برآورد سطح دینامیک آب زیر زمینی با مدل شبکه عصبی RBFN در معدن سنگ آهن گل گهر سیرجان

تعیین سطح دینامیک آب زیر زمینی در معدن سنگ آهن گل گهر سیرجان تاکنون از طریق اندازه گیری آن در 5 تا 11 نقطه و تعمیم آن در کل کاواک معدن به روش های آماری Kriging و یا Inverse Distance صورت می پذیرفته است. که این تعمیم آماری، خود با نواقصی در پیش بینی سطح آب در حال زهکشی در نقاط دیگر معدن همراه بود. با استفاده از تکنیک شبکه عصبی مصنوعی از مجموعته روش های هوش مصنوعی ، برآورد این سطح با خطای نسبتا خوب RMS=0.0063 انجام پذیرفت. بدلیل اینکه از سابقه کار پیش بینی سطح دینامیک آب در معادن دیگ هیچ گزارشی مشاهده مشده است، لذا در فرایند ساخت شبکه عصبی و برای یافتن شبکه بهینه از روش عمومی تشخیص شبکه استفاده شد. طیف معموی این روش 80% داده های استاندارد معدن برای مرحله آموزشی شبکه و 20% برای مرحله آزمایشی شبکه در نظر گرفته شد. قابل داده ها در هر مورد شامل دو پارامتر طول و عرض شبکه محلی بعنوان متغیرهای ورودی و یک پارامتر ارتفاع سطح دینامیک آب زیر زمینی در معد بعنوان متغیر خروجی بود. تاثیر انواع قوانین آموزشی، توابع مختلف ترانسفر، تعداد لایه های پنهان و تعداد عناصر عملیاتی هر لایه پنهان و بسیاری دیگر از عوامل موثر ددر بهینه کردن شبکه و کاهش خطای RMS بررسی شد و د رنهایت شبکه عصبی مصنوعی مدل RBFN با 473 عنصر عملیاتی در لایه پنهان دوم، با تابع آموزشی Ex DBD و تابع محرک DNNA با چرخه 1000000 دور آموزش انتخاب شد. مقایسه سطح پیش بینی شده حاصل از این رووش و سطح مشاهده ای از همخوانی زیادی برخوردار است.