بهینه سازی کاهش ارتعاشات زمین ناشی از انفجار با استفاده از یک مدل یکپارچه ANN-EOA: مطالعه موردی معدن مس سرچشمه

ارتعاشات زمین ناشی از انفجار، چالش های زیست محیطی و ایمنی قابل توجهی در عملیات معادن روباز، به ویژه در مناطق با پیچیدگی زمین شناسی ایجاد می کنند. این مطالعه یک مدل یکپارچه شبکه عصبی مصنوعی-الگوریتم بهینه ساز تعادل (ANN-EOA) را برای پیش بینی و بهینه سازی ارتعاشات زمین ناشی از انفجار، به طور خاص برای دیواره حساس غربی معدن مس سرچشمه توسعه می دهد. مدل ANN دقت پیش بینی استثنایی (۹۶٪ R² = ۰) را در پیش بینی سرعت ذره اوج (PPV) بر اساس هفت پارامتر کلیدی آتشباری نشان داد. سپس الگوریتم EOA با موفقیت یک پیکربندی بهینه آتشباری را شناسایی کرد که پیش بینی می کند کاهش ۳۴ درصدی در PPV به مقدار ۶.۷۲ میلی متر بر ثانیه، از طریق بهینه سازی پارامترهای فاصله (۶ متر)، spacing (۷ متر)، زمان تاخیر (۵۰ میلی ثانیه) و ماده منفجره حاصل می شود. این پژوهش شکاف بحرانی بین مدل های هوش مصنوعی تعمیم یافته و کاربردهای خاص هر معدن را پل می زند و هم یک راه حل عملی برای کاهش ارتعاش در سرچشمه ارائه می دهد و هم یک روش قابل انتقال که یکپارچه سازی هوش محاسباتی با چالش های مهندسی معدن را پیش می برد. یافته ها بر اهمیت در نظر گرفتن شرایط زمین شناسی خاص در بهینه سازی آتشباری تاکید می کنند و در عین حال نیاز به اعتبارسنجی میدانی را به عنوان گام ضروری بعدی برجسته می سازند.

کلیدواژه ها:

شبکه عصبی مصنوعی (ANN) ، الگوریتم بهینه ساز تعادل (EOA) ، ارتعاشات زمین ناشی از انفجار ، سرعت ذره اوج (PPV) ، معدن مس سرچشمه