شبیه سازی لرزش زمین ناشی از انفجار به کمک شبکه های عصبی در معدن مس سر چشمه

دسته زمین شناسی اقتصادی واکتشاف
گروه سازمان زمین شناسی و اکتشافات معدنی کشور
مکان برگزاری بیست و چهارمین گردهمایی علوم زمین
نویسنده مسعود منجزی۱،محمد حسین دهقانی۲، مسعود حسامی۳
تاريخ برگزاری ۱۷ اسفند ۱۳۸۴

چکیده:
لرزش زمین ناشى از انفجار انرژى قابل توجهى را به خود اختصاص مى‌دهد واثرات مخربى نیز به جا مى گذارد. روابط تجربى زیادى براى محاسبات مربوط به این پدیده ارائه شده است. در این مقاله،  با استفاده از شبکه هاى عصبى مصنوعى، مدلى جهت شبیه سازى لرزش ناشى از انفجاردر معدن مس سر چشمه ارائه گردیده است.
 شبکه طراحى شده از انعطاف پذیرى مطلوبى برخورداربوده و در شرایط مختلف خاص هر معدن قابل کاربرد است. جهت تعیین کارآیى، مدل با داده هاى واقعى معدن مس سرچشمه آزمایش شد. در نهایت نتایج بدست آمده از مدل با داده هاى واقعى مقایسه و ملاحظه شد که مدل فوق بخوبى جهت پیش بینى لرزش زمین ناشى از انفجار قابل کاربرد مى باشد.
 
واژگان کلیدى: لرزش زمین،شبیه سازى، شبکه هاى عصبى مصنوعى،
 
Simulation of Ground Vibration Due to Blasting with Neural Networks in Sarcheshmeh Copper Mine
 
Abstract
Ground vibration, induced from blasting operation, takes a considerable part of blasting energy and also can cause many destructive effects. Many empirical relationships have been developed in this regards. In this paper, with the help of Artificial Neural Network (ANN), a model for simulation of ground vibration of blasting operation in Sarcheshmeh copper mine, has been presented.
The model is has shown a good flexibility for different situation. To determine the efficiency of the model, it was examined with data obtained from actual operations in the mine. Finally, comparing the output of the model and of the data actual operation, it has been observed that the model could be used suitably for prediction of ground vibration due to blasting.
 

مقدمه

معمولا هدف از انفجار، ایجاد خرد شدگی مناسب در سنگ می باشد. دراین عملیات بخشی از انرژی تولید شده در شکل های مختلفی مانند لرزش زمین، انفجار هوا، خردشدگی بیش از حد و عقب زدگی، به هدر می رود]3[. گاهی در این عملیات، محدوده وسیعی فراتر از محل مورد نظر، تحت تاثیرامواج انفجاری قرار می گیرد. یکی از مهمترین پیامدهای انفجار در معادن، لرزش زمین است زیرا تقریباً بیشترین اتلاف انرژی مربوط به این پدیده می باشد. لرزش زمین اثرات مخرب زیادی بر ساختمانها و تاسیسات و همچنین پایداری دیواره های معادن روباز دارد.

برای بررسی و پیش بینی اثرات ناشی از لرزش انفجار، روشهای متعددی ابداع شده است[6]. یکی از روشهای مطرح در این زمینه، روش فاصله مقیاس شده که توسط اداره معادن آمریکا ارائه شده، می‌باشد [4].

یکی دیگر از روش های نوین، استفاده از تکنیک شبکه های عصبی می باشد. شبکه های عصبی مصنوعی مجموعه ای از مدل های ریاضی و سیستمهای دینامیکی بر اساس شبیه سازی کامپیوتری نرون های عصبی هستند که با پردازش روی داده‌های تجربی ،‌ دانش یا قانون نهفته در ورای داده‌ها را به ساختار شبکه منتقل می‌کنند..یادگیری شبکه از طریق مثال های آموزشی انجام می گیرد و اتصالات وزنی بین داده های ورودی و خروجی به طور مکرر تصحیح می گردد. در واقع شبکه های عصبی بین داده های فوق یک رابطه ریاضی برقرار می‌کند[1]. شبکه با دادن داده‌های ورودی آموزشی و خروجی های متناظر با آن، طبق الگوریتهای خاصی، فرآیند یادگیری را تا مرحله ای طی کرده که نتایج آزمون شبکه با داده های غیر دخیل در مرحله آموزش به یک حد قابل قبول برسد. در نهایت جوابهای تولید شده به جواب واقعی نزدیک بوده و اغلب با شرایط مساله سازگاری دارد.

