پيش بيني لرزش زمين ناشي از انفجار با استفاده از روش تركيبي شبكه هاي عصبي مصنوعي و الگوريتم ازدحام سالپ

رايج ترين روش خردايش سنگ در معدن‌كاري چالزني و انفجار است. مهم ترين پديده نامطلوب ناشي از انفجار، لرزش زمين است كه بيشترين سهم اتلاف انرژي را دارد و باعث آسيب به سازه هاي مجاور و ديواره معدن مي شود. در تحقيق حاضر از شبكه هاي عصبي مصنوعي براي پيش بيني PPV در معدن مس سرچشمه استفاده شده است. بدين منظور بانك اطاعاتي متشكل از 53 مرحله انفجار در معدن مس سرچشمه جمع آوري شد و مهم ترين متغيرهاي انفجاري از جمله بارسنگ، فاصله رديفي چال ها، تعداد رديف انفجاري، شاخص بار نقطه اي، خرج ويژه، مقدار ماده منفجره، بيشترين چال در تأخير و فاصله از محل انفجار به عنوان متغيرهاي ورودي براي مدل سازي ANN در نظر گرفته شد. در ادامه مدل توسعه داده شده ANN با مدل هاي رگرسيوني (خطي و غيرخطي) مقايسه شد. نتايج حاكي از برتري مدل ANN با R2، RMSE و MSE به ترتيب 0/968، 0/0121 و 0/00014 است. سپس، براي كمينه‌كردن PPV و بهينه‌سازي الگوهاي انفجاري، از الگوريتم بهينه ساز ازدحام سالپ(SSA) استفاده شد و با درنظرگرفتن محدوديت هاي عملياتي و فاصله اي، الگوي بهينه با مقدار PPV، 0/4503 ميليمتر بر ثانيه به دست آمد.