پیشبینی نشست در معدن زغال سنگ مزینو طبس با استفاده از الگوریتم ژنتیک (GA)
Predict the subsidence in Tabas Parvadeh Coal Mine using Genetic Algorithm (GA)
نویسندگان :
محمدرضا احمدی ( دانشگاه کاشان )
چکیده
پدیده نشست زمین شامل فروریزش یا نشست رو به پائین سطح زمین است که می تواند دارای مقدار اندك جابجایی افقی باشد و این حرکت از نظرشدت، وسعت و میزان مناطق درگیر محدود نمی باشد. نشست سطح زمین یکی از مشکلات ناخواسته معدنکاری زیرزمینی به خصوص در روشهای استخراج تخریبی است. نشست یک تغییر شکل وابسته به زمان توپوگرافی سطح زمین است که بر اثر حرکت روباره موجود بر روی فضا های خالی مانند فضاهای ایجاد شده بر اثر معدنکاری زیرزمینی بوجود می آید. پروفیل نهایی نشست سطح زمین در روش جبهه کار طولانی در لایه های زغال سنگ شیبدار تفاوت مهمی با لایه های افقی دارد و از این رو، روشهای پیش بینی نشست مخصوصی را می طلبد. پیش بینی این پدیده به خصوص هنگامیکه یک سازه در منطقه تاثیر نشست واقع شده باشد از اهمیت بسزایی برخوردار است. از آنجا که استخراج یک فرآیند پویا است، حرکت و تغییر شکل پویای سطح زمین می تواند ساختمان ها و سازه ها را به میزان قابل توجهی تحت تأثیر قرار دهد. تاکنون روشهای تجربی بسیاری برای پیش بینی نشست ارائه شده است، اما این روش ها برای شرایط معدنکاری و زمین شناسی مختلف انعطاف ناپذیرند. برای پیش بینی میزان نشست، با توجه به فراوانی پارامترهای موثر در بروز این پدیده و همچنین غیر خطی و پیچیده بودن روابط میان آنها، می توان از روشهای هوشمند مثل شبکه های عصبی مصنوعی، الگوریتم های فراابتکاری، منطق فازی و غیره استفاده کرد. در این مطالعه به منظور بررسی تأثیر پارامترهای طبقات بالایی لایه زغال شامل مدول الاستیسیته، مقاومت کششی، عمق، نسبت پواسون، میزان چسبندگی و مقاومت فشاری تك محوره توده سنگ بر میزان نشست سطح زمین در معدن جبهه کار طولانی زغال سنگ مزینو طبس، دو مدل پیش بینی با استفاده از الگوریتم ژنتیک (GA) و تحلیل رگرسیون خطی ارائه شده است. نتایج حاصل از اعتبارسنجی نشان می دهد که مدل الگوریتم ژنتیک (GA) نسبت به رگرسیون خطی برای پیش بینی نشست سطحی، محافظت از ساختمان ها و سازه های زیرزمینی ضمن ارتقاء توسعه پایدار مناطق معدنی، از دقت بیشتری برخوردار است. نتایج تحقیق ، رویکرد جدیدی را برای بررسی پویایی حرکات سطحی ارائه می دهد.کليدواژه ها
نشست سطح زمین،تخریب،روش معدنکاری جبهه کار طولانی،الگوریتم ژنتیک (GA)کد مقاله / لینک ثابت به این مقاله
برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :نحوه استناد به مقاله
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:محمدرضا احمدی , 1400 , پیشبینی نشست در معدن زغال سنگ مزینو طبس با استفاده از الگوریتم ژنتیک (GA) , پنجمین کنگره ملی زغالسنگ ایران
دیگر مقالات این رویداد
وبگاه ها
تماس با ما
آدرس: شاهرود میدان هفت تیر، دانشگاه صنعتی شاهرود
شماره تماس: 9 - 02332392204
کد پستی: 3619995161
صندوق پستی: 316
پست الکترونیک: info@shahroodut.ac.ir
© کلیه حقوق متعلق به دانشگاه صنعتی شاهرود میباشد. (همایش نگار نسخه 10.1.1)