پيش بيني ميرايي امواج لرزش زمين ناشي از انفجار با مدل جديد مبتني بر الگوريتم رقابت استعماري

Development of ground vibration attenuation model by imperialist competitive algorithm

لرزش ناشي از انفجار در معادن و تاثير آن بر سازه ها و تجهيزات مجاور از پيامدهاي منفي سيكل معدنكاري محسوب مي شود. به منظور كنترل لرزش و مديريت اثرات نامطلوب آن، اقدام به اندازه گيري و مدل سازي ميرايي امواج مي شود. با انجام چندين انفجار آزمايشي و تحليل امواج لرزشي ناشي از آن، مدل ميرايي اين امواج براي هر ساختگاه و معدن مطالعاتي تعيين مي شود. به طور معمول برمبناي فاصله محل اندازه گيري موج تا سينه كار انفجار و بيشينه خرج به ازاي هر تاخير، اقدام به مدل سازي ميرايي حداكثر سرعت ذرات مي شود. در تحقيق حاضر با استفاده از چند مدل تجربي، معادله حداكثر سرعت ذرات براي انفجارات معدن سونگون تعيين شده است. همچنين با استفاده از الگوريتم رقابت استعماري مدل ديگري نيز براي پيش بيني ميرايي امواج ارائه شده است. با توجه به آزمون هاي آماري صورت گرفته بين نتايج حاصل از تخمين حداكثر سرعت ذرات توسط مدل هاي مختلف و مقادير اندازه گيري شده، در گستره معدن مس سونگون عملكرد مناسب مدل مبتني بر الگوريتم رقابت استعماري در تخمين بيشينه سرعت ذرات به اثبات رسيده است.

The effect of blast-induced ground vibrations on mines and on adjacent structures and facilities is an example of the adverse consequences of the mining cycle. In order to control the vibrations, and also, managing the adverse effects, the measurement and modeling of the concerned wave attenuation are necessary. Normally, by implementing several trial blasts and analyzing corresponding ground vibrations, we can determine the related attenuation model for different sites and mines. Usually, the modeling of the peak particle velocity (PPV) damping is performed based on the distance between blast-face and monitoring station and maximum charge used per delay. In this research, using different empirical models, the PPV equation is determined for blasting in the Sungun copper mine. Moreover, imperialist competitive algorithm (ICA) has been employed to develop prediction model for ground vibrations. A comparison of the results obtained from different models are made based on several statistical tests between monitored and predicted values of PPV. According to these statistical tests, fairly good performance of the ICA-based model in the forecasting of PPV is proved.