بهینه سازی الگوی انفجار به منظور کاهش عقب زدگی در معدن مس سونگون با استفاده از الگوریتم ژنتیک

برای رسیدن به یک عملیات انفجار مطلوب، ضروری است کـه عوامـل و پارامترهـای تـاثیرگذار بر این پدیده ها مورد مطالعه قرار گیرند. به طور کلی عوامل تاثیر گذار بـر عملیـات انفجار را می توان به دو گروه عمده پارامترهای قابل کنترل (الگوی انفجار) و پارامترهـای غیـر قابـل کنتـرل (خصوصیات ژیومکانیکی توده سنگ) تقسیم نمود. در این مقاله، سـعی شـده اسـت کـه پارامترهـای قابل کنترل موثر در عملیات انفجار در معدن مس سونگون (شامل قطر چال، طول چـال، ضـخامت بارسنگ، فاصله ردیفی چالها، طول گل گذاری و خرج ویژه) بـه گونـه ای طراحـی گردنـد کـه عقب زدگی که از مشکلات اساسی ناشی از عملیـات انفجار در ایـن معـدن مـی باشـد بـه حداقل مقدار ممکن کاهش یابد. برای بهینه سازی با الگوریتم ژنتیک نیاز به یک تابع (تابع هدف یا تابع برازندگی) مـیباشـد لذا از یک شبکه عصبی پیشخورد – پسانتشار به عنوان تابع مـورد نظـر اسـتفاده شـده اسـت. بـدین ترتیب که بهترین شبکه که ورودی های آن پارامترهای ذکر شده الگوی انفجار و خروجـی آن عقب زدگی میباشد، آموزش داده شد و این شبکه بهینه با ساختار و مقـادیر وزنهـا و بایاس های ثابت که همانند یک مدل ریاضی عمل میکند با کد نویسی به الگوریتم ژنتیک فرا خوانـده شده و در مراحل تکامل و بهینه سازی، ارزیابی کرومـوزمهـا (هـر کرومـوزم شـامل پارامترهـای الگـوی انفجار است) را بخوبی انجام می دهد. در این مقاله، الگوریتم ژنتیک به همراه شبکه عصبی مصنوعی، الگوی بهینـه را بـرای عملیـات انفجار در معدن مس سونگون طراحی میکند که هر کدام از این الگوها، عقب زدگی را به کمترین مقدار ممکن میرساند.

Keywords:

شبکه عصبی مصنوعی , الگوی بهینه انفجار , عقب زدگی , الگوریتم ژنتیک , معدن مس سونگون