توصيفگر ها :
لرزش زمين ناشي از انفجار , آتشباري , نرم افزار آماري R , سرعت ذره اي حداكثر
چكيده فارسي :
در اين تحقيق با استفاده از داده هاي لرزش زمين ناشي از 38 انفجار در معدن Sanyou در Tangshan چين، مدل پيشنهادي با استفاده از نرم افزار آماري R و با به كار بردن تحليل رگرسيون خطي به دست آمده است كه در مقايسه با سه مدل تجربي Duvall and Petkof و Langefors and Kihlstrom و Ambraseys and Hendron كه توسط محققان پيشين براي پيش بيني لرزش زمين ناشي از انفجار ارائه شده بودند، كاركرد بهتري را از خود نشان داده است. اين داده ها كه توسط آقاي Xi Yang جمع آوري شده اند، شامل سه پارامتر Q (مقدار مواد منفجره در هر انفجار برحسب كيلوگرم)، D (فاصله دستگاه لرزه نگار تا محل انفجار برحسب متر) و H (ارتفاع پله انفجاري يا محل انفجار برحسب متر) مي باشد. به مدل پيشنهادي كه در اين تحقيق با استفاده از نرم افزار R ارائه كرده ايم، پارامتر H نسبت به مدل هاي تجربي پيشين اضافه شده كه مي تواند به پيش بيني دقيق تر لرزش زمين ناشي از انفجار كمك بيشتري كند. در اين تحقيق براي ارزيابي مدل هاي به دست آمده از شاخص هاي آماري ضريب تعيين ( R2 ) و مجذور ريشه ميانگين خطا ( RMSE ) و واريانس حسابي ( VAF ) استفاده شده كه ( R2 ) معتبر ترين و بهترين شاخص ارزيابي آماري مي باشد كه هر چه مقدار R2 به عدد يك و مقدار RMSE به صفر و مقدار VAF به 100% نزديكتر باشد يعني مقادير پيش بيني شده توسط مدل ارائه شده به مقادير واقعي نزديكتر است و مدل پيش بيني دقيق تري را انجام مي دهد. مقادير R2 ، RMSE و VAF براي مدل تجربي Petkof Duvall and به ترتيب 8777/0 و 23/22 و 15/87 و براي مدل تجربي Langefors and Kihlstrom به ترتيب 8773/0 و 26/22 و 2/87 و براي مدل تجربي Ambraseys and Hendron به ترتيب 8782/0 و 19/22 و 1/87 و براي مدل پيشنهادي به ترتيب 947/0 و 88/13 و 7/94 به دست آمد. در نهايت مي توان مشاهده كرد كه استفاده از نرم افزار آماري R و روش رگرسيون غيرخطي براي تحليل اطلاعات در پيش بيني دقيق تر از ميزان لرزش زمين ناشي از انفجار، نقش موثري داشته است.
چكيده انگليسي :
In this study, using the ground vibration data caused by 38 blasts in Sanyou mine in Tangshan, China, the proposed model is obtained using R statistical software and linear regression analysis that Compared to the three experimental models Duvall and Petkof, Langefors and Kihlstrom, and Ambraseys and Hendron presented by previous researchers to predict ground vibration caused of blasting , it performed better. These data collected by Mr. Xi Yang include three parameters Q (amount of explosives in each blasting in kilograms), D (distance of seismograph to blast site in meters) and H (height of blast bench or blast site in M). To the proposed model that we have presented in this research using R software, parameter H has been added compared to previous experimental models, which can help to more accurately predict the ground vibration caused of blasting. In this research, to evaluate the obtained models, statistical indices of coefficient of determination (R2) and root mean square error (RMSE) and arithmetic variance (VAF) have been used, which (R2) is the most authoritative and best statistical evaluation index. If the value of R2 is closer to one, the value of RMSE is closer to zero, and the value of VAF is closer to 100%, that is, the values predicted by the proposed model are closer to the actual values, and the model makes a more accurate prediction. The values of R2, RMSE and VAF for the experimental model of Duvall and Petkof respectively, 0.8777, 22.23 and 87.15, and for the experimental model of Langefors and Kihlstrom respectively, 0.8773, 22.26 and 87.2, and for the experimental model of Ambraseys and Hendron respectively, were 0.8822, 22.19 and 87.1, and for the proposed model, respectively were 0.947, 13.88 and 94.7. Finally, it can be seen that the use of R statistical software and nonlinear regression method for data analysis has played an effective role in more accurately predicting the magnitude of the ground vibration caused of blasting.
