%0 Journal Article %T پیش‌بینی پدیده پس‌شکست در حفر تونل با استفاده از روش‌های بهینه‌سازی هوشمند در معدن زغال سنگ طزره %J نشریه مهندسی معدن %I انجمن مهندسی معدن ایران %Z 1735-7616 %A متحدی, عادل %A سرشکی, فرهنگ %A عطائی, محمد %D 2017 %\ 01/01/2017 %V 11 %N 33 %P 95-111 %! پیش‌بینی پدیده پس‌شکست در حفر تونل با استفاده از روش‌های بهینه‌سازی هوشمند در معدن زغال سنگ طزره %K پس شکست %K پیش بینی %K تونل %K رگرسیون چندگانه خطی و غیرخطی %K شبکه عصبی مصنوعی %K منطق فازی %K سیستم استنتاج فازی عصبی تطبیقی %R %X   با توجه به نیازهای بشر مانند تأمین مواد معدنی، حمل و نقل، ذخیره‌سازی زیرزمینی و غیره، حفر تونل به یک امر بدیهی در جهان امروز تبدیل شده است. پدیده پس‌شکست یکی از پدیده‌های نامطلوبی است که در حین حفر تونل‌ها  به‌ویژه هنگامی که از روش چالزنی و انفجار استفاده می‌شود، ایجاد می‌شود. پدیده‌ی پس‌شکست باعث کاهش ایمنی محیط کار و افزایش هزینه‌های عملیاتی می‌شود. اولین قدم در فرآیند کنترل و کاهش آثار زیان‌بار این پدیده، پیش‌بینی آن در فرآیند حفر تونل‌ها است. عوامل تأثیرگذار بر پدیده پس‌شکست به دو دسته اصلی قابل کنترل(پارامترهای انفجار) و غیرقابل کنترل(پارامترهای زمین‌شناسی) تقسیم‌بندی می‌شوند. این عوامل به‌صورت غیر خطی به یکدیگر وابسته هستند. در این مطالعه، با به‌کارگیری 20 دسته از داده‌های عوامل تأثیرگذار و پس‌شکست به‌عنوان داده‌های ورودی و خروجی، مدل‌های پیش‌بینی کننده با روش‌های رگرسیون چندگانه خطی و غیر خطی، شبکه عصبی مصنوعی، منطق فازی و سیستم استنتاج فازی- عصبی تطبیقی ساخته شدند. نتایج مدل‌های پیش‌بینی کننده و مقدار میانگین مربعات خطای آن‌ها، نشان دهنده‌ی آن است که روش‌های منطق فازی و سیستم استنتاج فازی- عصبی تطبیقی توانسته‌اند پیش‌بینی بهتری را نسبت به سایر روش‌ها انجام دهند. با توجه به نتایج مشخص است که مدل‌ها توانایی پیش‌بینی پس‌شکست را دارند. با آگاهی از وقوع پس‌شکست، می‌توان روش‌های کنترلی و جلوگیری کننده‌ای را برای کاهش آثار زیان بار این پدیده به‌کار گرفت و باعث بهبود عملکرد پروژه شد. %U https://ijme.iranjournals.ir/article_24447_142c698e47687cb0562a919e6c777dc0.pdf