• عنوان

    ارزيابي پايداري كمربالا كارگاه‌هاي باز زيرزميني بااستفاده از روش‌هاي هوشند

  • نويسنده اصلي

    شرفي، محمودرضا

  • محل تحصيل
    اصفهان : دانشگاه صنعتي اصفهان
  • رشته تحصيلي
    مهندسي معدن
  • مقطع تحصيلي
    كارشناسي ارشد
  • چكيده
    معدن‌كاري كارگاه‌باز كه اغلب در روش‌هاي استخراج از طبقات فرعي، استخراج انباره‌اي و كند و آكند مورد استفاده قرار مي‌گيرد نقش ويژه‌اي در استخراج زيرزميني ذخاير معدني دارد به‌شكلي كه 9% ذخاير فلزي معادن آمريكا از روش استخراج از طبقات فرعي و به‌صورت كارگاه‌باز مورد بهره‌برداري قرار مي‌گيرند. در اين روش، پايداري كارگاه باز و به طبع آن پايداري كمربالاي كارگاه اهميت فوق العاده اي دارد، زيرا مسئله پايداري نسبت مستقيمي با ايمني كارگران و تجهيزات، جريان سيكل معدنكاري و ترقيق بيش از حد ماده معدني دارد. با وجود اينكه پيش‌بيني دقيق پايداري كمربالا بسيار دشوار است، اما روش‌هايي براي پيش‌بيني پايداري كمربالا از طريق متغيرهاي موثر در آن ارائه شده‌ است. روش‌هايي كه در حال حاضر بيشتر مورد استفاده قرار مي گيرند¬ روش‌هاي تجربي، مدل‌سازي عددي، طراحي تحليلي، اندازه‌گيري‌هاي برجا و نمودار پايداري ماتيوس هستند. با اين حال هنوز چالش‌هاي قابل‌توجهي در پيش‌بيني پايداري كمربالا وجود دارد، زيرا روش‌هاي بالا داراي محدوديت‌هاي متعددي هستند، به عنوان مثال براي به دست آوردن پارامترهاي ورودي مدل‌سازي عددي به تحليل برگشتي نياز است، در حالي كه داده‌هاي مناسب اغلب در دسترس نمي‌باشند. كاربرد طراحي تحليلي محدود است، زيرا ساده‌سازي هميشه در طول كاربرد آن انجام مي‌شود. اندازه‌گيري برجا پرهزينه و زمان‌بر است و به سختي مي‌توان نمودار پايداري ماتيوس را به موقعيت‌هاي جديد تعميم داد. لذا در اين پژوهش با تكيه برپايگاه داده شامل 135 داده از سوابق معدن‌كاري در كشور استراليا و با بكارگيري روش‌هاي هوشمند، مدل‌هاي تجربي جديدي براي ارزيابي و پيش‌بيني پايداري كمربالا كارگاه‌هاي‌باز زيرزميني توسعه داده شده است. در اين پايان‌نامه از الگوريتم‌هاي هوشمند مبتني بر درخت تصميم مانند الگوريتم‌هاي درخت رگرسيون و طبقه‌بندي (CART)، مدل طبقه‌بندي J48 و مدل درخت لجستيك(LMT) و روش‌هاي رگرسيوني ازجمله رگرسيون لجستيك(LR) استفاده شد. در توسعه اين مدل‌ها از 90 درصد داده هاي موجود در پايگاه داده به منظور آموزش و 10 درصد باقيمانده براي آزمايش مدل استفاده شده است. نتايج نشان داد مدل توسعه داده شده با استفاده از الگوريتم LMT بهترين عملكرد را در ميان مدل‌هاي توسعه داده شده دارد،براي اين مدل سطح زيرمنحني مشخصه عملكرد(AUC) برابر با 940/0 و شاخص ارزيابي عملكرد(PI) برابر با 357/4 مي‌باشد.در اين پژوهش اولويت‌بندي مدل‌هاي توسعه‌داده شده براساس شاخص ارزيابي عملكرد انجام گرفت كه پس از مدل LMT ، مدل‌ J48 عملكرد بهتري نسبت به ساير مدل‌ها داشت،لازم بذكراست در اين پژوهش مدل CART با كسب ميزان PI 260/3 ضعيف‌ترين عملكرد را در بين مدل‌هاي توسعه داده شده داشت. همچنين لازم به ذكر است تمامي مدل هاي توسعه داده شده از نوع جعبه سفيد بوده كه به راحتي مي‌توان از آن‌ها استفاده كرد.
  • شماره ركورد
    229519
  • گرايش رشته تحصيلي
    استخراج مواد معدني
  • دانشكده
    مهندسي معدن
  • دانشگاه
    دانشگاه صنعتي اصفهان