ابوالفضل حیدری - دانشجوی کارشناسی ارشد استخراج معدن، دانشگاه صنعتی امیرکبیر
سیدحسن خوشرو - استادیار، دانشکده مهندسی معدن دانشگاه صنعتی امیرکبیر

در عملیات انفجار معادن روباز یکی از مهمترین پارامترهایی که باید به طور مستمر مورد بررسی و ارزیابی قرار گیرد میزان عقب زدگی ایجاد شده ناشی از انفجار میباشد. این پدیده سبب ناپایداري دیواره هاي معدن، سقوط ماشین آلات، ترقیق بالا و ایجاد اشکال در عملیات چال زنی وخرج گذاري مرحله بعدي در معادن روباز شده است؛ بنابراین نیاز است با شناخت پارامترهاي مؤثر بر عقب زدگی ایجاد شده، میزان آن را به حداقل ممکن رساند. با توجه به تعداد پارامترهاي موثر در عملیات انفجار، رویکرد جدید، استفاده از متدهاي نوین نظیر شبکه هاي عصبی مصنوعی (ANN) است. این روش ها علاوه بر دقت لازم در طراحی،از سرعت بالا و سهولت کاربرد نیز برخوردار هستند. در این مقاله، سعی شده است که عوامل مؤثر در عملیات انفجار در معدن سرب و روي مهدي آباد (شامل طول چال، ضخامت بارسنگ، فاصله ردیفی چالها، طول گل گذاري، خرج ویژه، تعداد ردیف و قطر چال) به گونه اي طراحی شوند که عقب زدگی در معدن سرب و روي مهديآباد کاهش یابد. با توجه به دقت روشهاي هوشمند، از الگوریتم ترکیبی شبکه عصبی مصنوعی و الگوریتم ژنتیک براي بهینه سازي عملیات انفجار در معدن مهدي آباد استفاده شده است. شبکه عصبی براي پیش بینی نتایج انفجار و الگوریتم ژنتیک جهت بهینه سازي مدل پیشنهادي به کار گرفته شده است. پارامت رهاي مؤثر در عملیات انفجار در معدن سرب روي مهدي آباد به گونه اي طراحی شده است، که الگوي بهینه(کمینه کردن عقب زدگی) محقق شود. نتایج بدست آمده از فرآیند بهینه سازي با الگوریتم ژنتیک، شامل 16 الگوي انفجار بهینه براي معدن سرب و روي مهدي آباد میباشد، که بهینه ترین الگوي انفجار از میان 16 الگوي بهینه انفجار به دست آمده الگویی با تعداد ردیف 5، ضخامت بار سنگ 5 متر، فاصله داري چال 6/5 متر، طول گلگذاري 2/59 متر، طول متوسط چال 6/5 متر، خرج ویژه 0/336کیلوگرم بر مترمکعب و قطر چال 6/5 اینچ است. این الگو مقدار عقب زدگی را به 1/45 متر کاهش میدهد که از میانگین عقب زدگی کل(4/7 متر) 70 درصد کمتر است.

شبکه عصبی مصنوعی، الگوی بهینه انفجار، عقب زدگی، الگوریتم ژنتیک، معدن سرب و روی مهدی آباد