پیش بینی عقب زدگی ناشی از انفجار با استفاده از شبکه های عصبی مصنوعی مطالعه موردی معدن سنگ آهن گل گهر

عقب زدگی اثر جانبی ناخواسته عملیات انفجار در معادن روباز است. این پدیده می توانند باعث نادایداری دیواره های معدن، سقوط ماشین آلات، خردایش ضعیف، ترقیق بالا، افزایش باطله برداری و در نهایت هدف ای مقاله پیش بینی عقب زدگی با استفاده از روش شبکه های عصبی مصنوعی و ارزیابی تأثیر پارامترهای مختلف بر این پدیده است. برای این امر، پایگاه داده ای متشکل از 60 انفجار انجام شدم در معدن شمارم یک گل گهر تهیه شد. در این پایگاه داده، پارامترهای بارسنگ، نسبت فاصله داری به بارسنگ ، ضریب سفتی، حداکثر خرج منفجر شدم همزمان، طول گل گناری، خرج ویژه ردیف آخر، تعداد ردیف و امتیاز سیستم طبقه بندی ژئومکانیکی توده سنگ به عنوانپارامترهای ورودی و عقب زدگی به عنوان تنها پارامتر خروجی است. نتایح حاصل از بکارگیری شبکه های عصبی مصنوعی نشان داد که شبکه های عصبی ابزاری مناسب برای پیش بینی عقب زدگی است. ارزیابی مدلهای ساخته شده نشان داد، مدل شبکه عصبی چند لایه با توپولوژی 1-8-15-8 قادر است با خطایی کمتر از سایر مدل ها، متوسط میزان عقب زدگی را با R(2)=0/96 و با RMSE=0/33 پیش بینی نماید. همچنین آنالیز حساسیت انجام شده نشان داد که طول گل گناری مهمترین عامل کنترل عقب زدگی است.

کلیدواژه های پیش بینی عقب زدگی ناشی از انفجار با استفاده از شبکه های عصبی مصنوعی مطالعه موردی معدن سنگ آهن گل گهر:

آتشکاری ، عقب زدگی ، شبکه های عصبی مصنوعی ، آنالیز حساسیت ، معدن سنگ آهن گل گهر