سیدحسن خوشرو - دانشیار دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر
سامان دیلمقانی زاده - دانش آموخته کارشناسی ارشد مهندسی معدن دانشگاه صنعتی امیرکبیر، مجتمع مس سونگون
ژاله آقاجری - دانش آموخته کارشناسی ارشد مهندسی معدن دانشگاه ارومیه
ینصر قسمتی - سرپرست حفاری و انفجار معدن سونگون،مجتمع مس سونگون

عقب زدگی یکی از عوارض نامطلوب در انفجارهای معدن مس سونگون می باشد. قدم اول برای کنترل این پدیده ناخواستهشناخت پارامترهای موثر بر آن و ساخت مدلی برای پیش بینی آن به وسیله پارامترهای موثر است. برای پیش بینیعقب زدگی معدن سونگون از روش عصبی- فازی، ANFIS به عنوان یکی از قدرتمندترین روش های هوش مصنوعی استفادهشده است. همچنین جهت بررسی کارایی مدل نسبت به سایر روشها، مدلهای رگرسیون چند متغیره و شبکه عصبیمصنوعی نیز جهت مقایسه ساخته شدند. دادههای لازم جهت مدلسازی از بررسی 88 سایت انفجاری معدن سونگونبدست آمد. 9 پارامتر به عنوان ورودی مدلها و عقب زدگی به عنوان خروجی مدلهای مذکور تعیین شدند. نتایج حاصل بااستفاده از داده های آزمون مورد ارزیابی قرار گرفت. ضریب همبستگی و جذر مجموع مربعات خطای حاصل از ارزیابی به ترتیب برای مدل رگرسیون برابر 0/52 و 3/15، برای مدل شبکه عصبی مصنوعی برابر 0/88 و 1/83 و در نهایت مدل ANFIS برابر 0/93 و 1/26 بدست آمد. تحلیل حساسیت انجام شده روی پارامترهای ورودی مدل ANFIS نشان دهنده این بود که مقدار خرج ویژه، طول گل گذاری، عمق چال، مقدار بار سنگ و حفاری ویژه به ترتیب بیشترین تاثیر را در پیش بینی مقدار عقب زدگی دارند.

روش عصبی فازی، شبکه عصبی مصنوعی، عقب زدگی، معدن مس سونگون، ANFIS