Tạp chí
 
Năm 2019
 
Số 6 [12 - 2019], Năm thứ XXXIII

Mô hình mạng nơ-ron nhân tạo và mô hình thực nghiệm để dự báo sóng chấn động nổ mìn trên mỏ lộ thiên

https://tapchi.hoimovietnam.vn/vi/archives?article=19064

  • Cơ quan:

    Trường Đại học Mỏ - Địa chất

  • *Tác giả liên hệ:
    This email address is being protected from spambots. You need JavaScript enabled to view it.
  • Nhận bài: 24-03-2019
  • Sửa xong: 26-09-2019
  • Chấp nhận: 10-12-2019
  • Ngày đăng: 31-12-2019
Trang: 23 - 28
Lượt xem: 4
Xem onlineXem online
Lượt tải: 0
Tải về PDF
★★★★★Yêu thích: , Số lượt: 0
  • ★
  • ★
  • ★
  • ★
  • ★
Bạn yêu thích

Tóm tắt:

Ground vibration is one of the undesirable effects caused by blasting operations in open-pit mines tliat greatly affect people, buildings, and surrounding environment. In this paper, a new approach to the advancement of science and technology is applied to predict the blast-induced ground vibration using artificial neural network. Another empirical model has also been applied in this study to predict blast-induced ground vibration and to compare with artificial neural network model. Deo Nai open-pit coal mine Is a case study with 146 blasting events were collected for this aim. Root Mean Square Error (RMSE), Determination Coefficient (R2), and Mean Absolute Error (MAE) are used to compare and evaluate the performance of the predictive models. The results indicated that ANN model provided a higher performance than empirical model with an RMSE of 2.240, of 0.937, and MAE of 1.715. This is an innovative achievement in open-pit mining technology that can be used to predict blast-induced ground vibration precision to ensure safety and minimize dangerous impacts on the surrounding environment.

Trích dẫn
Nguyễn Hoàng, Bùi Xuân Nam, Trần Quang Hiếu, Lê Thị Thu Hoa và Lê Quý Thảo, 2019. Mô hình mạng nơ-ron nhân tạo và mô hình thực nghiệm để dự báo sóng chấn động nổ mìn trên mỏ lộ thiên, Tạp chí Công nghiệp Mỏ, số XXXIII, kỳ 6, tr. 23-28.
Tài liệu tham khảo

1. Nhữ Văn Bách và các cộng sự. (2006) "Những biện pháp giảm thiểu tác dụng chấn động khi nổ mìn ở mỏ Núi Béo", Tạp chí Khoa học kỹ thuật Mỏ - Địa chất, số 14.Trường Đại học Mỏ - Địa chất. Hà Nội. Tr. 58-62.

2. K Ram Chandar, VR Sastry và Chiranth Hegde (2017), "A Critical Comparison of Regression Models and Artiíicial Neural Networks to Predict Ground Vibrations", Geotechnical and Geologteal Engineering, 35(2), tr. 573-583.

3. Wilbur I Duvall và Benjamin Petkof (1958) Spherĩcal propagation of explosiorvgenerated strain pulses in rock, Bureau of Mines.

4. Hasanipanah và các cộng sự. (2017) "Forecasting blast-induced ground vibration developing a CART model", Engineering with Computers. 33(2), tr. 307-316.

5. Mahdi Hasanipanah và các cộng sự. (2017) "Estimation of blast-induced ground vibration through a soft computing framework", Engineering with Computers, tr. 1-9.

6. Mahdi Hasanipanah và các cộng sự. (2015) Teasibiliỉy of indirect determination of blast induced ground vibration based on support vector machine'1 Measurement. 75, tr. 289-297.

7. VVilliam A Hustrulid (1999), Blasting principles for open pit mining: generai design concepts, Balkema.

8. Dong Longjưn và các cộng sự. (2011) "Comparisons of random forest and support vectór machíne for predicting blasting vibration characteristic parameters", Procedỉa Engineerìng. 26, tr. 1772-1781.

9. Hoang Nguyen, Xuan-Nam Bui và Hossein Moayedi (2019), "A comparison of advanced computational models and experimental techniques in predicting blast-induced ground vibration in open-pit coal mine", Acta Geophysica.

10. Luis G Perez và các cộng sự. (1994) "Training an artiticial neural network to discriminate betvveen magnetizing inrush and internal faults", IEEE Transactions on Power Delivery. 9(1) tr 434-441.

11. Robert J Schalkoff (1997), Artiíicial Neural Netvvorks, Vol. 1, McGraw-Hill NewYork.

12. Azzedine Zerguine, Ahmer Shafi và Maamar Bettayeb (2001), "Multilayer perceptron-based DFE with lattice structure", IEEE transactions on neural netvvorks. 12(3), tr. 532-545.

Các bài báo khác