پیش‌بینی پایداری پایه با استفاده از الگوریتم برنامه‌نویسی بیان ژن در معادن کارگاه و پایه

روش‌ های استخراج جزئی یکی از انواع روش ‌های معدنکاری زیرزمینی است که در آن به منظور تامین ایمنی محیط کاری از پایه استفاده می ‌شود. ارزیابی پایداری پایه ‌ها یکی از مسائل بسیار مهم در طراحی معادن زیرزمینی است به طوریکه ناپایداری پایه ‌ها منجر به خسارات جانی و مالی در عملیات معدنکاری خواهد شد. بنابراین پیش‌ بینی پایداری پایه از اهمیت بسیاری برخوردار است. تحلیل پایداری در پیشینه تحقیق شامل روش‌ های تحلیلی، عددی و تجربی است که دارای محدودیت بوده و از دقت بالایی برخوردار نیستند. استفاده از الگوریتم ژنتیک ابزاری مفید برای ارزیابی پایداری پایه‌ ها است. در این مطالعه همبستگی میان پایداری پایه با پارامترهای هندسی (عرض و ارتفاع) و تنش پایه توسط روش برنامه‌ نویسی بیان ژن (gep) مورد بررسی قرار گرفته است. مدل پیشنهادی در یک پایگاه داده برگرفته از مطالعات پیشین اجرا شده است. عملکرد مدل توسط 4 شاخص آماری دقت، حساسیت، عدم اشتراک و ضریب همبستگی متئو مورد ارزیابی قرار گرفت که مقدار آن ها به ترتیب برابر با 0.82، 0.79، 0.86 و 0.65 به دست آمده است. نتایج نشان داد که مدل توسعه داده شده از دقت مطلوبی برخوردار است و قادر به پیش‌ بینی پایداری پایه می‌ باشد.

predicting pillar stability using gene expression programming algorithm in underground stope and pillar mines

partial extraction methods are one of the types of underground mining methods in which foundations are used to ensure the safety of the working environment. foundation stability assessment is one of the most important issues in the design of underground mines, as foundation instability will lead to human and financial losses in mining operations. therefore, foundation stability prediction is of great importance. stability analysis in the research background includes analytical, numerical, and experimental methods that have limitations and are not highly accurate. using genetic algorithms is a useful tool for evaluating foundation stability. in this study, the correlation between foundation stability with geometric parameters (width and height) and foundation stress has been investigated using the gene expression programming (gep) method. the proposed model has been implemented in a database derived from previous studies. the performance of the model was evaluated by four statistical indices: accuracy, sensitivity, non-discrepancy, and meteo correlation coefficient, whose values ​​were obtained as 0.82, 0.79, 0.86, and 0.65, respectively. the results showed that the developed model has good accuracy and is capable of predicting foundation stability.