جواد غضنفری نیا - کارشناس ارشد استخراج معدن، دانشگاه آزاد اسلامی واحد علوم و تحقیقات

برای تعیین خرج ویژه در انفجار روابط مختلفی موجود است که در ضمن طراحی انفجار از آنها استفاده می شود . ولی با توجه به متغیر بودن شرایط کار اغلب نوساناتی دارد که با انجام چند انفجار آزمایشی شرایط سازگار و مقدار خرج ویژه را تخمین می زنند . به همین منظور با استفاده از داده های تجربی بدست آمده و با شبکه های عصبی این امکان ر ا فراهم آوردیم که با توجه به شرایط موجود و تعیین پارامترهای موثر و در دسترس، خرج ویژه را پیش بینی کنیم . در این مقاله کاربرد شبکه های عصبی برای پیش بینی خرج ویژه براساس یکسری پارامترهای ورودی نشان داده شده است . ورودی ها شامل ، پارامترهای زمین شناسی (شیب، امتداد، فاصله داری ، بازشدگی و گسترش ناپیوستگی ، جهت داری تونل، مقاومت سنگ ،RQD (RMR و خروجی خرج ویژه می باشد . داده های مورد استفاده ازیک تونل در کره جنوبی جمع آوری شده و از شبکه عصبی چند لایه پیشخور با یک لایه ورودی، سه لایه پنهان، یک لایه خروجی، الگوریتم آموزش پس انتشار و تا بع سیگمویید به عنوان تابع تحریک استفاده شده است . مقدار واقعی خرج ویژه 0/94 و مقدار پیش بینی شده با شبکه عصبی 0/9627 کیلوگرم بر مترمکعب شد که با محاسبه خطا، خطای بین مقدار واقعی و پیش بینی شده 2/41 درصد تعیین شد.

خرج ویژه، شبکه های عصبی