پيش بيني خردايش ناشي از انفجار در استخراج معادن روباز با استفاده از برنامه ريزي ژنتيك

Rock fragmentation prediction in open pit mines by genetic programming

يكي از اساسي ترين مراحل استخراج معدن عمليات چالزني و انفجار است . براي انجام يك انفجار مناسب، در مرحله اول بايدعوامل تاثيرگذار نظير خصوصيات سنگ، پارامترهاي مربوط به ماده منفجره و مشخصات هندسي شبكه انفجار تعيين گردند و سپس الگوي انفجار بهينه بر مبناي اين عوامل محاسبه شود. به همين منظور انفجار مطلوب، كاهش هزينه هاي كلي را به دنبال خواهد داشت. در حالي كه مدل هاي رياضي زيادي براي پيش بيني ابعاد سنگ هاي خرد شده ارائه شده، اما همچنان عدم تطابق نتايج تئوري و عملي ديده شده است. در اين پژوهش، پس از گردآوري اطلاعات در مورد انفجارهاي انجام شده در معدن سنگ آهن چادرملو، تصويربرداري و آناليز تصويري به كمك نرم افزار Gold Size انجام گرفت. سپس براي بهينه سازي انفجار وابستگي چهار پارامتر بار سنگ، فاصله رديفي، خرج ويژه و وزن ماده منفجره در هر چال در معدن سنگ آهن چادرملو مورد بررسي قرار گرفت و براي به دست آوردن بهترين ضريب همبستگي از رگرسيون خطي، غيرخطي و همچنين برنامه ريزي ژنتيك استفاده شده است. نتايج به دست آمده در مورد (RMSE, R(2 و MAPE در رگرسيون خطي به ترتيب 0/682، 6/8 و 13/648 و در رگرسيون غير خطي به ترتيب 0/792، 3/02 و 11/374 و در برنامه ريزي ژنتيك به ترتيب 0/98، 0/95 و 4/66 است كه در نهايت بهترين نتايج مربوط به برنامه ريزي ژنتيك است كه مي تواند هزينه هاي كلي معدنكاري را كاهش دهد.

One of the most critical phases of mining operation are drilling and blasting. At the first step, the effective factors such as rock properties, explosive and geometric properties of the blast design should be specified to perform a proper blasting. Then, optimized blast pattern should be calculated based on these factors. Therefore, the optimal blasting will lead to the reduction of overall costs. While many mathematical models proposed for rock fragmentation prediction up to now, but still there is a mismatch between theoretical and experimental results. In this study, after gathering the information about the blasting conducted in Chadormalou iron ore mine, image analysis was used by GoldSize software. Then, for blasting optimization, dependence of the four parameters such as burden, spacing, especial charge and weight of the charge in the blasthole in the Chadormalou iron ore were investigated and the best correlation coefficient of linear and nonlinear regression and the genetic programming was calculated. The obtained results for R2, RMSE and MAPE in linear regression are 0.682, 6.8 and 13.648 respectively, in nonlinear regression method, 0.792, 3.02 and 11.374 and finally in the genetic programming are 0.98, 0.95 and 4.66 respectively. Finally the best results are in terms of genetic programming which causes a reduction in the overall costs in the mining.