مروري بر كاربرد روش‌هاي هوش مصنوعي در تحليل پتانسيل انفجار سنگ در عمق‌هاي زياد

پديده انفجار خودبه خودي سنگ يك پديده تخريبي در معادن و حفريات زيرزميني است كه با يك اثر لرزه‌اي و شكستگي و خردشدن ناگهاني سنگ‌ها در اعماق زياد همراه است. انفجار ناگهاني سنگ‌ها در نتيجه تمركز تنش‌هاي برجا و آزاد شدن انرژي كرنشي محبوس در سنگ‌ها رخ مي‌دهد. تأثير اين پديده بر پايداري مناطق استخراج شده و كارگاه‌‌هاي معدني و پرتاب و برخورد قطعات سنگ به تجهيزات و نيروي انساني با اهميت بوده و مي‌تواند اثرات جبران ناپذيري را به دنبال داشته باشد. به منظور ارزيابي پتانسيل انفجار سنگ به طور تجربي، روابط و معيارهاي مختلفي ارائه شده است كه مي‌تواند با تعيين پارامترهاي مختلف مكانيكي سنگ شدت اين پديده را مشخص كند. معيار تنش مماسي، معيار تردي و شاخص انرژي الاستيك از جمله اين معيارها به‌شمار مي‌روند. علاوه‌براين، روش‌هاي هوشمند مانند شبكه‌هاي عصبي مصنوعي (ANNs)، الگوريتم ماشين بردار پشتيبان(SVM) ، شبكه ‌هاي بيزين(BNs) ، k-نزديك‌ترين همسايگي(KNN) و مدل‌هاي درختي(DT) ، با انجام عمليات داده كاوي، پتانسيل انفجار سنگ را به خوبي پيش‌بيني كرده و نسبت به روش‌هاي تجربي از دقت بالايي برخوردار هستند. هدف از اين تحقيق مروري بر كاربرد روش‌هاي مختلف داده‌كاوي در تجزيه و تحليل پتانسيل انفجار سنگ در اعماق زياد معادن و حفريات زيرزميني است كه تاكنون در تحقيقات مختلف موضوع مورد بحث محققان بوده است.