عنوان	پیش‌بینی عقب‌زدگی ناشی از انفجار با استفاده از الگوریتم‌های جنگل تصادفی (RF) و شبکه عصبی حافظه طولانی کوتاه مدت (LSTM): معدن سنگ‌آهن سنگان
نوع پژوهش	مقاله ارائه شده کنفرانسی
کلیدواژه‌ها	معدن سنگ‌آهن سنگان، عقب‌زدگی، الگوریتم جنگل تصادفی، الگوریتم شبکه عصبی حافظه طولانی کوتاه مدت
چکیده	هدف اصلی انفجار معادن روباز، تأمین شکست سنگ مورد نیاز با حداقل مقدار عوارض جانبی مانند پرتاب سنگ، عقب‌زدگی و لرزش زمین است. عقب‌زدگی (BB) یکی از پیامدهای جدی انفجار در معادن روباز است، زیرا اغلب مزایای اقتصادی را کاهش می‌دهد و ایمنی معادن را به شدت تحت تأثیر قرار می‌دهد. در این مقاله از روش‌های الگوریتم جنگل تصادفی و شبکه عصبی حافظه طولانی کوتاه مدت با بکارگیری تکنیک جستجوی شبکه‌ای و روش اعتبارسنجی متقاطع، برای تخمین عقب‌زدگی ناشی از انفجار در معدن سنگ‌آهن سنگان استفاده شده است. بدین منظور، 60 دسته داده مربوط به مجتمع سنگ‌آهن سنگان مشتمل بر 7 پارامتر ورودی موثر بر عقب‌زدگی (BB) از جمله فاصله‌ردیفی چال‌ها (S)، بارسنگ (B)، طول چال (H)، اضافه حفاری (U)، خرج ویژه (P)، حفاری ویژه (SD) و میانگین خرج در هر چال انفجاری (Q) جمع‌آوری و بطور تصادفی به دو بخش آموزش و تست تقسیم شد. سپس، الگوریتم‌های RF و LSTM برای پیش‌بینی (BB) و مقایسه‌ی آن‌ها با هم استفاده شد. به منظور اعتبارسنجی و مقایسه عمکلکر مدل‌های RF و LSTM در مراحل آموزش و تست از دیاگرام تیلور و سه شاخص آماری شامل ضریب تعیین (R2)، ،جذر میانگین مربعات خطا (RMSE) و خطای مطلق میانگین (MAE) استفاده شد. نتایج بدست آمده بر مبنای دیاگرام تیلور و شاخص‌های آماری نشان داد که مدل RF در مقایسه با مدل LSTM عملکرد بهتری دارد و می‌تواند با دقت و قابلیت اطمینان بالاتر و خطای کمتر عقب‌زدگی ناشی از انفجار را پیش‌بینی نماید. در نهایت، نتایج تحلیل اهمیت پارامترهای ورودی نشان داد که پارامتر بارسنگ (B) و طول چال (H) به ترتیب مهمترین پارامترهای تأثیرگذار بر عقب‌زدگی ناشی از انفجار هستند در حالی که فاصله‌ردیفی چال‌ها (S) و میانگین خرج در هر چال انفجاری (Q) کمترین تأثیر را بر عقب‌زدگی ناشی از انفجار دارند.
پژوهشگران	شادمان محمدی بلبان آباد (نفر اول)، فریبرز متین پور (نفر دوم)، محمد رضائی (نفر سوم)، وهاب سرفرازی (Vahab Sarfarazi) (نفر چهارم)