برای افزایش قابلیت، استفاده از شبکه های عصبی چند لایه توصیه می شود. آموزش شبکه های چند لایه از طریق الگوریتم پس انتشار( Back Propagation ) صورت می گیرد[1]. این الگوریتم بر پایه قانون یادگیری و تصحیح خطا است. اساساً فرآیند پس انتشار شامل دو گذر پیشرو و پسرو از میان لایه های شبکه است. آموزش شبکه از طریق این روش دارای دومرحله است:

- در مرحله پیشرو، داده های ورودی به صورت لایه به لایه در طول شبکه حرکت کرده و در انتها یک سری داده به عنوان پاسخ حقیقی شبکه عصبی، حاصل می آید. د راین مرحله وزن اتصالات ثابت است .

- در مرحله پسرو، اوزان اتصال بر اساس قانون تصحیح خطا، تغییر می کند. تفاضل پاسخ شبکه و پاسخ حقیقی داده های ورودی، خطا نامیده می شود. این سیگنال خطا در جهت مخالف شبکه حرکت کرده و اوزان را به گونه ای تغییر می دهد تا پاسخ شبکه به پاسخ حقیقی داده های ورودی نزدیک تر گردد]2[.

شبکه های عصبی را بر اساس معیار های مختلفی می توان تقسیم بندی نمود. این شبکه ها، بر اساس نوع فرآیند آموزش، به شبکه های با یاد گیری نظارتی و غیر نظارتی و بر اساس معیار همبندی (توپولوژی)، به شبکه های پیشخور و پسخور، تقسیم بندی می شوند. .شبکه های چند لایه از طریق آموزش با ناظر جهت حل مسائل مختلفی بکار گرفته شده وموفق بوده اند.

شبکه های عصبی دارای عملکردی مناسب به عنوان طبقه بندی کننده ها می باشند و کاربردهای بسیار وسیعی در شناسایی و تشخیص الگو، پردازش سیگنال ها، مسائل مالی، بیمه و نیز در مهندسی معدن و زمین شناسی در اموری همچون تعیین مرز، عمق و ذخیره کانسارها و ... کاربرد دارد]5[.

در این مقاله، با استفاده از شبکه های عصبی چند لایه پیشخور، مدلی جهت شبیه سازی لرزش زمین ناشی از انفجار، در معدن مس سر چشمه ارائه گردیده است. این مدل بخوبی قابل استفاده بوده و میزان خطای بدست آمده نیز در حد قابل قبولی می باشد.

 

2- مطالعه موردی:

مدل سازی لرزش ناشی از انفجاربا استفاده از شبکه های عصبی مصنوعی، درمعدن مس سرچشمه صورت گرفته است. این معدن در 160 کیلومتری غرب کرمان و 50 کیلومتری جنوب رفسنجان ، در عرض جغرافیایی °N30 و طول جغرافیایی °E56 قرار دارد. میزان ذخیره آن 2/1 میلیارد تن می‌باشد که روی ماده معدنی آن به میزان 39 میلیون تن باطله قرار دارد. ماده معدنی به شکل بیضی است که قطر بزرگ آن2300 متر و قطر کوچک آن 1200 متر می‌باشد. قطر چالهای انفجاری در این معدن حدود 7 تا 10 اینچ و آرایش چالها نیز به صورت لوزی می‌باشد.

داده‌های ورودی و خروجی به شبکه عصبی، اطلاعات انفجاری و لرزشی مربوط به 14 انفجار در نقاط مختلف معدن سرچشمه می باشند. این اطلاعات توسط دستگاههای لرزه نگار PDAS100 ثبت شده اند. بطور متوسط در هر انفجار تعداد 8 دستگاه لرزه نگاردر موقعیتهای مختلف نسبت به بلوکهای انفجاری برای ثبت لرزش مورد استفاده قرار گرفته اند.

