Прогнозирование разубоживания при подземной разработке рудных тел камерной системой с открытым очистным пространством с использованием генетического программирования и алгоритмов искусственной нейронной сети с обратным распространением ошибки

Dilution prediction in underground open stope mining using gene expression programming and backpropagation artificial neural network algorithms
Erkan Topal, Roohollah Shirani Faradonbeh, Prosper Chimunhu, Mohammad Waqar Ali Asad, Ajak Duany Ajak
2025-06-01

искусственная нейронная сеть с обратным распространением ошибкипрогнозирование разубоживаниягенетическое программированиегеотехнические и проектные данныеподземная разработка камер
Незапланированное разубоживание при подземной разработке месторождений наносит ущерб экономике предприятия, поскольку неточные коэффициенты разубоживания могут ухудшать прогнозы добычи для действующих горных предприятий, а также экономическую оценку и рентабельность расширения brownfield-проектов и greenfield-проектов. Несмотря на то что при использовании алгоритмов машинного обучения, особенно искусственных нейронных сетей (ANN), была достигнута высокая точность прогнозирования — свыше 90%, в большинстве исследований прогнозировалось общее разубоживание камер либо учитывались субъективные факторы, зависящие от качества выполнения работ, например параметры буровзрывных работ. Эти факторы снижают воспроизводимость моделей при их расширенном применении к новым горным проектам, для которых отсутствуют исторические данные о буровзрывных работах. Для решения этой задачи в исследовании рассматриваются генетическое программирование (GEP) и искусственные нейронные сети с обратным распространением ошибки (BPNN) для прогнозирования разубоживания на уровне отдельных камер на основе геотехнических и проектных данных. Для построения прогнозных моделей использована выборка из 138 камер на золотом руднике в Западной Австралии, где применяется камерная система разработки с открытым очистным пространством и подэтажным обрушением? (sublevel open stoping). Результаты моделирования и натурных наблюдений показали, что модель GEP работает лучше: коэффициент детерминации (R²) составил 0,740, а среднеквадратичная ошибка (RMSE) — 0,361, тогда как для BPNN эти показатели составили соответственно 0,681 и 0,409. В связи с этим модель GEP рекомендуется для прогнозирования разубоживания при планировании горных работ и составлении производственных графиков с заданным уровнем точности.
1
GEP превзошло BPNN, достигнув R² = 0,740 и RMSE = 0,361 против R² = 0,681 и RMSE = 0,409 соответственно.
2
Модели генетического программирования (GEP) и нейронной сети с обратным распространением ошибки (BPNN) построены по данным 138 камер золотого рудника подэтажной камерной разработки в Западной Австралии.
3
Результаты моделирования и полевых испытаний подтверждают применение GEP для прогнозирования разубоживания при планировании и календарном планировании добычи с заявленной точностью.
4
В исследовании прогнозируется разубоживание для отдельных камер на основе только геотехнических и проектных параметров, без факторов буровзрывных работ, ограничивающих воспроизводимость.

Незапланированное разбавление отдельных подземных уступов при субуровневом открытом уступном (open stoping) золоторудном руднике

Точность прогнозирования незапланированного разубоживания для отдельных очистных камер по геотехническим и проектным факторам, а также сравнение эффективности GEP и BPNN

Publication Details
Publication Date
2025-06-01
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Erkan Topal
Roohollah Shirani Faradonbeh
Prosper Chimunhu
Mohammad Waqar Ali Asad
Ajak Duany Ajak
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%