ریسک های ژئوتکنیکی مسیر شامل عمق روباره،سطح آب زیر زمینی ، فاکتور ظرفیت باربری وگل شوندگی هستند که باعث مخاطرات جبران ناپذیری می شوند

پیش بینی نرخ نفوذ tbm از جمله مواردی است که به لحاظ اهمیت آن در تخمین زمان اجرای یک پروژه و هزینه تمام شده آن، تاکنون مورد توجه فراوان قرار گرفته است. محققان روش های متعددی را برای پیش بینی نرخ نفوذ ماشین های حفاری تونل ارائه کرده اند. در بسیاری از مدل ها تنها از چند پارامتر اصلی برای تحلیل مدل استفاده شده است و از تاثیر سایر پارامترها، همچون خصوصیات درزه ها چشم پوشی شده است. هدف این تحقیق ارزیابی تأثیر خصوصیات توده سنگ بر نرخ نفوذ tbm و در ادامه ارایه یک مدل با استفاده از روش svm، برای پیش بینی نرخ نفوذ tbm است. برای دست یابی به این منظور از اطلاعات مربوط به نرخ نفوذ واقعی tbm و خصوصیات توده سنگ (مقاومت فشاری تک محوری، مقاومت کششی برزیلی، سختی و شکنندگی سنگ، فاصله بین صفحات ضعیف و جهت ناپیوستگی های موجود در توده سنگ) استفاده شد. تحلیل آماری رگرسیونی بین داده های اندازه گیری شده tbm و خصوصیات سنگ موجود با استفاده از نرم افزار spss انجام شد(65/0=2r و 2/0 rmse=). هم چنین همان داده ها با استفاده از روش svm نیز مورد ارزیابی قرار گرفته و مشاهده شد که مدل بدست آمده از روش svm از دقت بالاتری برخوردار است(77/0=2r و 17/0rmse=). نتایج نشان داد که می توان نرخ نفوذ را به عنوان تابعی از خصوصیات توده سنگ تخمین زد.

زمین لرزه?ها می?توانند تنش?های دینامیکی قابل?توجهی در شیروانی?ها ایجاد کنند. هنگامی?که این تنش?ها با تنش?های استاتیکی موجود جمع شوند ممکن است باعث ناپایداری سنگ یا خاک شوند.???????????????????? در این تحقیق نخست روش?های تحلیل پایداری دینامیکی شیروانی?ها، شامل روش عددی، روش شبه?استاتیکی و روش نیومارک مورد بررسی قرار گرفتند و در ادامه، پایداری دینامیکی دیواره شمالی معدن شماره 1 سنگ?آهن گل?گهر با استفاده از روش?های عددی و شبه?استاتیکی مورد ارزیابی قرار گرفت. تحلیل عددی با استفاده از نرم افزار المان مجزای دو بعدی udec و تحلیل شبه?استاتیکی با استفاده از نرم?افزار تعادل حدی slide v.6 انجام شد. با توجه به حداکثر شتاب افقی و قائم پیش?بینی?شده زلزله در منطقه، رکورد زلزله whittier narrows در ایستگاه la crescenta به عنوان ورودی دینامیکی در تحلیل عددی انتخاب شد. نتایج تحلیل عددی نشان دادند که دیواره شمالی پس از بارگذاری زلزله پایدار می?ماند. ?در تحلیل شبه?استاتیکی با توجه به شتاب پیش?بینی?شده منطقه، ضریب لرزه?ای افقی 09/0 در نظر گرفته شد و ضریب ایمنی شبه?استاتیکی دیواره نهایی 05/1 بدست آمد. در رابطه با تحلیل دینامیکی به روش نیومارک، با توجه به شتاب?نگاشت مورد استفاده و سرعت موج برشی در محیط، حداکثر فاصله قائم بین سطح زمین و سطح لغزش نبایستی بیشتر از 13 متر باشد، لذا با در نظر گرفتن سطح شکست بحرانی حاصل از نرم افزار slide نمی?توان از روش نیومارک ?برای تحلیل پایداری دینامیکی دیواره شمالی

