تحلیل و محاسبه شبکه عصبی بهینه جهت پیش بینی پرتاب سنگ و عقب زدگی در معدن مس سونگون با استفاده از داده های آتشباری جدید

علی علیزاده¹ حسن بیرقی میرزانلو² شهداد اسدی³ سید محمود حسینی⁴ میلاد طهماسی پور⁵ یوسف آذرمی ور⁶

1) دکتری زمین شناسی تکتونیک، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران،
2) کارشناسی استخراج مواد معدنی، دانشگاه شهید باهنر کرمان، کرمان، ایران،
3) دانشجوی کارشناسی ارشد استخراج مواد معدنی، دانشگاه آزاد اسلامی واحد ورزقان، ورزقان، ایران،
4) دانشجوی کارشناسی ارشد استخراج مواد معدنی، دانشگاه آزاد اسلامی واحد ورزقان، ورزقان، ایران، M.
5) کارشناسی ارشد اکتشاف معدن، دانشگاه صنعتی امیر کبیر، تهران، ایران،
6) دکتری مدیریت، شرکت زمین کاوان ارسباران، اهر، ایران،

کد IOI مقاله : ABEB-ACACAD
محل انتشار : چهارمین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com)
چکیده :
    هدف از انجام تحقیق حاضر تحلیل و محاسبه شبکه عصبی بهینه جهت پیش بینی پرتاب سنگ و عقب زدگی در معدن مس سونگون با استفاده از داده های آتشباری جدید می¬باشد. در این راستا، با عنایت به موضوع تحقیق به منظور تهیه مدل جهت پیش بینی پرتاب سنگ از نتایج حاصل از آتشباری های انجام شده در دیواره¬های معدن و سنگ مونزونیت معدن مس سونگون استفاده شده و اطلاعات لازم برداشت و ثبت گردید. در ادامه، ضمن تعیین پارامترهای موثر بر لرزش زمین پرتاب سنگ و عقب زدگی شبکه های بهینه ای جهت پیش بینی این سه پدیده ارائه گردید. نتایج این مطالعات نشان داد شبکه عصبی بهینه بدست آمده برای پیش بینی میزان پرتاب سنگ ناشی از انفجار در معدن مس سونگون شبکه سه لایه پیشخور با الگوریتم آموزش پس انتشار خطا با ۱۱ نرون در لایه ورودی، ۳۵ نرون در تک لایه پنهان و ۱ نرون در لایه خروجی می باشد. خطای نسبی خطای مطلق و RMSE بدست آمده برای شبکه بهینه به ترتیب 1737/0 % ، 0007/0 % و 0454/0 می باشد. همچنین، پارامترهای خرج ویژه، ضخامت بار سنگ، خرج بر تأخیر و طول گل گذاری به ترتیب بیشترین تأثیر را در بین پارامترهای ورودی بر میزان پرتاب سنگ در معدن مس سونگون دارا می باشند. سرانجام براساس این مطالعات، شبکه بهینه بدست آمده برای پیش بینی میزان عقب زدگی ناشی از انفجار در معدن مس سونگون، شبکه چهار لایه پیشخور با الگوریتم آموزش پس انتشار خطا با ۱۱ نرون در لایه ورودی، ۲۵ و ۳۵ نرون به ترتیب در لایه های پنهان اول و دوم و ۱ نرون در لایه خروجی می باشد. خطای نسبی، خطای مطلق و RMSE بدست آمده برای شبکه بهینه به ترتیب 7654/0 %، 0063/0 % و 0283/0 % می باشد. پارامترهای ضخامت بار سنگ، خرج ویژه و خرج بر تأخیر به ترتیب بیشترین تأثیر را در بین پارامترهای ورودی بر میزان عقب زدگی در این معدن دارا می باشند. نهایتاً، شبکه عصبی بهینه، با دریافت خصوصیات ژئومکانیکی سنگ و پارامترهای هندسی انفجار، نتایج حاصل آتشباری را با عنایت به شرایط محیط اجرا، با دقت بسیار خوب پیش بینی می کند و با امعان نظر به تعیین میزان تاثیر پارامترهای ورودی بر نتایج انفجار باید در فازهای مطالعاتی در تعیین این پارامترها دقت بیشتری صورت گیرد.

کلمات کلیدی : لرزش زمین پرتاب سنگ عقب زدگی شبکه عصبی بهینه آتشباری معدن مس سونگون ورزقان