Predicción de vibraciones inducidas por voladuras de rocas com explosivos utilizando redes neuronales artificiales
| Autor: | Zorzal, Caroline Belisário, Santos, Francisco Lledo dos, Silva, José Margarida da, Souza, Rafael de Freitas |
|---|---|
| Jazyk: | portugalština |
| Rok vydání: | 2022 |
| Předmět: |
Artificial neural network
Ecuaciones empíricas Voladura de rocas con explosivos Equações empíricas Peak particle velocity Vibraciones sísmicas Desmonte de rochas por explosivos Rock blasting Redes neurais artificiais Vibrações sísmicas Blast-induced ground vibration Redes neuronales artificiales Empirical equations Velocidad máxima de vibración de partículas Velocidade de vibração de pico de partícula |
| Zdroj: | Research, Society and Development; Vol. 11 No. 11; e576111134020 Research, Society and Development; Vol. 11 Núm. 11; e576111134020 Research, Society and Development; v. 11 n. 11; e576111134020 Research, Society and Development Universidade Federal de Itajubá (UNIFEI) instacron:UNIFEI |
| ISSN: | 2525-3409 |
| Popis: | The peak particle velocity is the most commonly utilized metric in the mineral sector for quantifying and evaluating the damage potential of blast-induced ground vibration (PPV). Over time, initiatives have been conducted with the goal of measuring PPV levels. Intelligent systems are potential methods for estimating rock blasting results, due to significant improvements in computer technology. In this regard, the goal of this research is to use artificial neural networks to evaluate seismic vibrations caused by rock blasting with explosives in a mine in Quadrilátero Ferrífero. The database obtained in the field was separated into training (70%) and test (30%) samples. Different groups of variables were examined considering the necessity of selecting appropriate input variables for neural network training. The distance between the monitoring and detonation points, as well as the maximum charge per delay, were input variables in the network that performed best. The same database was used to compare the performance of neural networks with the performance of empirical and multiple regression models. Finally, in terms of coefficient of determination (R2) and root mean square error (RMSE) for measured and predicted data, the neural network model outperformed empirical equations and multiple regression. Furthermore, the importance of choosing the right input variables when using neural networks to estimate PPV was demonstrated. En la industria minera, el parámetro más utilizado para la cuantificación y evaluación del daño potencial de las vibraciones sísmicas generadas por la voladura de rocas es la velocidad máxima de vibración de partículas (VPP). Se han tomado varias iniciativas con el objetivo de estimar los niveles de VPP. Los rápidos avances en la tecnología informática han convertido a los sistemas inteligentes en herramientas prometedoras para estimar resultados de las voladuras de rocas. En este contexto, este estudio tiene como objetivo evaluar las vibraciones inducidas por la voladura de rocas con explosivos en una mina en el Quadrilátero Ferrífero por medio de redes neuronales artificiales. La base de datos se dividió en muestras de entrenamiento (70%) y prueba (30%) de las redes. Considerando la importancia de seleccionar variables adecuadas para el entrenamiento de redes, se analizaron diferentes grupos de variables de entrada. La arquitectura que demostró mejor desempeño consideró la distancia entre el punto de monitoreo y detonación y la carga máxima por retardo como variables input. Para comparar el desempeño de la red neuronal con el desempeño de modelos empíricos y de regresión múltiple, se aplicó la misma base de datos. Finalmente, el modelo de red neuronal demostró ser superior a las ecuaciones empíricas y la regresión múltiple en términos de coeficiente de determinación (R²) y raíz del error cuadrático medio (RMSE) para los datos medidos y predichos. Además, se demostró la importancia de seleccionar las variables de entrada adecuadas para estimar el VPP por medio de redes neuronales. Na indústria mineral, o parâmetro mais utilizado para a quantificação e avaliação do potencial de danos das vibrações sísmicas geradas por desmonte de rochas é a velocidade de vibração de pico de partícula (VPP). Várias iniciativas foram tomadas, ao longo do tempo, com o intuito de estimar os níveis de VPP. Os rápidos avanços na tecnologia computacional fizeram com que sistemas inteligentes se tornassem ferramentas promissoras na estimativa dos resultados de desmonte de rochas. Nesse contexto, este estudo tem como objetivo avaliar as vibrações induzidas por desmontes de rochas por explosivos em uma mina do Quadrilátero Ferrífero por meio de redes neurais artificiais. O banco de dados foi dividido em amostras de treinamento (70%) e teste (30%) das redes. Considerando a importância da seleção de variáveis de entrada adequadas para o treinamento das redes, diferentes grupos de variáveis input foram analisados. A arquitetura que demonstrou melhor desempenho considerou a distância entre o ponto de monitoramento e detonação e a carga máxima por espera como variáveis input. A fim de comparar o desempenho da rede neural com o desempenho de modelos empíricos e de regressão múltipla, os mesmos dados foram utilizados. Por fim, o modelo de redes neurais se mostrou superior às equações empíricas e à regressão múltipla em termos do coeficiente de determinação (R²) e da raiz do erro quadrático médio (RMSE) para os dados medidos e preditos. Além disso, demonstrou-se a importância da seleção das variáveis de entrada adequadas para a estimação de VPP por meio de redes neurais. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|