عملیات حفاری و انفجار از مهمترین فرایند های استخراجی روباز هستند که سایر فرایند ها
به نحوی در ارتباط مستقیم و یا غیر مستقیم با آن می باشند . بهینه سازی این عملیات می
تواند در کاهش حجم حفاری میزان مصرف مواد منفجره توزیع دانه بندی قطعات خرد شده
و در نهایت هزینه های استخراج معادن سطحی موثر باشد .
در اغلب موارد برای طراحی یک الگوی آتشباری مناسب در معادن از روش های سعی و خطا
و تجربه استفاده می شود که اغلب برای معادن الگوی ایده الی نمی دهد و علت آن بر میگردد
به یکسان بودن الگوی آتشباری طراحی شده برای تمام بلوک های یک معدن که این صحیح
نبوده و باید برای هر بلوک از معدن با توجه به خصوصیات سنگ آن و انفجار های گذشته مشابه
الگوی آتشبازی تصحیح گردد.
با توجه به مطلب فوق و نیز پیچیده بودن طراحی الگوی آتشباری به خاطر چند متغیره بودن آن
کاربرد دستاورد های نوین در این فن لازم و ضروری می باشد یک روش مناسب جایگزین طراحی
های تجربی الگوهای آتشباری استفاده از شبکه های عصبی مصنوعی آموزش دیده بر مبنای الگوی
های طراحی و اجرا شده پیشین می باشد . این روش مخصوص حل مسائل چند متغیره و پیچیده
می باشد که از دقت وسرعت و سهولت کاربرد برخوردار است .
از آنجایی که مهمترین هدف از انفجار در معادن رسیدن به خرایش مناسب است طراحی الگوی
آتشبازی در این تحقیق نیز بر مبنای اندازه سایز سنگ های خرد شده پیش بینی شده توسط شبکه
عصبی می باشد . به طوریکه قبل از انفجار بلوک با توجه به اندازه سایز سنگ های خرد شده پیش
بینی شده توسط شبکه عصبی می باشد . به طوریکه قبل از انفجار بلوک با توجه به اندازه سایز
سنگ های خرد شده پیش بینی شده توسط شبکه عصبی و با توجه به ویژگی های سنگ و ماده
منفجره به اصلاح و بهینه کردن الگوی آتشباری قبلی پرداخته می شود و بدین وسیله از داشتن
انفجار با خردایش نامناسب جلوگیری به عمل می آید .
پس از آموزش شبکه با روش سعی و خطا شبکه عصبی مناسب با کمترین خطا حاصل شد . سپس
خروجی این شبکه با اطلاعات واقعی چند بلوک که در آموزش شبکه مورد استفاده قرار نگرفتند
آزمایش شد و در نهایت شبکه به دست آمده با خطای بسیار کم متوسط سایز سنگ های خرد شده
بلوک های کزبور را پیش بینی نمود .
بنابراین با بهره گرفتن از این شبکه به دست آمده می توان متوسط سایز سنگ های خرد شده را قبل از
انفجار بلوک پیش بینی نمود و سپس در صورت نیاز ، الگوی آتشبازی پیشین تغییر و اصلاح کرد .
