بکارگیری مدل‌های شبکه عصبی مصنوعی و رگرسیون آماری برای تخمین ضریب تمرکز تنش در اطراف پهنه جبهه‌کار طولانی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی معدن، دانشکده مهندسی، دانشگاه کردستان، سنندج، ایران

2 استادیار بخش مهندسی معدن، مجتمع آموزش عالی زرند، دانشگاه شهید باهنر کرمان

3 گروه مهندسی معدن، دانشگاه صنعتی همدان

چکیده

تجزیه و تحلیل تنش در اطراف پهنه استخراج شده یکی از مهم‌ترین موضوعات در معدن‌کاری جبهه‌کار طولانی به‌منظور تحلیل پایداری پایه‌های حائل و تونل‌های دسترسی اطراف است. در اصل، توزیع مجدد تنش ناشی از استخراج ورودی‌های اطراف پهنه به‌همراه تنش ناشی از معدن‌کاری جبهه‌کار طولانی بایستی در طراحی سازه‌های اطراف در نظر گرفته شود. لذا در این تحقیق، از مدل‌های شبکه عصبی مصنوعی (ANN) و رگرسیون خطی چند متغیره (MLR) برای تعیین ضریب تمرکز تنش (SCC) در اطراف پهنه جبهه‌کار طولانی استفاده شده است. برای طراحی و ارزیابی مدل‌های فوق به‌منظور تعیین SCC، از 120 سری داده و چهار پارامتر مؤثر شامل ارتفاع منطقه بدون تنش، وزن مخصوص توده‌سنگ، عمق روباره و فاصله افقی از دیواره پهنه به‌عنوان ورودی استفاده شده است. بر اساس روش سعی و خطا، شبکه عصبی چند لایه با الگوریتم انتشار مجدد خطا، ساختار 1-8-8-4، تابع آموزش لونبرگ-مارک کواردت و تابع انتقال لگاریتم سیگموئید دارای کم‌ترین خطا بوده و به‌عنوان مدل ANN بهینه جهت تخمین SCC در نظر گرفته شده است. مقایسه عملکرد مدل‌ها با استفاده از شاخص‌های ارزیابی عملکرد مخنلف نشان داد که خروجی ANN تطابق بسیار خوبی با مقادیر واقعی داشته و دقت آن بیشتر و خطای آن کمتر از مدل MLR است. در نهایت، نتایج تحلیل اهمیت متغیرها نشان داد که عمق روباره و وزن مخصوص توده‌سنگ به‌ترتیب دارای بیش‌ترین و کم‌ترین تأثیر بر SCC هستند. نتایج حاصل از این تحقیق نشان می‌دهد که مدل ANN پیشنهادی دارای قابلیت خوبی در تخمین میزان SCC بوده و با اطمینان خوبی می‌تواند در عملیات معدن‌کاری جبهه‌کار طولانی مورد استفاده قرار گیرد.

کلیدواژه‌ها

موضوعات