روش های تخصیص کامیون به شاول به دو دسته تخصیص ثابت و تخصیص انعطاف پذیر تقسیم می شوند که در این تحقیق تعریف هر کدام آورده شده است. در این تحقیق با مقایسه بین گسیل کامیون به شاول، با توجه به تنوع ماشین آلات ناوگان باربری معدن گل گهر و تفاوت عمر کامیون ها و درنتیجه تفاوت در هزینه های آن ها، روش چانگ برای تخصیص بهینه انواع کامیون به مسیرهای مختلف مورد استفاده قرار گرفت، که با انتخاب این روش جهت تخصیص کامیون به شاول، به طور متوسط به میزان 13 درصد در روغن مصرفی و به میزان حدود 19 درصد در هزینه های لوازم یدکی و قطعات یدکی صرفه جویی می شود. در ادامه با مروری به روش های هوش جمعی به مقایسه روش های الگوریتم اجتماع ذرات و الگوریتم بهینه سازی فاخته پرداخته و مدل مذکور با این دو الگوریتم حل شد، و تعداد 52 متغیر نرخ تردد کامیون ها در مسیرهای مختلف، به کمک این دو مدل تخمین زده شد و با نتایج حل مدل با کمک برنامه ریزی خطی مقایسه شد. نتایج اجرای مدل با این الگوریتم ها، حاکی از آن است که با توجه به زیاد بودن تعداد متغیرها و تعداد محدودیت های حاکم بر مسأله الگوریتم اجتماع ذرات قابلیت همگرایی لازم را ندارد، در حالی که الگوریتم فاخته قابلیت حل کردن مسأله را داراست. با توجه به ثابت نبودن نتایج بدست آمده نرخ تردد کامیون ها در مسیرهای مختلف، برای تخصیص بهینه کامیون ها بایستی یک سیستم دیسپچینگ انعطاف پذیر بر معدن حاکم باشد، در پایان برای تحقق نتایج بدست آمده از حل مدل در شرایط واقعی معدن، راه حل ارایه شده است.

عقب زدگی اثر جانبی ناخواسته عملیات انفجار در معادن روباز است. این پدیده می تواند باعث ناپایداری دیواره های معدن، سقوط ماشین آلات، خردایش ضعیف، ترقیق بالا، افزایش باطله برداری و نهایتاً رشد هزینه های تولید شود. پارامترهای متعددی بر عقب زدگی تأثیر می گذارند، از جمله پارامترهای کنترل پذیر (مانند پارامترهای طراحی آتشکاری و ویژگی های مواد منفجره) و پارامترهای کنترل ناپذیر (مانند خصوصیات سنگ و ناپیوستگی ها). پیچیدگی پدیده عقب زدگی و عدم قطعیت آن از نظر پیامد پارامترهای مختلف، پیش بینی آن را بسیار دشوار می سازد. هدف این مطالعه، پیش بینی عقب زدگی با استفاده از رویکردهای مختلف رگرسیون، الگوریتم بهینه سازی انبوه ذرات (pso) و شبکه های عصبی مصنوعی و ارزیابی تأثیر پارامترهای مختلف بر این پدیده است. برای این امر، پایگاه داده ای متشکل از 60 انفجار انجام شده در معدن شماره یک مجتمع سنگ آهن گل گهر تهیه شد. ابتدا با استفاده از این پایگاه داده، معادله های تجربی مختلف برای پیش بینی عقب زدگی با استفاده از تحلیل رگرسیون چندگانه ارائه شد. سپس مدل-های ساخته شده با استفاده از الگوریتم pso بهینه شدند. مقایسه نتایج به دست آمده از تحلیل رگرسیون و رگرسیون ـ pso نشان داد که الگوریتم بهینه سازی انبوه ذرات در اغلب موارد به نتایج بهتری در معیارهای کارایی مدل های مختلف می رسد. همچنین شبکه های عصبی مصنوعی جهت پیش بینی عقب زدگی استفاده شد. نتایج حاصل از بکارگیری شبکه های عصبی مصنوعی نشان داد که شبکه عصبی ابزاری مناسب برای پیش بینی عقب زدگی است و با ضریب تعیین بالاتر (0.96 در مقایسه با 0.90) و جذر میانگین مربعات خطای کمتر (0.21 در مقایسه با 0.32) نتایج بهتری نسبت به مدل رگرسیونی ـ pso بدست می دهد. در نهایت تحلیل حساسیت انجام شده نشان داد که طول گل گذاری مهم ترین عامل کنترل عقب زدگی است.