برای آموزش شبکه های عصبی، پارامترهای  فاصله دستگاه ثبت لرزه تا محل انفجار، میزان خرج در هر تاخیر، فاصله تاخیر( به عنوان ورودی) و حداکثر سرعت ذرات ( به عنوان خروجی) مورد استفاده قرار می گیرند.

برای بدست آوردن شبکه عصبی مناسب، داده‌های حاصل از معدن مس سرچشمه وارد جعبه ابزار مربوطه، موجود در نرم‌افزار MATLAB، گردید و شبکه های عصبی مختلفی ساخته شد. در مرحله بعد، شبکه های ساخته شده، آموزش داده شدند و خروجی هر شبکه مورد تجزیه و تحلیل قرار گرفت. به منظور آزمایش شبکه از انفجار شماره 50 که از آن در آموزش شبکه استفاده نشده بود، استفاده شد. در نهایت از بین شبکه های فوق، شبکه عصبی با کمترین خطا، انتخاب گردید. خروجی این شبکه، بسیار نزدیک به اعداد واقعی ثبت شده می باشند. ساختار شبکه مورد استفاده در نهایت، به صورت شبکه عصبی سه لایه پیشخور با ساختار] 3،5،1[. در طراحی این شبکه، با افزایش تعداد نرون های لایه دوم از 4 به 5، خطای آموزش تقریباً به مقدار ثابتی رسید. با تابع آموزشیTRAINLM ، تابع یادگیری LEARN GDM، تابع سنجش خطا MSE و تابع محرک TANSIG طراحی شد.

 

برآیند سرعت حرکت ذرات برای نقاط مختلف ثبت لرزه حاصل ازاعداد ثبت  شده توسط دستگاههای لرزه نگار و خروجی شبکه عصبی درشکل 1 نشان داده شده است. با بررسی این شکل دیده می شود که اختلاف سرعت حرکت ذره ای ثبت شده با دستگاه های لرزه نگار برای لرزش های شماره 10 و 28 با خروجی شبکه عصبی بیشتر از سایر لرزش ها می باشد.

شکل 2 نشان دهنده خطای شبکه عصبی بر حسب تعداد نقاط ثبت لرزه می باشد. همانطور که ملاحظه می شود در این شکل نیز برای لرزش های شماره 10 و 28 میزان خطای بدست آمده بیشتر از سایر نقاط ثبت لرزه می باشد.

نتیجه گیری :

- بهترین نتایج برای شبیه سازی لرزش زمین ناشی از انفجار توسط شبکه هایی از سه لایه که در لایه اول تا سوم به ترتیب]3،5،1[ نرون وجود دارد، به دست آمد

- با توجه به تعداد تکرارهاو میزان خطای موجود در پیش بینی سرعت حداکثر ذرات، زمان اجرای مدل بسیار مناسب است.

- از بین عوامل موثر بر لرزش تنها سه عامل فاصله از محل ثبت لرزه، میزان خرج درهر تاخیر و فاصله تاخیر را می توان در شبکه عصبی وارد نمود، زیرا در نظر گرفتن عواملی مانند خرج ویژه موجب از بین رفتن همگرایی شبکه می شود.

 

4- منابع:

1- Philip, P. W., 1987, “Neural Computing Theory and Practice”.

2- Lippman, R. P., 1987, “An Introduction to Computing with Neural Networks” ,in AEEE ASSP Magazine

3- Hustrulid, W., 1999, “ Blasting Principles for Open Pit Mining, Volume 1”, A. A. Balkema.

4- Lopez Jimino, C., Lopez Jimeno, E. and Ayala Carcedo, F. J., 1995. “Drilling and Blasting of Rocks”, A. A. Balkema, Rotterdam, Brookfield.

 

5- منهاج، محمدباقر، (1379) ، «مبانی شبکه های عصبی» ، تهران، انتشارات دانشگاه صنعتی امیرکبیر، چاپ اول ،‌جلد اول .

6- پورقاسمی، م ، (1379) ، «بررسی و تحلیل لرزشهای زمین ناشی از انفجار در معدن مس سرچشمه» ، پایان نامه کارشناسی ارشد، دانشگاه تهران.

7- اصانلو – م، 1374، «طراحی، برنامه ریزی و روشهای استخراج معادن سطحی» ، انتشارات لادن.

 

 

کلید واژه ها: سایر موارد