توسعه نوعی مدل به منظور پیش بینی سرعت اوج ذرات در یک عملیات انفجار
چکیده
ارتعاشات زمین ناشی از انفجار سنگ ها یکی از مسائل اساسی در صنعت معدن می باشد و پیش بینی این مسئله، نقش بسیار مهمی را در حداقل سازی آلودگی های محیطی ایفا می کند. به منظور ارزیابی و محاسبه ی ارتعاشات زمین ناشی از- انفجارها با ترکیب طراحی انفجار و استحکام سنگ ها، از شبکه های عصبی مصنوعی (ANN) و تکنیک های آنالیز ابعادی استفاده می گردد. ابتدا یک شبکه ی عصبی سه لایه، پیش خور و پس انتشار به همراه تعداد 9 پارامتر ورودی، 25 نورون مخفی و یک پارامتر خروجی، با استفاده از تعداد 116 داده ی ضبط شده و تجربی مربوط به انفجارهای مانیتور شده در یکی از مهم ترین معادن مس ایران آموزش داده شد. تعداد 17 مجموعه ی داده انفجاری جدید نیز برای اعتبارسنجی سرعت اوج ذرات محاسبه شده توسط مدل شبکه عصبی مذکور به کارگیری شد (ANN). در مرحله ی دوم، یک فرمول جدید به منظور بکارگیری آنالیز ابعادی در مورد نتایج به دست آمده از آنالیز حساسیت درباره ی دنباله های شبکه ی ANN مورد استفاده قرار گرفت. نتایج بدست آمده از فرمول محاسباتی، براساس ضریب همبستگی و ریشه میانگین مربعات خطا (RMSE) بین مقادیر مانیتور شده و پیش بینی شده توسط شبکه عصبی مصنوعی با یکدیگر مقایسه گردیدند. علاوه بر فراهم سازی بهترین میزان پیش بینی لرزش ها، فرمول جدید محاسباتی از ضریب همبستگی بالاتر و مقدار ریشه میانگین مربعات خطای پایین تری برخوردار بود، به ترتیب 74.5% و 3.49.
1. مقدمه
ارتعاشات و لرزش های زمین انرژی انفجاری را که می توان از آن به منظور شکستن سنگ ها استفاده کرد، مصرف می کند. شدت این ارتعاشات نقش بسیار حیاتی را در تمامی گونه های (انواع مختلف) آثار معکوس ایفا می کند. ارتعاشات بیش از حد قدرتمند زمین نه تنها مشکلات زیادی را برای جمعیت انسانی نزدیک به محدوده ی خود ایجاد می کند، بلکه اثر معکوسی بر یکپارچگی ساختاری در نواحی و اطراف معادن نیز خواهد گذاشت. گاهی اوقات، باعث خسارات جانی و مالی به مردم و همچنین بسته شدن ورودی های معادن می گردد. ارتعاشات با قدرت بالا علاوه بر این می تواند باعث آسیب رساندن به آب های زیر زمینی و صدمه رساندن به اکولوژی های جانوری نزدیک به محدوده ی خود گردد. ارتعاشات زمین ناشی از عملیات های- انفجار، آثار زیان بخشی (مضر) بر سازه های نزدیک به خود دارد، از جمله ی این سازه ها می توان ساختمان ها، سد ها، جاده ها، خطوط راه آهن، زیستگاه های طبیعی، و غیره را نام برد. اگر ارتعاشات زمین کنترل یا حداقل سازی نگردند، می توانند به عنوان یکی از اصلی ترین دلایل (علت های) جنگل زدایی در آینده باشند و این کار را از طریق تغییر سطح آب زیر زمینی، ایجاد تیغه های لغزنده و فرسایش و از دست رفتن خاک و ... انجام می دهد (1). ارتعاشات زمین باعث آسیب وارد شدن به سطح آزاد و تولید گسل های عقبی نیز گردد (2). این گسل های عقبی می توانند مسائل مختلفی را در حین عملیات سوراخ کردن سطح انفجاری بعدی به وجود آورده و باعث تولید تخته سنگ های بیش از حد بزرگ (بیش از حد مجاز و مطلوب) گردد (3). تمامی این موضوعات ذکر شده، آثار معکوسی را بر اقتصاد معادن گذاشته و باعث کاهش تولید و سپس به خطر افتادن توسعه ی اقتصادی- اجتماعی نواحی اطراف این معادن نیز می گردد. در نتیجه، کنترل کردن و اندازه گیری این ارتعاشات با دقت های بسیار بالا، یکی از مهمترین مسائل نوین در زمینه صنعت معدن می باشد.
abstract
Ground vibrations arising from rock blasting is one of the fundamental problems in the mining industry, and predicting it plays an important role in the minimization of environmental complaints. To evaluate and calculate the blast-induced ground vibration by incorporating blast design and rock strength, artificial neural networks (ANN) and dimensional analysis techniques were used. First a three-layer, feed-forward back-propagation neural network having nine input parameters, twenty-five hidden neurons and one output parameter was trained using 116 experimental and monitored blast records from one of the most important copper mines in Iran. Seventeen new blast datasets were used for the validation of the peak particle velocity (PPV) by ANN. In the second step, a new formula was developed applying dimensional analysis on results obtained from the sensitivity analysis of the ANN consequences. Results from the calculated formula were compared based on correlation coefficient and root mean square error (RMSE) between monitored and predicted values of PPV. In addition to providing the best prediction of vibration, the new formula has the greatest correlation coefficient and the lowest RMSE, 74.5% and 3.49, respectively.
1. Introduction
Ground vibrations consume explosive energy that could be applied instead to rock fracturing. The intensity of vibration plays a critical role in all types of adverse effects. High ground vibrations not only create problems to the nearby population, but also adversely affect the integrity of the structures in the mine area. Sometimes, it provokes the population and can lead to the mine’s closure. High intensity vibration also damages the groundwater and harms the ecology of the nearby area. Blast-induced ground vibration has a detrimental effect on structures such as buildings, dams, roads, railroads, natural slopes, etc. If ground vibration is not controlled or minimized, it may be one of the main causes of deforestation in the future by changing the groundwater level, creating landslides, soil loss, etc [1]. Ground vibration may damage the free face and generate back breaks [2]. These back breaks create problems while drilling the next blast round and generate over-size boulders [3]. This adversely affects the mine’s economics, hampers production and endangers the socio-economic development of the surrounding area. Therefore, it is important to control and measure the vibration with greater accuracy.
چکیده
1. مقدمه
2. شبکه های عصبی مصنوعی
3. آنالیز ابعادی
4. توسعه مدل
4.1. مدل شبکه عصبی (ANN)
4.2 مدل آنالیز ابعادی
5. بحث و گفتگو
6. نتیجه گیری
abstract
1. Introduction
2. Artificial neural network
3. Dimensional analysis
4. Model development
4.1. ANN model
4.2. Dimensional analysis model
5. Discussion
6. Conclusion
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه