هادی رسولی - دانشجوی کارشناسی ارشد استخراج معدن، دانشگاه بیرجند
حسین نوفرسنتی - استادیار گروه مهندسی معدن،دانشکده مهندسی، دانشگاه بیرجند

عقب زدگی اثر جانبی ناخواسته عملیات انفجار در معادن روباز است. این پدیده می تواند باعث ناپایداری دیواره هایمعدن، سقوط ماشین آلات، خردایش ضعیف و ترقیق بالاشود. هدف این مقاله مقایسه و انتخاب مناسب ترین شبکه ازبینشبکه های عصبی RBF, MLP و Elman جهت تخمین عقب زدگی ناشی از انفجار می باشد. برای این امر، پایگاه دادهای متشکل از 50 انفجار انجام شده در معدن باغک از معادن سنگ آهن سنگان تهیه شد. در این پایگاه داده، پارامترهاینسبت فاصله ردیفی چال به بارسنگ، ضریب سفتی، طول انسدادچال، خرج ویژه، چگالی سنگ و مقاومت فشاری تکمحوره سنگ ها به عنوان پارامترهای ورودی و عقب زدگی به عنوان تنها پارامتر خروجی است. ارزیابی مدلهای ساختهشده نشان داد که، هر سه شبکه در تخمین عقب زدگی از اقبال مطلوبی برخوردار بودهاند. اما شبکهی عصبی MLP درتخمین عقب زدگی از عملکرد مطلوبی نسبت به RBF و Elman برخوردار بوده است. البته شبکه ی RBF از ساختار سادهو آموزش سریع نسبت به شبکه های عصبی MLP و Elman است.

آتشکاری، شبکه های عصبی مصنوعی، عقب زدگی، معدن سنگ آهن سنگان