ترقیق یکی از مهم ترین عوامل افزایش هزینه های مستقیم استخراج و فرآوری در معادن است. در این مطالعه یک مدل برمبنای سیستم مهندسی سنگ برای پیش بینی سطح ریسک ترقیق ایجاد شده در کارگاه های جبهه کار طولانی توسعه داده شده است. همچنین براساس سطح ریسک ایجاد شده در کارگاه ها، یک مدل برای پیش بینی ترقیق پیشنهاد شده است. در ادامه برای تخمین میزان ترقیق، از مدل های منطق فازی، شبکه عصبی مصنوعی و آنالیز رگرسیونی استفاده شد. اطلاعات و داده های جمع آوری شده مربوط به 35 کارگاه جبهه کار طولانی در منطقه های زغالی کرمان و طبس می باشد. نتایج نشان داد که سطح ریسک به دست آمده برای هر کارگاه، سازگاری مناسبی با مقدار ترقیق واقعی کارگاه دارد. برای نشان دادن عملکرد مدل ها، با پیش بینی ترقیق هر یک ازکارگاه های استخراجی، آن ها را با مقادیر واقعی مقایسه شد و به ترتیب ضریب تعیین 86/0 و 972/0، 985/0 و 856/0 برای مدل ها به دست آمد. درنهایت برای ارزیابی دقت مدل ها، نتایج نشان می دهدکه برای مدل های پیش بینی کننده ، rmse وvaf به ترتیب، 74/3، 87/84% و 09/2، 72/95% و 24/1، 78/97% و 40/4 و 42/85% به دست آمده است. در نهایت مشخص شد که مدل های شبکه عصبی و منطق فازی برتری بیشتری نسبت به دیگر مدل ها دارند.

عملیات انفجار در معادن روباز با مخاطرات زیادی همراه است. یکی از مهمترین این مخاطرات پرتاب سنگ می باشد که عامل بسیاری از حوادث جانی و غیر جانی است. از این رو پیش بینی پرتاب سنگ برای تعیین محدوده ی ایمنی بسیار با اهمیت می باشد. تاکنون روش های تجربی بسیاری برای این منظور ارائه شده است که چندان دقیق نیستند. روش های مبتنی بر رگرسیون و نیز روش های هوش مصنوعی ابزارهای دقیق تری برای ارائه ی مدل های پیش بینی هستند. الگوریتم تجمع ذرات یکی از روش های مبتنی بر خرد جمعی می باشد که از حرکت جمعی پرندگان برای جستجوی غذا الهام گرفته شده است. در این تحقیق ابتدا علل و مکانیزم پرتاب سنگ بررسی شده و در ادامه چند روش تجربی برای پیش بینی پرتاب سنگ معرفی شده است. پس از تحلیل داده های برداشت شده از معدن سنگ آهن گل گهر و انتخاب پارامترهای موثر، چندین مدل آماری مبتنی بر رگرسیون چند متغیره ی خطی و غیر خطی ساخته شد و در نهایت مدل های غیر خطی ساخته شده، در الگوریتم pso نیز مجدداً پیاده سازی شدند. تابع نمایی با ضریب تعیین 79/0 برای روش رگرسیون و 8/0 برای روش pso نتایج بهتری نسبت به سایر توابع ارایه کرد. به طورکلی نتایج هردو روش یا با هم مشابه بود و یا pso نتایج بهتری داشت.

به منظور انجام برنامه ریزی مناسب تولید و همچنین انجام فرآیند بهینه سازی حین استخراج معدن، آگاهی از توزیع ابعادی مواد خردشده حاصل از انفجار، پیش از انجام انفجار، لازم و ضروری است. بدین منظور تاکنون مدل های پیش بینی فراوانی از جمله مدل های تجربی؛ ارایه گردیده است که هر یک دارای ویژگی هایی می باشند. در این پژوهش پس از بررسی انواع مهم و کاربردی مدل های تجربی پیش بینی خردایش، به کمک 25 مجموعه داده برداشت شده از معدن شماره یک سنگ آهن گل گهر، عملکرد آن ها با یک دیگر مقایسه گردید. برای بدست آوردن مقدارتوزیع خردایشی به عنوان مرجع، از نرم افزار آنالیز تصویریsplit-desktopاستفاده گردید. نتایج حاصل منجر به ساخت مدلی جدید برای پیش بینی مقدار x_50(سرندی که 50 درصد مواد خردشده از آن عبور کنند) با ضریب تعیین 9/97 درصد شد. در مدل پیشنهادیبرای ترسیم منحنی توزیع ابعادی از توابع توزیع رزین- راملر و سوئبرک به صورت ترکیبی استفاده گردید.

