بهبود این مهم انجامیده است. تا كنون بخش گسترده ای از این اقدامات و تحقیقات به صورت تجربی
صورت پذیرفته است كه در آنها فرد محقق با تعداد آزمایشات اندكی مورد بررسی قرار می داده و اقدام
به نتیجه گیری می نمود . اما امروزه با رونق گیری علوم جدید و دخول آنها به بخش های مختلف
مهندسی معدن این آزمایشات جلوه دیگری یافته است. كه از آن جمله تعدد آزمایشات مورد بررسی كه
بزرگترین مزیت می باشد را می توان نام برد. از این جمله موارد می توان به تصمیم گیری های چند متغیره
مانند DEA ، TOPSIS ، AHP و غیره، شبكه های عصبی، منطق فازی، الگوریتم ژنتیك و تحلیل
های آماری اشاره نمود؛ كه به تازگی با استفاده از آنها اقدامات مربوط به بهینه سازی انفجار های معدنی
آغاز گردیده است . در این تحقیق ابتدا با استفاده از شبكه های عصبی مصنوعی، مدلی مبتنی بر شبكه
عصبی چند لایه برای شبیه سازی عملیات انفجار در معدن شماره 1 سنگ آهن گل گهر و پیش بینی
مناسب ترین الگوی انفجار با توجه به شرایط محیطی ارائه شده است. این شبكه عصبی به جای طراحی با
نرم افزار مطلب با نرم افزاری مختص به طراحی شبكه های عصبی مصنوعی به نام Alyuda
NeuroIntelligence ط رح ریزی شده است. تعداد پارامتر های ورودی در نظر گرفته شده برای این
شبكه عصبی 15 پارامتر می باشد. سپس با توجه به رفتار شبكه در قسمت های آموزش، آزمون و مقدار
خطا ها در تخمین میزان d80 ، مقادیر بهینه ای برای تعداد لایه های میانی، تعداد نرون ها و توابع انتقال
بدست آمد. به این ترتیب شبكه بهینه با دو لایه میانی كه به ترتیب دارای و 11 48 نرون می باشند، تعیین
. شد در بخش دوم از رگرسیون های خطی و غیر خطی جهت مقایسه نتایج با حاصله از شبكه عصبی
استفاده شده است. در این بخش با استفاده از نرم افزار SPSS15 دو رابطه یكی به صورت خطی و
دیگری غیر خطی بدست آمد.
آنالیز های انجام شده بیانگر تاثیر بالای پارامتر های طول چال، نسبت
، طول گل گذاری وs/b
از d80 میزان خرج بر تاخیر می باشد.در این معدن با تغییر مقدار گل گذاری از 5/5 متر به 3/6 متر مقدار
55/. متر به 6/0 متر افزایش پیدا نمود .
مقدمه
توجه به اولین مرحله از خردایش سنگ كه توسط حفاری و انفجار صورت می پذیرد، یكی از
اساسی ترین و حساس ترینپارامتر های موثر بر اقتصاد و حیات معدن به شمار می رود. انجام یك انفجار
مطلوب، كاهش هزینه های كل خردایش سنگ، بهبود بازدهی عملیات حفاری، بارگیری، باربری و بهبود
عملیات بعد از استخراج مواد معدنی كه شامل ورود مواد به سنگ شكن های اولیه و ثانویه و غیره می
باشد، را به دنبال خواهد داشت. به منظور دستیابی به تمامی موارد ذكر شده لازم است تا با شناسایی عوامل
تاثیر گذار بر فرآیند چالزنی و انفجار آن را بهینه نمود. به طور كلی عوامل موثر بر روی انفجار را می توان
به دو گروه عمده شامل، پارامتر های قابل كنترل (الگوی انفجار) و پارامتر های غیر قابل كنترل
(خصوصیات ژئومكانیكی توده سنگ) تقسیم بندی نمود. خرج ویژه، نحوه آرایش چال ها، تاخیر در
شروع انفجار، قطر چال، ضخامت بارسنگ، فاصله ردیفی چال ها، طول گل گذاری و ضریب سفتی از
جمله پارامتر های قابل كنترل و حفره های طبیعی و نواحی غیر مقاوم شامل سطوح لایه بندی، گسل ها و
درزه ها جز پارامتر های غیر قابل كنترل محسوب می شوند.

 

همانگونه كه پیشتر مطرح شد نخستین و اصلی ترین هدف انفجار در معادن، خرد باطله و ماده
معدنی است كه در صورت مناسب انجام شدن انفجار تسهیل عملیات بارگیری و كاهش مشكلات در
بخش سنگ شكنی را خواهیم داشت. خردایش مطلوب به عوامل متعددی از مانند نوع ماده منفجره،
چاشنی، پرایمر، نوع سنگ و خرج ویژه بستگی دارد. اما در بعضی از شرایط به دلیل عدم دسترسی به
خردایش بهینه تبعاتی در اثر انفجار بد پدید می آید كه عبارتند از لرزش زمین، شكستگی های نا مطلوب
مثل عقب زدگی، جناح زدگی، پرتاب سنگ و انتش
ار امواج انفجاری در هوا و تولید صدای مهیب در
 .هوا
محققین بسیاری نظیر كونینگهام، لیلی، لانگفورس و … در گذشته روابطی را جهت پیش بینی
میزان خردایش ناشی از انفجار ارائه نموده اند كه با توجه به شرایط پیچیده حاكم بر روابط بر عملیات
انفجار، نتایج حاصله چندان قابل اعتماد نیستند. در سال های اخیر، به منظور مدلسازی محیط های
ناهمگون و پیچیده روش های متفاوتی جهت پیش بینی این موارد مورد استفاده قرار گرفته است. از جمله
این روش ها شبكه های عصبی مصنوعی است كه به تازگی در صنعت معدنكاری ظهور پیدا كرده و نتایج
قابل توجهی را در زمینه های مختلف معدنی حاصل نموده است. شبكه های عصبی در مبحث انفجار