مدلسازی آماری و هوشمند وضعیت پایداری سطوح مختلف کارگاه‏های باز زیرزمینی بر مبنای روش نمودار پایداری

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه صنعتی شاهرود

2 فارغ التحصیل دانشگاه صنعتی شاهرود

3 دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود

10.29252/anm.2020.14645.1454

چکیده

روش نمودار پایداری رایج‌ترین روش پیش‌بینی پایداری سطوح کارگاه‌های باز زیرزمینی در معادن فلزی است. به دلیل تجربی بودن این روش و عدم وجود یک نمودار یکتا برای تمام شرایط و همچنین استفاده از یک نمودار برای سقف و دیواره‌ها ریسک‌های ناشی از خطاهای تفسیر نتایج در این روش زیاد است. در این مقاله مدل‌های جدید پیش‌بینی وضعیت پایداری کارگاه‌ها بر مبنای پارامترهای ورودی روش نمودار پایداری به طور مجزا برای ارزیابی سقف و دیواره‌ها با استفاده از روش‌های رگرسیون منطقی و ماشین بردار پشتیبان باز توسعه داده شده و نتایج با نمودار پایداری سنتی مقایسه شده است. برای این منظور از پایگاه داده‌ای معادن کارگاه باز کانادا و غنا استفاده شده است. نتایج نشان داد دقت پیش‌بینی وضعیت پایداری سقف با استفاده از روش‌های نمودار پایداری، مدل رگرسیون منطقی و مدل SVM به ترتیب برابر با %29، %86 و %95 و به همین ترتیب در پیش‌بینی حالت پایداری دیواره‌ها برابر با %71، %81 و %90 بوده است. این نتایج موید عملکرد بهتر مدل‌های جدید نسبت به نمودار پایداری سنتی هستند. علاوه بر این نتیجه‌گرفته شد که مدل SVM دارای بهترین عملکرد در مدل‌سازی وضعیت پایداری سطوح مختلف کارگاه‌های باز زیرزمینی است یافته‌های این مقاله نشان داد که جدا کردن ارزیابی پایداری سقف و دیواره‌ها و استفاده از روش‌های هوشمند و آماری باعث افزایش قابلیت اطمینان پیش-بینی‌ها نسبت به روش مرسوم نمودار پایداری می‌شود که می‌توان از این طریق به طور مؤثری با کمترین میزان خطا وضعیت پایداری سطوح مختلف کارگاه را ارزیابی و بر این اساس طراحی‌های روش استخراج کارگاه باز را انجام داد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Statistical and intelligent modeling of stability state for different surfaces of underground open stopes based upon stability graph method

نویسندگان [English]

  • mahmood Sharifi 1
  • sadjad Mohammadi 2
  • mohammad Ataei 1
  • Reza Khaloo kakaei 3
1 shahrood univerdity of technology
2 shahrood university of technology
3 دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود
چکیده [English]

Stability of open stopes in hard rock underground mining is typically evaluated using the stability graph method. Due to the empirical nature of this method, lack of an unique graph for various conditions and considering the same conditions for the various surfaces of the stope, the risk of wrongly interpreting the results is high. In this paper new models to evaluate stability state of open stopes based upon input parameters of stability graph method were developed separately for roof and walls using logistic regression and support vector machine (SVM). For this purpose, a database was established containing conditions of roof and walls from open stope mines in Canada and Ghana. The results indicated that the accuracy of stability graph method, LG model and SVM model in prediction of roof stability were 29%, 86% and 95%, respectively. In addition, the accuracy of wall stability condition prediction using stability graph method, LG model and SVM model were 71%, 81% and 90%, respectively. These results confirm that the performance of developed model is better than conventional stability graph method. Besides, it was concluded that SVM models possesses a higher performance in stability evaluation when compared to the LG models. Findings of this paper show that separation of different open stopes surfaces as well as incorporating statistical and intelligent methods in stability evaluation increase the reliability of predictions in comparison with conventional stability graph method.

کلیدواژه‌ها [English]

  • Stability analysis
  • Open stope mining
  • Stability graph method
  • Support vector machine (SVM)
  • Logistic regression