توسعه مدل MLP درشبکه عصبی مصنوعی برای پیش بینی خرج ویژه درمعدن آهن سنگان

عباس خواحوئی سیرحانی¹ سیدعلی شجاعت الحسینی²

1) دانشجوی کارشناسی ارشد ،بخش مهندسی معدن،مجتمع آموزش عالی زرند، دانشگاه شهید باهنر کرمان
2) استادیار، بخش مهندسی معدن، مجتمع آموزش عالی زرند، دانشگاه شهید باهنرکرمان

محل انتشار : چهارمین کنفرانس بین المللی پژوهش در علوم و تکنولوژی(4rstconf.com)
چکیده :
انفجار از مراحل اصلی عملیات معدنکاری بوده و هدف آن خرد شدگی و جابجایی مطلوب توده سنگ می باشد. پارامتر های انفجار بایستی بنحوی تعیین شوند که تمامی فرآیند های معدنکاری بطور فنی و اقتصادی اجرا شوند.ازآنجا که انفجار تولیدی هدفش خردایش مناسب است،پیش بینی خرج ویژه یک پارامتراصلی محسوب می شود. مقدار آن بستگی به عوامل زیادی داشته که از بین عوامل تأثیرگذار، می توان به مشخصه های الگوی حفاری و انفجاری اشاره نمود. در پژوهش حاضر به منظور پیش بینی خرج ویژه بهینه الگوی انفجاری معدن سنگ آهن سنگان بعنوان یک مطالعه موردی، با نگرش ویژه بر پارامترهای انفجاری دربرگیرنده آن، از شبکه عصبی مصنوعی مدلMLP استفاده شده است.در مدل ارائه شده پارامترهای طول چال(h)، بارسنگ(b)، فاصله ردیفی (s)، گل گذاری( s) ، خرج کل(Q) بعنوان ورودی و خرج ویژه(q) بعنوان خروجی شبکه در نظر گرفته شده است.کارایی روش های مورد مقایسه ، از آماره هاي ريشه ميانگين مجذور خطا (RMSE)، خطاي انحراف ميانگين (MBE) وضریب تعیین (R2)، مورد ارزیابی قرار گرفت. نتایج حاصله نشان داد که شبکه عصبی مصنوعی مدل MLP با RMSE=0/17،MBE=0/033،R2=1، قابلیت بالایی درپیش بینی خرج ویژه داشته و رگرسیون چندگانه با RMSE=0/4،MBE=0/28،R2=0/052 وجود کارایی خوب دارای عملکرد ضعیف تری درمقایسه با شبکه پیشخور است.
کلمات کلیدی : خرج ویژه معدن سنگ آهن سنگان شبکه عصبی مصنوعی رگرسیون چندگانه