Vibrations prediction using artificial neural network at rock blasting control.

Programa de P?s-Gradua??o em Instrumenta??o, Controle e Automa??o de Processos de Minera??o. Departamento de Engenharia de Controle e Automa??o, Escola de Minas, Universidade Federal de Ouro Preto.? cada vez maior a preocupa??o da ind?stria da minera??o com o meio ambiente, especialmente com o impacto que ela causa nas comunidades vizinhas ? mina. Somado a essa preocupa??o, tem-se o aumento no rigor das leis ambientais e trabalhistas. Nesse contexto, uma grande preocupa??o diz respeito ao controle das vibra??es e press?o ac?stica causadas pelo desmonte de rochas com explosivos na lavra de minas. Objetiva-se com este trabalho criar um modelo de previs?o de vibra??es e press?o ac?stica usando redes neurais artificias. Para isso, foram treinadas v?rias configura??es de arquitetura de rede usando uma base de dados proveniente de uma campanha de monitoramento in situ. O objetivo de treinar v?rias redes foi avaliar o desempenho das redes neurais com e sem a remo??o de valores an?malos e assim selecionar a rede neural com melhor desempenho. Fez-se tamb?m a avalia??o de sensibilidade das entradas da rede e dessa forma estabeleceu-se o impacto que cada entrada tem na estimativa da sa?da. Para avalia??o dos n?veis de vibra??o e press?o ac?stica, foi criada uma interface gr?fica que possibilitou a estimativa desses valores utilizando os par?metros do plano de fogo. A interface gr?fica tamb?m foi capaz de mostrar no mapa o ponto de detona??o e os valores de vibra??o associados a uma carga m?xima por espera. O modelo de predi??o obteve coeficientes de determina??o acima de 90%, ?ndice esse, em m?dia, acima daqueles obtidos com modelos de previs?o tradicionais reportados na literatura. A rede neural tamb?m mostrou ser robusta ? presen?a de valores an?malos na base inicial de dados, pois obteve-se maior coeficiente de determina??o quando treinada com eles. Por fim, concluiu-se que o modelo de previs?o e controle de vibra??es mostrou-se eficaz pois possibilitou a estimativa de vibra??es usando dados do plano de fogo e o auxilio de uma interface gr?fica, obtendo um bom desempenho com coeficientes de determina??o altos.A growing mining industry?s concern is the environment, especially the impact that mining has on neighboring communities to the mine. Added to this concern, the government have increased the severity of environmental and labor laws. In this context, a great concern is the respect for vibration control and airblast caused by rock removal with explosives at mining. This work aims to create a vibration and airblast prediction model using artificial neural networks. For this, have been trained multiple configurations of network architecture using a database from a in situ monitoring campaign. The goal was to train multiple networks and evaluate the performance with and without removing outliers, so select the best performance neural. The work also conducted the evaluation of sensitivity of the inputs of the network and thus established the impact that each input has on output estimate. For evaluation of vibration and airblast levels, was created a graphical interface to estimate these values by using the parameters of the blasting plan. The GUI is also capable of showing on a map the detonation points and the vibration values associated with the maximum charge per delay. The prediction model obtained a determination coefficient above 90%, which shows a good performance, on average, above those obtained with traditional forecast models reported in the literature. The neural network also was robust to the presence of outliers in database, as too obtained greater coefficient of determination when trained with outliers. Finally, it was concluded that the vibrations prediction model proved effectiveness because it made possible the estimation and control of vibrations using data from the blasting plan and the aid of a graphical interface, getting a good performance with high determination coefficients