ابراهیم ابراهیمی - کارشناس ارشد استخراج معدن، دانشگاه تربیت مدرس تهران
امیر اسکانلو - دانشجوی کارشناسی ارشد فرآوری مواد معدنی، دانشگاه تربیت مدرس تهران،
مسعود منجزی - دانشیار استخراج معدن، دانشگاه تربیت مدرس تهران

نشست سطح زمین یکی از مشکلات ناخواسته معدنکاری زیرزمینی به خصوص در روشهای استخراج تخریبی است. پروفیل نهایی نشست سطح زمین در روش جبهه کار طولانی در لایههای زغال شیبدار تفاوت مهمی با لایههای افقی دارد و از اینرو روشهای پیش بینی نشست مخصوصی رامیطلبد. تاکنون روشهای تجربی بسیاری برای پیش بینی نشست ارائه شده است، اما این روشها برای شرایط معدنکاری و زمین شناسی مختلف انعطاف ناپذیرند. به منظور پیش بینی میزان نشست، با توجه به فراوانی پارامترهای موثر در بروز این پدیده و همچنین غیر خطی و پیچیده بودن روابط میان آنها، میتوان از روشهای هوشمند مثل شبکههای عصبی مصنوعی، منطق فازی و غیره استفاده کرد. در این مطالعه به منظور بررسی تأثیر پارامترهای طبقات بالایی لایه زغال شامل مدول الاستیسیته، مقاومت کششی، عمق، نسبت پواسون، میزان چسبندگی و مقاومت فشاریتک محوره مادهسنگ بر میزان نشست سطح زمین در معدن جبهه کار طولانی زغالسنگ طبس، دو مدل پیشبینی با استفاده از شبکه عصبی مصنوعی و تحلیل رگرسیون خطی ارائه شده است. نتایج حاصل از اعتبارسنجی نشان میدهد که مدل شبکه عصبی نسبت به رگرسیون خطی برای پیش بینی نشست از دقت بیشتری برخوردار است.

نشست سطح زمین، لایه زغال شیبدار، روش استخراج جبهه کار طولانی