توسعه مدل پیش‎بینی خردایش ناشی از آتشکاری در فضاهای زیرزمینی

هدف عملیات انفجار رسیدن به خردایش مناسب و حداقل کردن پدیده‏های نامطلوب انفجار است. درجه خردشدگی توده‌سنگ حاصل از انفجار، نقش مهمی در کنترل و کمینه کردن هزینه‏های کلی تولید شامل بارگیری، باربری، سنگ‏شکنی و آسیا دارد. یکی از روش‌های کاهش هزینه‎های عملیات معدن‌کاری، پیش‌بینی خردشدگی الگو‌های طراحی شده توسط مهندسین انفجار است. در انفجار‎های روباز بر خلاف آتشکاری تونل و فضا‌های زیرزمینی، مدل‌های مختلف پیش‌بینی خردشدگی قطعات حاصل از انفجار توسعه داده شده است. در این تحقیق به منظور ارزیابی و توسعه مدل پیش‎بینی خردایش از نتایج 23 عملیات آتشکاری تونل استفاده شده است و نتایج خردایش آن‌ها با استفاده از نرم افزار split desktop ارزیابی و تحلیل شده است. نتایج میانگین ابعاد خردایش (x50) حاصل از مدل کاز رام اصلاح شده برای تونل با نتایج تحلیل تصویر مقایسه و ضریب همبستگی آن‌ها برابر 0.80 بدست آمده است. به منظور افزایش دقت پیش‎بینی ابعاد قطعات خردشده با استفاده از رگرسیون چند متغیره دو مدل پیش‌بینی خردشدگی x50 و x80 در تونل ارائه شده است. نتایج ارزیابی مدل نشان می‌دهد که خطای نتایج پیش‎بینی خردایش با تحلیل تصویر برای دو مدل توسعه داده شده کم‌تر از مدل کاز رام اصلاح شده بوده و مقادیر ضریب همبستگی برای دو مدل پیش‎بینی x50 و x80 ارائه شده به ترتیب برابر 0.95 و 0.85 بدست آمده است.

development of a model for predicting fragmentation due to blasting in underground spaces

the primary purpose of blasting operations is to achieve optimal rock fragmentation while minimizing the adverse effects associated with the blasting process. effective fragmentation significantly influences overall production costs, including expenses related to loading, transporting, and crushing the materials. consequently, accurately predicting the extent of fragmentation resulting from an explosion is essential for blasting designers. in open-pit blasting, various models have been developed to forecast fragmentation; however, tunnel explosions and underground characteristic present unique challenges that require specialized predictive models.introductionthis research focuses on evaluating and developing a predictive model specifically for tunnel blasting fragmentation.to achieve this, data from 23 blasting operations were collected and analyzed using split desktop software. the mean fragment size (x50) was derived from the modified kaz-ram model modified for tunnel blasts, and then, was compared with the results obtained through image analysis. in addition, in order to increase the accuracy of the prediction of fragmented parts, two prediction models x50 and x80 of fragmentation in the tunnel were presented using multivariate regression.methodology and approachesin this study, split desktop software was used to evaluate the fragmentation from blasting. additionally, spss software was utilized for statistical analyses and comparison of the results. moreover, to enhance the accuracy of fragmentation predictions and to develop new models, multivariate regression methods were used.results and conclusionsthe image analysis indicates that the correlation coefficient between the x50 results of the modified kaz-ram empirical model and the image analysis results is 0.80 . furthermore, the evaluation of the developed regression model shows that this model has higher accuracy compared to the modified kaz-ram model, and as a result, the correlation coefficients for predicting x50 and x80 being 0.95 and 0.85 have been obtained, respectively