پیش بینی لرزش زمین ناشی از انفجار با استفاده از روش ترکیبی شبکه های عصبی مصنوعی و الگوریتم ازدحام سالپ

رایج ترین روش خردایش سنگ در معدن‌کاری چالزنی و انفجار است. مهم ترین پدیده نامطلوب ناشی از انفجار، لرزش زمین است که بیشترین سهم اتلاف انرژی را دارد و باعث آسیب به سازه های مجاور و دیواره معدن می شود. در تحقیق حاضر از شبکه های عصبی مصنوعی برای پیش بینی ppv در معدن مس سرچشمه استفاده شده است. بدین منظور بانک اطاعاتی متشکل از 53 مرحله انفجار در معدن مس سرچشمه جمع آوری شد و مهم ترین متغیرهای انفجاری از جمله بارسنگ، فاصله ردیفی چال ها، تعداد ردیف انفجاری، شاخص بار نقطه ای، خرج ویژه، مقدار ماده منفجره، بیشترین چال در تاخیر و فاصله از محل انفجار به عنوان متغیرهای ورودی برای مدل سازی ann در نظر گرفته شد. در ادامه مدل توسعه داده شده ann با مدل های رگرسیونی (خطی و غیرخطی) مقایسه شد. نتایج حاکی از برتری مدل ann با r2، rmse و mse به ترتیب 0/968، 0/0121 و 0/00014 است. سپس، برای کمینه‌کردن ppv و بهینه‌سازی الگوهای انفجاری، از الگوریتم بهینه ساز ازدحام سالپ(ssa) استفاده شد و با درنظرگرفتن محدودیت های عملیاتی و فاصله ای، الگوی بهینه با مقدار ppv، 0/4503 میلیمتر بر ثانیه به دست آمد.