شرایط پیش بینی نشده زمین همیشه یک مشکل اساسی پیش روی صنعت تونل زنی بوده است. در این تحقیق، ارزیابی ژئوتکنیکی ریسک در قطعه دوم تونل بلند زاگرس به طول تقریبی 26 کیلومتر و مقطع دایره ای که در 60 کیلومتری شمال شهرستان سرپل ذهاب واقع شده است و با استفاده از ماشین تونل زنی سپرتلسکوپی درحال حفاری است، مورد بررسی قرار گرفت. برای تشخیص مناطق مخاطره آمیز که ممکن است عملیات تونل زنی را با مشکلاتی مواجه کند از روش ماتریس ریسک فازی استفاده شده است. برای اعتبارسنجی این روش، نتایج به دست آمده از این تحقیق با نتایج حاصل از ماتریس ریسک معمولی و ریسک هایی که در تونل بلند زاگرس رخ داده است مقایسه شده است. هم چنین ضریب تعیین r2=0.81 میان اندیس ریسک محاسبه شده و نرخ پیشروی واقعی حاکی از قابلیت این مدل در پیش بینی ریسک است. علاوه براین می توان از ارتباط میان اندیس ریسک و نرخ پیشروی برای پیش بینی نرخ پیشروی براساس اندیس ریسک استفاده نمود.

ناحیه آسیب دیده در اطراف تونل، ناحیه ای است که خواص و شرایط فیزیکی، ژئومکانیکی و هیدرولیکی آن در اثر حفاری دچار تغییرات شده است. این ناحیه تاثیر مستقیم بر روی رفتار توده سنگ اطراف سازه ی زیرزمینی خواهد داشت به طوری که این ناحیه سبب می شود که پایداری و ضریب اطمینان سازه ی زیرزمینی کاهش پیدا کند. لذا شناسایی این ناحیه دارای اهمیت ویژه ای است.

خردایش یکی از مهم ترین نتایج انفجار است که مستقیماً بر هزینه های تولید، بارگیری، باربری و حتی سنگ شکنی تأثیرگذار است.خردایش سنگ به عوامل زیادی از جمله خصوصیات توده سنگ، پارامترهای هندسی چال و نوع ماده منفجره بستگی دارد. روش های تجربی متعددی جهت پیش بینی خردایش توسط محققین مختلف ارائه شده است. از آنجایی که در تعیین ضرایب ثابت موجود در روابط تجربی فقط اطلاعات مربوط به یک یا چند منطقه مورد استفاده قرارگرفته، کاربرد این روابط در سایر شرایط ممکن است نتایج نامطلوبی را به همراه داشته باشد. برای به حداقل رساندن خطاهای پیش بینی خردایش می توان از روش های هوش مصنوعی بهره جست. در این تحقیق داده های مربوط به 30 انفجار انجام شده در معدن سنگ آهن گل گهر برداشت شد. برای ارزیابی خردایش از نرم افزار split desktop استفاده شد.خردایش با استفاده از مدل کاز-رام اصلاح شده و روش رگرسیون غیر خطی پیش بینی و توسط الگوریتم بهینه سازی توده ذرات، بهینه سازی شد. برای مدل سازی رگرسیون از نرم افزار spss و برای پیاده سازی الگوریتمpso از نرم افزار matlab استفاده شد. در نهایت خطای حاصل از هر روش محاسبه شد. ضریب تعیین و میانگین مربع خطای مدل کاز-رام اصلاح شده به ترتیب معادل 16/0 و55/33 است. همچنین ضریب تعیین و میانگین مربع خطای روش رگرسیون غیر خطی به ترتیب معادل 54/0 و38/12بدست آمد.با استفاده از الگوریتم بهینه سازی توده ذرات میزان ضریب تعیین روش رگرسیون غیر خطی به 79/0 افزایش و میزان خطا به 19/11 کاهش یافت. نتایج نشان می دهد که روش رگرسیون غیر خطی بهینه شده با الگوریتم بهینه سازی توده ذرات روش مناسب تری نسبت به مدل کاز-رام اصلاح شده و رگرسیون غیرخطی است.

عملیات حفاری و انفجار عمده ی هزینه های معدن کاری را در بر می گیرد. با بهینه سازی پارامتر های انفجار هزینه های معدن کاری تا حد زیادی کاهش می یابد. یکی از پارامتر های تأثیرگذار در کیفیت انفجار وکنترل هزینه های انفجار، اضافه حفاری است. اگر اضافه حفاری بهینه نباشد، موجب ایجاد برخی اثرات ناخواسته از جمله ایجاد پاشنه می شود. در این تحقیق به بهینه سازی اضافه حفاری در انفجار های معدن شماره 2 گل گهر پرداخته شده است.