مروری بر کاربرد روش‌های هوش مصنوعی در تحلیل پتانسیل انفجار سنگ در عمق‌های زیاد

پدیده انفجار خودبه خودی سنگ یک پدیده تخریبی در معادن و حفریات زیرزمینی است که با یک اثر لرزه‌ای و شکستگی و خردشدن ناگهانی سنگ‌ها در اعماق زیاد همراه است. انفجار ناگهانی سنگ‌ها در نتیجه تمرکز تنش‌های برجا و آزاد شدن انرژی کرنشی محبوس در سنگ‌ها رخ می‌دهد. تاثیر این پدیده بر پایداری مناطق استخراج شده و کارگاه‌‌های معدنی و پرتاب و برخورد قطعات سنگ به تجهیزات و نیروی انسانی با اهمیت بوده و می‌تواند اثرات جبران ناپذیری را به دنبال داشته باشد. به منظور ارزیابی پتانسیل انفجار سنگ به طور تجربی، روابط و معیارهای مختلفی ارائه شده است که می‌تواند با تعیین پارامترهای مختلف مکانیکی سنگ شدت این پدیده را مشخص کند. معیار تنش مماسی، معیار تردی و شاخص انرژی الاستیک از جمله این معیارها به‌شمار می‌روند. علاوه‌براین، روش‌های هوشمند مانند شبکه‌های عصبی مصنوعی (anns)، الگوریتم ماشین بردار پشتیبان(svm) ، شبکه ‌های بیزین(bns) ، k-نزدیک‌ترین همسایگی(knn) و مدل‌های درختی(dt) ، با انجام عملیات داده کاوی، پتانسیل انفجار سنگ را به خوبی پیش‌بینی کرده و نسبت به روش‌های تجربی از دقت بالایی برخوردار هستند. هدف از این تحقیق مروری بر کاربرد روش‌های مختلف داده‌کاوی در تجزیه و تحلیل پتانسیل انفجار سنگ در اعماق زیاد معادن و حفریات زیرزمینی است که تاکنون در تحقیقات مختلف موضوع مورد بحث محققان بوده است.