بخشی از مقاله
چکیده
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 و ترقیق بالاشود. هدف این مقاله مقایسه و انتخاب مناسب ترین شبکه ازبین شبکه های عصبی MLP ، RBF و Elman جهت تخمین عقب زدگی ناشی از انفجار می باشد. برای این امر، پایگاه داده ای متشکل از 50 انفجار انجام شده در معدن باغک از معادن سنگ آهن سنگان تهیه شد.
در این پایگاه داده، پارامترهای نسبت فاصله ردیفی چال به بارسنگ، ضریب سفتی، طول انسدادچال، خرج ویژه، چگالی سنگ و مقاومت فشاری تک محوره سنگ ها به عنوان پارامترهای ورودی و عقب زدگی به عنوان تنها پارامتر خروجی است. ارزیابی مدلهای ساخته شده نشان داد که، هر سه شبکه در تخمین عقب زدگی از اقبال مطلوبی برخوردار بودهاند. اما شبکهی عصبی MLP در تخمین عقب زدگی از عملکرد مطلوبی نسبت به RBF و Elman برخوردار بوده است. البته شبکهی RBF از ساختار ساده و آموزش سریع نسبت به شبکههای عصبی MLP و Elman است.
.1 مقدمه
تحقیقات و علاقهمندی به شبکههای عصبی از زمانی شروع شد که مغز بهعنوان یک سیستم دینامیکی با ساختار موازی و پردازشگری کاملا مغایر با پردازشگرهای متداول شناخته شد. نگرش نوین در مورد کارکرد مغز نتیجه تفکراتی بود که در اویل قرن بیستم توسط رامون سگال در مورد ساختار مغز به عنوان اجتماعی از اجزای محاسباتی کوچک به نام نرون 1 - به معنی سلول عصبی - شکل گرفت.
مغز بهعنوان یک سیستم پردازشگر اطلاعات با ساختار موازی، از 100 تریلیون - 1011 - نرون به هم مرتبط با تعداد 1016 ارتباط تشکیل شده است. نرونها سادهترین واحد ساختاری سیستمهای عصبی هستند. بافتهایی که عصب نامیده میشوند اجتماعی از نرونها هستند که اطلاعات و پیامها را از یک قسمت بدن به قسمت دیگر منتقل میکنند. این پیامها از نوع ایمپالسهای2 الکتروشیمیایی هستند.
.2 مفاهیم شبکههای عصبی مصنوعی
با توجه به مقدمات فوق، میتوان گفت که با تمام اغراقها در مورد شبکههای عصبی مصنوعی، این شبکهها اصلا سعی در حفظ پیچیدگی مغز را ندارند. این شبکهها نسبت به شبکه بیولوژیکی از سادگی بیشتری برخوردار میباشند و مانند آنها، ارتباطهای بین نرونها، عملکرد شبکه را تعیین میکند. مشخصات اساسی شبکههای عصبی را میتوان توسط ساختار آنها و خصوصیات عملیاتی یا دینامیکی آن تقسیم نمود.
ساختار شبکه تعیین میکند که شبکه از چند نرون تشکیل یافته و چگونه این نرونها در شبکه آرایش گرفته و به چه شکل بههمدیگر متصل شدهاند. در سالهای اخیر، تلاشهای بسیار جدی برای مدل کردن یک نرون طبیعی صورت گرفته و پیشرفت قابل ملاحظهای در این راستا انجام شده است. برای مدلسازی یک شبکه عصبی مصنوعی، میتوان از یک مدل ریاضی که خصوصیات یک سیستم بیولوژیکی را مدل کند، استفاده کرد. سپس با استفاده از یک رایانه، میتوان این مدل را بهسرعت و بهنحو مناسبی شبیهسازی کرد. جهت ساده کردن و بهبود عملکرد این مدل، تغییرات لازم صورت میگیرد. برای ابداع مدلی که قادر باشد یک سیستم بیولوژیکی را شبیهسازی کند، لازم است تا ابتدا شناخت کاملی از جزییات آن سیستم را در اختیار داشته باشیم.
.3 تعریف مسأله
در این پروژه هدف تخمین عقب زدگی با استفاده از شبکه عصبی میباشد. دراین راستا 50 دسته داده - شامل سنگ آهن وباطله - از انفجارهای معدن باغک برداشت گردیده است. معدن باغک یکی از آنومالی های توده مرکزی معادن سنگ آهن سنگان میباشد که در فاصله 290 کیلومتری جنوب مشهد و حدود 18 کیلومتری شمال شهر سنگان در استان خراسان رضوی قرار گرفته است.
از این داده ها به عنوان مبنای کار درارائه مدل پیش بینی عقب زدگی استفاده شده است. که 14 درصد آن به عنوان دادهی تست و 86 درصد آن بعنوان دادهی آموزش انتخاب میشوند. خروجی شبکه عصبی شبیهسازی شده، میزان عقب زدگی ناشی از انفجار خواهد بود . - BB - ورودیها نیز طبق جدول 1 تعریف میشوند.
جدول : 1 معرفی ورودیها و خروجی شبکه عصبی.
ورودیهای تست را در ماتریسی بنام Ptestr و خروجیهای متانظر آن را در ماتریسی بنام Ttestr تعریف میکنیم.
با استفاده از دستور زیر میانگین خطای حاصل از نتایج حاصل از شبیهسازی را محاسبه میکنیم:
.4 شبیهسازی و نتایج حاصل از آن
برای تخمین عقب زدگی از دو شبکهی عصبی پیشخور MLP و RBF و نیز یک شبکهی عصبی پس خور Elman استفاده میشود.
