بهبود رویکرد سیستم های مهندسی سنگ (res) به منظور ارزیابی پتانسیل ناپایداری شیب های سنگی معادن روباز

امروزه موضوع پایداری شیب های سنگی معادن روباز با افزایش روزافزون مقیاس این پروژه ها اهمیت بیشتری یافته است. پیچیدگی مکانیزم های شکست این شیب های بزرگ مقیاس سبب شده است که روش های معمول به طور کامل قادر به تحلیل و پیش بینی چنین رخدادهایی نباشند. علت اصلی این امر را می توان به تعدد پارامترهای کنترل کننده پایداری و از طرف دیگر اندرکنش موجود میان این پارامترها ربط داد. برای فائق آمدن بر این مشکل، در این تحقیق یک رویکرد سیستمی معروف بنام رویکرد سیستم های مهندسی سنگ (res) مورد توجه قرار گرفته است. در اکثر کاربردهای قبلی این رویکرد، در قسمت تعیین اندرکنش پارامترها از روش کدگذاری سنتی ماتریس اندرکنش استفاده شده است، که این روش قادر به تشریح درست اندرکنش ها نبوده و کاملاً جنبه ذهنی و تخمینی دارد. تلاش هایی نیز در جهت بهبود رویکرد و تلفیق آن با سایر نظریه ها انجام شده است که در عمل کاربرد مهم و چشمگیری از آنها مشاهده نشده است. از این رو در تحقیق حاضر تلاش بر این بوده است که این رویکرد به عنوان اصلی ترین رویکرد سیستمی در مهندسی سنگ از طرق مختلف بهبود یابد، به صورتی که قابلیت استفاده در مسائل پایداری شیب های معادن روباز را داشته باشد. برای این منظور در مرحله اول، رویکرد res متداول در یک مسئله کلی پایداری شیب های سنگی در منطقه ای در شمال شرق ایران مورد استفاده قرار گرفته و نتایج و خروجی های این رویکرد سیستمی مشاهده و تحلیل شده اند. نتایج به دست آمده با نتایج روش تجربی رده بندی شیب های سنگی (smr) در همان منطقه مقایسه شده اند که این مقایسه حاکی از تطبیق نسبتاً خوب نتایج دو روش در رده بندی پایداری شیب های سنگی مهندسی شده بوده است. در مرحله بعد، به عنوان یک ایده جدید و یک بهبود کلی در رویکرد res، یک روش کدگذاری احتمالاتی ماتریس اندرکنش (pesq) ارائه شده است که طی آن با اختصاص احتمال های متفاوت به مقادیر مختلف کدهای اندرکنش، فرآیند کدگذاری از حالت قطعی خارج شده و بدین ترتیب تمام مراحل رویکرد و در نتیجه کل سیستم به صورت احتمالاتی در آمده است. در مرحله سوم و به عنوان یکی از سهم های اصلی تحقیق رساله، از طریق بهینه سازی الگوریتم یک بهبود صورت گرفته قبلی در رویکرد res شامل استفاده از شبکه های عصبی مصنوعی برای کدگذاری غیرذهنی ماتریس اندرکنش، یک شاخص ناپایداری شیب های معادن روباز (msii) توسعه داده شده است. برای این منظور 18 پارامتر موثر بر سیستم پایداری شیب های معادن روباز انتخاب شده و طبقه بندی آنها با توجه به نقش هر پارامتر در ایجاد ناپایداری شیب و با در نظر گرفتن مقیاس متفاوت پروژه های معادن روباز انجام گردیده است. کدگذاری ماتریس اندرکنش شیب های معادن روباز از طریق تشکیل یک پایگاه داده های جامع از وضعیت پایداری و اطلاعات کامل شیب های معادن روباز در نقاط مختلف جهان و استفاده از قابلیت یادگیری شبکه های عصبی همراه با اعمال بهینه سازی هایی در معماری شبکه انجام گرفته است. پس از محاسبه شاخص برای تمام شیب های موجود در پایگاه داده های آموزش شبکه، سطوح خطر ناپایداری تعریف شده و شاخص پیشنهادی با استفاده از اطلاعات جدید خارج از پایگاه داده های کدگذاری مورد اعتبارسنجی قرار گرفته است. نتایج این اعتبارسنجی نشان داده است که پیش بینی های msii تا حد بسیار زیادی منطبق با مشاهدات منطقه ای (رفتار واقعی شیب ها) هستند. بدین ترتیب قابلیت کاربرد و اعتبار شاخص پیشنهادی در ارزیابی پتانسیل ناپایداری شیب های معادن روباز تأیید گردیده است. با توجه به این که این شاخص در اعتبارسنجی ها با استفاده از مشاهدات واقعی دقت بالایی را از خود نشان داده است، انتظار می رود که در آینده و در کاربردهای دیگر نیز قادر باشد پیش بینی های درستی را از ارزیابی پتانسیل ناپایداری شیب های معادن روباز ارائه نماید.