فهرست نشریات علمی دسترسی آزاد ایران

معادن یکی از مهم‌ترین بخش‌های پیشران اقتصادی هر کشوریست که میزان تولید آن وابستگی بسیار زیادی به کیفیت فرآیند انفجار، که از متداول‌ترین روش‌های استخراج محسوب می‌شود؛ دارد. یکی از چالش‌های اساسی در طی فرآیند انفجار، آسیب‌های جدی وارد شده به تاسیسات جانبی می‌باشد. لذا در زمان احداث و و بهره‌برداری از این تاسیسات، بررسی و پیش بینی لرزه‌های ایجاد شده، می‌بایست مورد توجه قرار گیرد. بدین منظور با جمع آوری داده‌های مربوط به انفجارها و لرزه‌های ایجاد شده، در دو معدن گل گهر سیرجان و سونگون اهر، بعد از تحلیل و توصیف آن‌ها؛ اقدام به پیش بینی حداکثر سرعت ذرات، براساس مسافت و مقدار ماده منفجره، شده است. برای دست یابی به این هدف، با توجه به حجم و ماهیت داده‌ها، از روش یادگیری عمیق استفاده شد. در این مطالعه، با جستجوی مقادیر بهینه برای‌ هایپر پارامترها از طریق آزمون و خطا، سعی در گرفتن نتایجی قابل قبول شد. ضریب تعیین، خطای درصد میانگین مطلق و ریشه میانگین مربع خطا، به عنوان شاخص‌های ارزیابی کیفیت مدل در نظر گرفته شدند. برای قضاوت بهتر، عملکرد روش انتخاب شده، با کارکرد سه روش ماشین بردار پشتیبان، گرادیان کاهشی تصادفی و روش تقویت سازگار؛ مقایسه شد. ضریب تعیین برای چهار روش فوق به ترتیب، 952/0، 809/0، 845/0 و 911/0 بدست آمده است. برای شاخص ریشه میانگین مربع خطا، مقادیر برابر با: 670/2، 308/5، 773/4 و 631/3 شده است. مقدار شاخص خطای درصد میانگین مطلق، برای چهار روش فوق الذکر، عبارتند از : 003/2، 119/2، 786/2 و 887/1 است. با توجه به مقادیر شاخص‌ها، روش یادگیری عمیق با توجه به انعطاف در معماری و انطباق بهتر با ویژگی‌های مسئله، بهترین عملکرد را داشته است. می‌توان بیان کرد در ارتباط با مسائلی با پیچیدگی و توام با عدم قطعیت مانند مسائل مطرح در حوزه‌های معدنی، روش‌های مبتنی بر یادگیری عمیق، توانمندی خوبی ارائه می‌دهد.