توصيفگر ها :
كاربرد زغال , پيش بيني سطح انفجار , يادگيري ماشين , هوش مصنوعي
چكيده فارسي :
يكي از مخاطرات اصلي در معادن زغال سنگ زيرزميني انفجار زغال مي باشد كه همواره ايمني و اقتصاد عمليات معدنكاري را تهديد مي كند.
پيشبيني دقيق اين پديده مي تواند بسياري از مخاطرات مربوط به آن را كاهش دهد. اين واقعه در كشورهاي مختلفي در سطح جهان رخ داده
است بدين منظور پيش بيني انفجار زغال در معادن زغال سنگ بسيار ضروري است زيرا كه انفجار زغال مي تواند عواقب جدي از جمله آسيب
به زندگي و سالمتي كارگران، تخريب تجهيزات و زيرساخت هاي معدني، و آلودگي هوا و محيط زيست ايجاد كند . در فصل مرور پيشينه،
مطالعات قبلي مرتبط با موضوع پيشبيني انفجار زغال مورد بررسي و ارزيابي قرار گرفتهاند. با توجه به عدم تأمين توصيف ها و نمودارهاي مرتبط
براي پيشبيني انفجار زغال در اين مطالعات، تصميم گرفته شده است كه از مدل هايي استفاده شود كه خروجي هايي قابل فهم، شكل و رابطه
داشته باشند. با توجه به مقاالت معتبري كه بررسي شده اند، بيش از 200 داده جمعآوري شده است ك ه چهار ويژگي مرتبط با انفجار زغال، اين
پديده را در سه سطح )عدم رخ دادن، ضعيف و قوي( پيشبيني مي كنند. با توجه به اهميت باال ي دقت و قابليت اعتماد مدل ها در پيش بيني انفجار
زغال، استفاده از روش تصادف ي در انتخاب دادهها بسيار حائز اهميت است. در اين پژوهش، از مدلهايي مانند48J، LMT، LR و... استفاده
شده است كه امكان تفسير و تبيين روابط و نمودارهاي مرتبط با اين مسئله را فراهم مي كنند براي توسعه اين مدلها %80 دادهها براي آموزش و
20درصد براي پيش بيني بكارگرفته شدهاند. مدل ها در نرم افزارهاي وكا، پايتون، SPSS و... توسعه داده شده اند. اين نرم افزارها به عنوان
ابزارهاي قدرتمندي در زمينه تحليل دادهها و ساخت مدل هاي پيش بيني مورد استفاده قرار گرفتهاند. با استفاده از اين مدل ها، خروجي هايي قابل
تفسير و قابل فهم در قالب شكل ها و روابط ارائه مي شود كه به تحليل و بررسي سطح انفجار زغال كمك مي كنند. در اين پژوهش، مدل هاي
هوش مصنوعي براي پيشبيني سطح انفجار زغال توسعه داده شده و سپس مورد مقايسه و بررسي قرار گرفتند. اين مقايسه بر اساس معيارهاي
مختلفي انجام شد تا عملكرد مدل ها را ارزيابي كرد. با توجه به نتايج شاخصعاي ارزيابي ، مدل ناوي بيز به عنوان بهترين مدل شناخته شد و
همجنين حساسيت پارامترهاي ورودي بر روي اين مدل انجام شد كه مقاومت فشاري تك محوري به عنوان موثرترين عامل شناسايي شد و
پارامترهاي مقاومت فشاري تك محوري، ضريب انفجار زغال و شاخص انرژي كرنشي اثر مثبت و شاخص زمان شكست ديناميكي اثر منفي در
رخداد انفجار زغال دارند. در پايان، مي توان با مدلهاي توسعه يافته در اين مطالعه سطح انفجار زغال را شناسايي و به كنترل و پيشگيري از
حوادث ناشي از آن پرداخت.
چكيده انگليسي :
Abstract
One of the hazardous events that occur in coal mines is the sudden and severe failure of
highly stressed coal, leading to the release of a significant amount of accumulated energy in
the coal. This event has occurred in various countries worldwide. Predicting coal explosions
in the coal mining industry is crucial as coal explosions can have serious consequences,
including harm to workers' lives and health, destruction of mining equipment and
infrastructure, and air and environmental pollution. In the previous literature review chapter,
relevant studies on predicting coal explosions have been examined and evaluated. Due to the
lack of relevant descriptions and charts for predicting coal explosions in these studies, it has
been decided to use models that have interpretable and understandable outputs. Based on
credible articles reviewed, over 200 data points have been collected, and four relevant
features predict coal explosions at three levels (no occurrence, weak, and strong). This study
has been conducted to provide visual and understandable explanations for coal explosion
analysis. Given the high importance of accuracy and reliability of the models in predicting
coal explosions, the use of a random sampling method in data selection is crucial. In this
research, models such as J48, LMT, LR, etc., have been used, which enable the interpretation
and explanation of relationships and related charts in this issue. The models have been
developed in software such as Weka, Python, SPSS, etc. These software tools have been
used as powerful tools in data analysis and building predictive models. Using these models,
interpretable and understandable outputs are provided in the form of figures and
relationships that help analyze and investigate coal explosions. In this study, artificial
intelligence models have been developed for predicting the level of coal explosion and then
compared and examined. This comparison was performed based on various criteria to
evaluate the performance of the models. Finally, top-performing models were identified for
accurately and efficiently predicting coal explosions. After comparing and examining the
performance of the models based on various criteria, the final results are comprehensively
presented.
