پیش بینی ارتعاشات ناشی از انفجار در صنایع معدنی با استفاده از شبکه های عصبی مصنوعی

با توجه به اینکه ارتعاشات زمین ناشی از انفجار در عملیات معدنی موجب بروز خسارات قابل توجه می شود، در سال های اخیر مطالعات متعددی توسط پژوهشگران مختلف به منظور پیش بینی ارتعاشات زمین ناشی از انفجار صورت گرفته است. هدف این پژوهش ارائه روشی موثر و کاربردی برای پیش بینی ارتعاشات ناشی از انفجار در فرآیندهای معدنی است. در این مطالعه از شبکه های عصبی مختلف برای پیش بینی سرعت بیشینه ذره ای (PPV) استفاده شده است. شبکه های عصبی مورد استفاده عبارت اند از شبکه عصبی پیش خور (FFNN)، شبکه عصبی پیش خور آبشاری (CFNN) و شبکه عصبی المان (ENN). در این مقاله داده های ثبت شده توسط لرزه نگار ۱۰۰ PDAS برای آموزش و آزمون شبکه ها به کار گرفته شده است. نتایج به دست آمده در این تحقیق و مطالعات پیشین نشان می دهد که شبکه عصبی المان با الگوریتم آموزش پس انتشار خطا در مقایسه با سایر شبکه های عصبی عملکرد بهتری دارد.

کلیدواژه ها:

شبکه عصبی ، الگوریتم پس انتشار خطا ، سرعت بیشینه ذره ای (PPV) ، انفجار ، سرچشمه