محمد رضائی

در این مطالعه، از مدل‌های شبکه عصبی مصنوعی و رگرسیون خطی چند متغیره آماری برای تعیین ضریب تمرکز تنش در اطراف یک پهنه جبهه‌کار طویل زغال استفاده شده است. مدل‌های مورد استفاده بر اساس 120 سری داده جمع‌آوری ‌شده (100 سری داده برای آموزش و 20 سری برای آزمایش) طراحی و ارزیابی شده‌اند. برای تعیین ضریب تمرکز تنش به‌عنوان خروجی مدل‌ها، چهار پارامتر موثر شامل ارتفاع منطقه رها از تنش، وزن مخصوص توده‌سنگ، عمق روباره و فاصله افقی از دیواره پهنه به‌عنوان ورودی مدل‌ها انتخاب شده است. بر اساس روش سعی و خطا، شبکه عصبی چند لایه با الگوریتم پس‌انتشار خطا، ساختار 1-8-8-4، تابع آموزش لونبرگ-مارک کواردت و تابع انتقال لگاریتم سیگموئید دارای کمترین خطا بوده و لذا به‌عنوان مدل شبکه عصبی بهینه برای تعیین ضریب تمرکز تنش در نظر گرفته شده است. برای ارزیابی عملکرد مدل‌های عصبی و آماری از سه شاخص ضریب تصمیم‌گیری، میانگین خطای مطلق و میانگین خطای نسبی استفاده شده است. نتایج ارزیابی عملکرد مدل‌ها نشان داد که خروجی شبکه عصبی تطابق بسیار خوبی با مقادیر واقعی داشته و دقت آن بیشتر و خطای آن کمتر از مدل آماری است. در نهایت، نتایج تحلیل اهمیت متغیرها در مدل شبکه عصبی نشان داد که عمق روباره و وزن مخصوص توده‌سنگ به‌ترتیب دارای بیش‌ترین و کم‌ترین تأثیر بر ضریب تمرکز تنش هستند. نتایج فوق نشان می‌دهد که مدل شبکه عصبی پیشنهادی در این تحقیق دارای قابلیت خوبی در تعیین میزان ضریب تمرکز تنش در اطراف پهنه جبهه‌کار طویل بوده و با اطمینان خوبی از این مدل می‌توان در معدنکاری جبهه‌کار طویل استفاده نمود.