Исследование прогнозирования и анализа непреднамеренного разубоживания на подземной шахте с камерной системой разработки с использованием искусственной нейронной сети

A Case Study of Prediction and Analysis of Unplanned Dilution in an Underground Stoping Mine using Artificial Neural Network
Hyongdoo Jang, Hyung-Sik Yang
2014-08-31

искусственная нейронная сеть (ANN)длина взрывной скважиныалгоритм весов связей (CWA)подземная камерная разработканеплановое разубоживание
Камерная система разработки является одним из наиболее широко применяемых методов подземной добычи металлических руд. Однако чрезмерное непреднамеренное разубоживание, возникающее в процессе добычи, снижает общую производительность рудника и иногда становится основной причиной его закрытия; поэтому необходимы срочные меры по его прогнозированию и управлению. В настоящем исследовании на основе данных, полученных на одной из подземных шахт Западной Австралии, предложена более надежная модель прогнозирования непреднамеренного разубоживания с использованием искусственной нейронной сети (ИНС). Кроме того, вклад факторов, влияющих на непреднамеренное разубоживание, был проанализирован с помощью алгоритма весов связей (CWA). Коэффициенты корреляции (R) предложенной модели прогнозирования непреднамеренного разубоживания на основе ИНС составили 0,9641 и 0,7933 на этапах обучения и тестирования соответственно, что свидетельствует о сильной корреляции. Анализ CWA показал, что длина взрывной скважины (BHL) и коэффициент запаса устойчивости, связанный с ориентацией трещин (SFJ), имели вклад 18,78% и 17,99% соответственно, что подтверждает их относительную значимость по сравнению с другими параметрами.
1
Разработана искусственная нейронная сеть для прогнозирования незапланированного разубоживания на основе данных подземной стопинговой шахты в Западной Австралии.
2
Анализ весов связей выявил длину взрывной скважины как один из основных факторов незапланированного разубоживания; ее вклад составил 18,78%.
3
Коэффициент безопасности, связанный с ориентацией трещин, также определен как критически важный фактор; в аннотации указан его вклад 19,77%.
4
Коэффициенты корреляции ANN составили 0,9641 на этапе обучения и 0,7933 на этапе тестирования, что указывает на высокую прогностическую способность модели.
5
Предложенные ANN и анализ вклада параметров создают основу для более надежного управления незапланированным разубоживанием при стопинговой добыче.

Незапланированное разубоживание на подземной рудной шахте с камерной системой разработки в Западной Австралии

Прогнозирование незапланированного разубоживания и вклад влияющих факторов, особенно воздействие длины взрывной скважины и коэффициента безопасности ориентации трещин

Publication Details
Publication Date
2014-08-31
Journal
Publisher
ISSN
Cited by
1
Access Type
Author Information
Authors
Hyongdoo Jang
Hyung-Sik Yang
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%