مروری بر کاربرد روش های هوش مصنوعی در تحلیل پتانسیل انفجار سنگ در عمق های زیاد

پدیده انفجار خودبه خودی سنگ یک پدیده تخریبی در معادن و حفریات زیرزمینی است که با یک اثر لرزه ای و شکستگی و خردشدن ناگهانی سنگ ها در اعماق زیاد همراه است. انفجار ناگهانی سنگ ها در نتیجه تمرکز تنش های برجا و آزاد شدن انرژی کرنشی محبوس در سنگ ها رخ می دهد. تاثیر این پدیده بر پایداری مناطق استخراج شده و کارگاه های معدنی و پرتاب و برخورد قطعات سنگ به تجهیزات و نیروی انسانی با اهمیت بوده و می تواند اثرات جبران ناپذیری را به دنبال داشته باشد. به منظور ارزیابی پتانسیل انفجار سنگ به طور تجربی، روابط و معیارهای مختلفی ارائه شده است که می تواند با تعیین پارامترهای مختلف مکانیکی سنگ شدت این پدیده را مشخص کند. معیار تنش مماسی، معیار تردی و شاخص انرژی الاستیک از جمله این معیارها به شمار می روند. علاوه بر این، روش های هوشمند مانند شبکه های عصبی مصنوعی (ANNs) ، الگوریتم ماشین بردارپشتیبان (SVM) ، شبکه های بیزین (BNs) ، k -نزدیک ترین همسایگی (KNN) و مدل های درختی (DT) ، با انجام عملیات داده کاوی، پتانسیل انفجار سنگ را به خوبی پیش بینی کرده و نسبت به روش های تجربی از دقت بالایی برخوردار هستند. هدف از این تحقیق مروری بر کاربرد روش های مختلف داده کاوی در تجزیه و تحلیل پتانسیل انفجار سنگ در اعماق زیاد معادن و حفریات زیرزمینی است که تاکنون در تحقیقات مختلف موضوع مورد بحث محققان بوده است .

کلیدواژه ها:

پتانسیل انفجار سنگ ، روش های داده کاوی ، شبکه عصبی مصنوعی ، ماشین بردار پشتیبان