Archives
 
Year 2021
 
Issue 2 [04 - 2021], Year XXX

The study on the application of artificial neural network in determining blasted tunnel parameters formed when blasting in the clay medium underwater

https://mij.hoimovietnam.vn/en/archives?article=21024

  • Affiliations:

    Học viện Kỹ thuật Quân sự

  • *Corresponding:
    This email address is being protected from spambots. You need JavaScript enabled to view it.
  • Received: 19th-Jan-2021
  • Revised: 15th-Feb-2021
  • Accepted: 20th-Mar-2021
  • Online: 30th-Apr-2021
Pages: 27 - 35
Views: 71
View onlineView online
Downloads: 1
Downdload PDF
★★★★★Rating: , Total rating: 0
  • ★
  • ★
  • ★
  • ★
  • ★
Yours rating

Abstract:

Recently, articial intelligence has been being studied and applied widely in elds of science and life. The advantage of articial intelligence is to gure out the law of a large enough set of experiment data. This paper studies and proposes an articial neural network model, establishing the law of relationship among typical similarity dimension parameters of the blasted funnel and initial inputs including the radius of the explosive charge, the depth of buried explosive charge in clay medium and the water depth, in case of blasting the concentrated explosive charge in clay medium underwater based on the existing experimental data set.

How to Cite
Vu, L.Tung and Dam, T.Trong 2021. The study on the application of artificial neural network in determining blasted tunnel parameters formed when blasting in the clay medium underwater (in Vietnamese). Mining Industry Journal. XXX, 2 (Apr, 2021), 27-35. .
References

1. Белин В.А, Дам Чонг Тханг,(2006), Экспериментальное исследование линейных донных зарядов выброса для создания каналов и траншей под водой. Объединенный научный журнал No11, Москва 2006,

2. Дам Чонг Тханг., Нгуен Чи Та., Нгуен Тхань Донг, (2019), Определения массы сосредоточенного заряда взрывчатого вещества для образования воронки выброса и зоны сжатия камуфлета при взрывании в среде глины под водой. УДК 622.235. “Взрывное дело”, No122/79, Издатель ИПКОН РАН, Москва.

3. Дам Чонг Тханг, Белин В.А, Нгуен Тхань Донг.,( 2019) Эмпирические исследования образования воронки выпроса и явления к амуфлетта при взрывании сосредоточных зарядов в среде глины под водой. УДК 622.235. “Взрывное дело”, No122/79, Издатель ИПКОН РАН, Москва.

4. Aurélien Géron. Hands-ọn Machine learning with Scikit-Learn, Keras, and TensorFlow. O’Reilly Media, Inc.

5. Đàm Trọng Thắng, Bùi Xuân Nam, Trần Quang Hiếu. Nổ mìn trong ngành mỏ và công trình. Nxb khoa học tự nhiên và công nghệ.

6. Hồ Sĩ Giao, Đàm Trọng Thắng, Lê Văn Quyển, Hoàng Tuấn Chung. Nổ hóa học lý thuyết và thực tiễn. Nxb Khoa học và Kỹ thuật.

7. Vũ Hữu Tiệp, (2018). Machine learning cơ bản. Nxb Khoa học và Kỹ thuật.

8. Nguyễn Thanh Tuấn. Deep learning cơ bản. Ebook tại http://nttuan8.com.

9. Andrew Ng.(2011) Machine learning online course at www.coursera.org.

10. Đàm Trọng Thắng, Vũ Tùng Lâm,(2020), Nghiên cứu xác định quy luật thực nghiệm về sự biến đổi của bán kính phễu nổ văng trong môi trường đất sét dưới nước theo phương pháp hồi quy đa biến. Tạp chí Khoa học kỹ thuật Mỏ-Địa chất, số 61, kỳ 5, tr. 77-87.

11. Dam Trong Thang, Vu Tung Lam, To Duc Tho,(2020), The study on establishing the experimental dependence of the compressed zone radius and the observed height of the splashed funnel in the clay medium under water. Section on the Special Construction Engineering, Journal of Science and Technique.

Other articles