Μέθοδος εκτίμησης ευστάθειας υπογείων μεταλλευτικών θαλάμων με γενετικούς αλγορίθμους και νευρωνικά δίκτυα

This item is provided by the institution :
National Documentation Centre (EKT)   

Repository :
National Archive of PhD Theses  | ΕΚΤ NA.Ph.D.   

see the original item page
in the repository's web site and access all digital files if the item*



Method for the estimation of roof failure potential in underground mines with genetic algorithms and neural networks
Μέθοδος εκτίμησης ευστάθειας υπογείων μεταλλευτικών θαλάμων με γενετικούς αλγορίθμους και νευρωνικά δίκτυα

Bourmas, George
Μπουρμάς, Γεώργιος

PhD Thesis

2014


Η γεωμηχανική συμπεριφορά της οροφής παραγωγικών υπογείων μεταλλευτικών θαλάμων αποτελεί ενεργό πεδίο εφαρμοσμένης έρευνας σε παγκόσμιο επίπεδο. Οι καταπτώσεις τεμαχών πετρώματος και οι καταρρεύσεις ανοιχτών μετώπων σε υπόγεια μεταλλεία αποτελούν τη συχνότερη αιτία θανατηφόρων ατυχημάτων και καταστροφής μηχανημάτων έργου. Στο εγγύς μέλλον ο αριθμός των μεταλλευτικών δυστυχημάτων που συνδέονται άμεσα με την αστοχία των υπογείων εκσκαφών αναμένεται να αυξηθεί, ως αποτέλεσμα της βαθμιαίας αντικατάστασης των επιφανειακών εκμεταλλεύσεων με υπόγειες, λόγω των σημαντικών περιβαλλοντικών επιπτώσεων που σχετίζονται με τις επιφανειακές εκμεταλλεύσεις και της ελάττωσης των αποθεμάτων που είναι οικονομικά εκμεταλλεύσιμα με επιφανειακές μεθόδους. Η Διδακτορική Διατριβή μοντελοποιεί την γεωμηχανική συμπεριφορά της στρωσιγενούς οροφής υπογείων βωξιτικών θαλάμων με τέσσερις τυχαίες μεταβλητές. Το αντικείμενο που πραγματεύεται η διατριβή συνιστά, εν γένει, πρόβλημα πολλών μεταβλητών, του οποίου η επιτυχής προσέγγιση απαιτεί διεπιστημονικές συνεργασίες και είναι άρρηκτα συνδεδεμένη τόσο με τη συλλογή αντιπροσωπευτικών πρωτογενών δεδομένων όσο και με την αξιολόγηση του είδους των τυχαίων μεταβλητών που πρέπει να μετρηθούν ή να υπολογιστούν. Πραγματοποιείται προσέγγιση της συνάρτησης ευστάθειας οροφής με την συνδυαστική εκπαίδευση νευρωνικών δικτύων εμπρόσθιας τροφοδότησης, αρχικά με γενετικούς αλγορίθμους και τελικά με ελαστική αναστροφή σφάλματος. Η προτεινόμενη μέθοδος εφαρμόζεται στην ανάλυση της γεωμηχανικής συμπεριφοράς πέντε ενεργών υπογείων βωξιτικών θαλάμων και τα σχετικά αποτελέσματα συγκρίνονται με τις αποκρίσεις που επιστρέφουν διεθνώς αναγνωρισμένες μέθοδοι ανάλυσης του εν λόγω προβλήματος, όπως είναι η μέθοδος του εμπειρικού γραφήματος ευστάθειας οροφής, η μέθοδος του δείκτη δυνητικής αστοχίας οροφής, η θεωρία της θολιτικής δοκού και η ανάλυση παραμόρφωσης ασυνεχούς μέσου. Το προτεινόμενο μοντέλο υπερτερεί των συμβατικών μεθόδων, εκτιμώντας την κατάρρευση ή την πιθανοφάνεια αστοχίας των προαναφερόμενων θαλάμων, αντίθετα από τις συμβατικές μεθόδους, οι οποίες υπολογίζουν μετατοπίσεις ήσσονος σημασίας. Επιπλέον, εκτελείται ανάλυση ευαισθησίας με έμφαση στη στατιστική συμπερασματολογία της προτεινόμενης μεθόδου και τα αποτελέσματα επιβεβαιώνουν εμπειρικά αξιώματα, βάσει των οποίων πραγματοποιείται στην πράξη η εκτίμηση της ασφάλειας των υπογείων μεταλλευτικών εργασιών.
The room stability evaluation of underground mines constitutes an active field of applied research worldwide. Underground room instabilities are the main cause of fatal accidents and equipment breakdowns in the underground mining industry. Their intensity is likely to increase in the near future as a result of gradual abandonment of surface mining operations in favor of underground exploitation of reserves, mainly due to high environmental impacts of the former. This work investigates the room stability of underground bauxite mines in terms of four random variables. The approximation of room stability function is implemented by combinatorial training of feed forward neural networks with genetic algorithms and resilient back propagation. The proposed method is used to approximate the room stability function of five active underground bauxite stopes and is compared to the empirical stability graph method, the voussoir beam analogue and discontinuous deformation analysis. The neural network model is superior to the aforementioned methods, as it predicts the failure or the likelihood of instability unlike the conventional approaches. Additionally, a Monte Carlo sensitivity analysis is conducted on the proposed model and the results confirm the empirical--based assessment of back stability.

Επιστήμες Μηχανικού και Τεχνολογία
Άλλες Επιστήμες Μηχανικού και Τεχνολογίες
Φυσικές Επιστήμες
Γεωεπιστήμες και Επιστήμες Περιβάλλοντος

Neural network
Φυσικές Επιστήμες
Υπόγεια μεταλλεία
Νευρωνικό δίκτυο
Γεωεπιστήμες και Επιστήμες Περιβάλλοντος
Underground mines
Επιστήμες Μηχανικού και Τεχνολογία
Κατάρρευση οροφής
Engineering and Technology
Γενετικός αλγόριθμος
Other Engineering and Technologies
Roof collapse
Genetic algorithm
Άλλες Επιστήμες Μηχανικού και Τεχνολογίες
Natural Sciences
Earth and Related Environmental Sciences

Greek

Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ)
National Technical University of Athens (NTUA)

Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ). Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας




*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)