits. This paper introduces a new hybrid method for estimating the iron ore grade using a combination of two artificial intelligence methods; it is based on the single layer-extreme learning machine and the particle swarm optimization approaches, and is designed based on the location of the boreholes, depth of the boreholes, and drill hole information from an orebody, and applied for the ore grade estimation on the basis of a block model. In this work, the two algorithms of optimization clustering and neural networks are used for the iron grade estimation in the Choghart iron ore north anomaly in the central Iran. The results of the training and testing the algorithms indicate a significant ability of the optimized neural network system in the ore grade estimation.
کلیدواژه‌های انگلیسی مقاله ore grade estimation, Artificial intelligence, Particle Swarm Optimization, single layer extreme learning machine, drill hole information
نویسندگان مقاله M. Fathi |
Department of Mining Engineering, Faculty of Engineering, Imam Khomeini International University, Qazvin, Iran

A. Alimoradi |
Department of Mining Engineering, Faculty of Engineering, Imam Khomeini International University, Qazvin, Iran

H.R. Hemati Ahooi |
Department of Mining Engineering, Faculty of Engineering, Imam Khomeini International University, Qazvin, Iran

نشانی اینترنتی http://jme.shahroodut.ac.ir/article_2033_9c7c798df1c396e93e33d48cfaa9ad1e.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات