بررسي تابع توزيع حاصل از خردايش توسط آتشباري با آناليز تصويري

اصفهان : دانشگاه صنعتي اصفهان

معدن

كارشناسي ارشد

عمليات آتشباري يكي از مهمترين عمليات‌ها در معدنكاري است. خردايش حاصل از آتشباري تاثير مستقيمي بر هزينه‌هاي معدن از جمله بارگيري، باربري و سنگ‌شكني دارد. علاوه بر هزينه‌هاي اقتصادي آتشباري داراي اثراتي نامطلوب از جمله لرزش زمين و لرزش هوا نيز است كه در معادن خطر آفرين است. از اين رو متخصصين معدن همواره به دنبال ارائه يك تابع مناسب براي پيش‌بيني خردايش حاصل از آتشباري بوده‌اند كه بتواند نتايج خردايش حاصل از آتشباري را به درستي پيش‌بيني كند. در اين پژوهش تعداد 64 آتشباري در معدن طلاي ساريگوني مورد بررسي قرار گرفته شده است. در ابتدا يك بانك اطلاعاتي كه شامل فاصله‌داري، تعداد چال، مقدار آنفو، مساحت سطوح آزاد، شاخص RQD و فشار بار نقطه‌اي Is هستند تشكيل شد سپس از محصولات خردايش هر آتشباري تصويربرداري انجام گرفت به اين صورت كه از هر آتشباري در جهات مختلف و زاويه‌هاي مختلف تصاوير لازم برداشت شد. پس از تصويربرداري با نرم افزار اسپليت دسكتاپ (Split-Dsektop) آناليز تصاوير با درنظر گرفتن تاثير نور و سايه با تغيير جهت و تغيير زاويه تصويربرداري مورد بررسي قرار گرفت كه در نهايت مشخص شد كه تصويربرداري از يك زاويه ثابت بيانگر مقدار واقعي اندازه محصولات خردايش نيست و وجود سايه مي‌تواند مقادير آناليز را تحت تاثير قرار دهد. پس از آناليز هر آتشباري درصدهاي عبوري D20، D50 وD80 به عنوان متغيرهاي وابسته و ساير عوامل ذكر شده به عنوان متغيرهاي مستقل درنظر گرفته شدند. پس از تعيين متغيرهاي مستقل و وابسته داده‌ها نرمال سازي شدند و با آزمون همبستگي پيرسون مقدار همبستگي بين آن‌ها مشخص گرديد سپس با سه روش رگرسيون خطي چند متغيره، رگرسيون غيرخطي چند متغيره و شبكه عصبي مصنوعي تابع توزيع و ميزان پيش‌بيني هر مدل با درنظر گرفتن مقدار ضريب تعيينr2)) براي تعيين ميزان همبستگي روابط مورد بررسي قرار گرفت. براي رگرسيون خطي چند ماغيره از نرم افزار spss، و براي رگرسيون غيرخطي چند متغيره از نرم افزار ديتافيت (Datafit)، و براي شبكه عصبي مصنوعي از تكنيك يادگيري عميق (Deep Learning)در دو حالت مختلف يك لايه پنهان و دو لايه پنهان استفاده شده است. پس از مشخص شدن روابط ارائه شده و نتايج به دست آمده از شبكه عصبي ضرايب تعيين همه روش‌ها مقايسه شدند كه مشخص شد رگرسيون خطس و غيرخطي مقادير يكساني را ارائه مي‌دهند و شبكه عصبي با دو لايه پنهان عملكرد بهتري دارد. پس از مقايسه نتايج هر روش ميزان همبستگي متغيرهاي مستقل با درصدهاي عبوري مختلف نيز مورد بررسي قرار گرفت كه مشخض گرديد بيشترين همبسنگي براي مقدار D80 است. در انتها براي بررسي دقيق‌تر نتايج پيش‌بيني 13 انفجار آخر با شبكه عصبي با دو لايه پنهان، مدل كاز-رام و آناليز تصويري مورد مقايسه قرار گرفتند كه مشخص شد شبكه عصبي با دقت بسيار بهتري مي‌تواند نتايج آتشباري را پيش‌بيني كند.

227530

استخراج

مهندسي معدن

دانشگاه صنعتي اصفهان