ارائه مدل پیش بینی پرتاب سنگ در معادن روباز به کمک تکنیک های هوشمند و مقایسه آن با مدل های مرسوم

عملیات انفجار یکی از اصلی¬ترین بخش¬های عملیات معدنکاری می¬باشد و هدف از انفجارهای معدن، رسیدن به خردایش مطلوب است. پدیده¬های لرزش زمین، لرزش هوا، پرتاب سنگ، عقب¬زدگی و جابجایی نامطلوب از آثار مخرب آن است. یکی از پیامدهای نامطلوب عملیات انفجار در معادن روباز پدیده پرتاب سنگ است که درصد زیادی از کل حوادث اتفاق افتاده در معادن سطحی مربوط به پدیده پرتاب سنگ است. در این پایان¬نامه، 245 طرج انفجاری معدن مس سونگون ثبت شده و از قطر چال، طول چال، فاصله¬ردیفی چال¬ها، ضخامت بارسنگ، طول گل¬گذاری، خرج¬ویژه و حفاری ویژه به عنوان پارامترهای ورودی برای ارائه مدل پیش¬بینی پرتاب سنگ با سه روش یادگیری ماشین شبکه عصبی پرسپترون چندلایه، شبکه عصبی تابع پایه شعاعی و رگرسیون بردار پشتیبان استفاده شده است. در ادامه سعی شد تا با ترکیب این روش¬ها توسط الگوریتم ژنتیک روشی ارائه شود تا دقت پیش¬بینی¬ها را بهبود بخشد. روش ترکیبی از قدرت هر سه روش ذکر شده استفاده می کند. با ترکیب روش¬ها بهترین عملکرد با ضریب تعیین 969/0 برای الگوریتم ژنتیک بدست آمد. در نهایت مقایسه با نتایج بدست آمده از دو رابطه تجربی لاندبورگ 1973 و 1975 حکایت از برتری تکنیک¬های هوشمند دارد.