1. Trang chủ
  2. » Giáo Dục - Đào Tạo

Nghiên cứu một số mô hình trí tuệ nhân tạo dự báo chấn động nổ mìn trong khai thác mỏ lộ thiên (tt)

26 93 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 26
Dung lượng 1,95 MB

Nội dung

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT NGUYỄN HỒNG NGHIÊN CỨU MỘT SỐ MƠ HÌNH TRÍ TUỆ NHÂN TẠO DỰ BÁO CHẤN ĐỘNG NỔ MÌN TRONG KHAI THÁC MỎ LỘ THIÊN TĨM TẮT LUẬN ÁN TIẾN SĨ HÀ NỘI - 2020 Cơng trình hồn thành tại: Bộ mơn Khai thác lộ thiên Khoa Mỏ, Trường Đại học Mỏ - Địa chất Người hướng dẫn khoa học: GS.TS Bùi Xuân Nam, Trường Đại học Mỏ - Địa chất TS Trần Quang Hiếu, Trường Đại học Mỏ - Địa chất Luận án bảo vệ trước Hội đồng đánh giá luận án cấp Trường, họp tại………………………………………………………………………… vào hồi…… giờ……….ngày……….tháng………năm 2020 Có thể tìm thấy luận án Thư viện Quốc gia Hà Nội Thư viện Trường Đại học Mỏ - Địa chất 1 TÍNH CẤP THIẾT CỦA LUẬN ÁN - Chấn động nổ mìn tác động tiêu cực sinh nổ mìn mỏ lộ thiên; gây phá hủy cấu trúc cơng trình xung quanh, gây nứt nẻ đổ sập nhà cửa, ổn định tầng bờ mỏ mỏ lộ thiên gây hoang mang, lo sợ cho hộ dân cư nằm vùng bán kính ảnh hưởng sóng chấn động nổ mìn - QCVN 02:2008/BCT Bộ Cơng thương có tính pháp lý mà thiếu sở khoa học để đánh giá đầy đủ ảnh hưởng thiệt hại gây chấn động nổ mìn - Cách tiếp cận phương pháp thực nghiệm dựa thông số khối lượng thuốc nổ khoảng cách tác dụng mà chưa xem xét tới yếu tố khác - Cuộc cách mạng cơng nghiệp 4.0 có ảnh hưởng sâu, rộng tới khoa học - công nghệ, đặc biệt lĩnh vực khai thác mỏ Hơn nữa, nghiên cứu nhằm bổ sung đóng góp cho cộng đồng khoa học giới xu hội nhập cần thiết để không ngừng cải thiện mức độ xác mơ hình trí tuệ nhân tạo Do đó, luận án: “Nghiên cứu số mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn khai thác mỏ lộ thiên” NCS lựa chọn để thực sở xem xét tổng thể nhiều yếu tố ảnh hưởng tới sóng chấn động nổ mìn, nhằm cải thiện mức độ xác dự báo chấn động nổ mìn, góp phần giảm thiểu tác động tiêu cực tới môi trường xung quanh Đây vấn đề khoa học có tính cấp thiết thực tiễn cao ngành khai thác mỏ nói chung khai thác mỏ lộ thiên Việt Nam nói riêng MỤC TIÊU - Phát triển số mơ hình trí tuệ nhân tạo dự báo sóng chấn động nổ mìn cho mỏ lộ thiên với độ xác cao Áp dụng cho mỏ than Núi Béo, tỉnh Quảng Ninh; - Làm sáng tỏ mối quan hệ sóng chấn động nổ mìn thơng số nổ mìn mỏ lộ thiên ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU - Đối tượng nghiên cứu luận án thông số nổ mìn, sóng chấn động sinh nổ mìn mỏ lộ thiên số mơ hình trí tuệ nhân tạo có khả dự báo sóng chấn động nổ mìn mỏ lộ thiên với độ xác cao - Phạm vi nghiên cứu luận án mỏ lộ thiên Việt Nam Áp dụng thử nghiệm cho mỏ than Núi Béo thuộc Tập đoàn Cơng nghiệp Than - Khống sản Việt Nam NỘI DUNG NGHIÊN CỨU - Nghiên cứu đặc điểm chung cơng tác nổ mìn mỏ lộ thiên, lý thuyết nổ môi trường đất đá ảnh hưởng chấn động nổ mìn mỏ lộ thiên - Nghiên cứu đánh giá tổng quan tài liệu ngồi nước dự báo chấn động nổ mìn mỏ lộ thiên - Nghiên cứu sở lý thuyết số mơ hình trí tuệ nhân tạo có khả dự báo chấn động nổ mìn mỏ lộ thiên - Nghiên cứu phát triển số mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn cho mỏ than Núi Béo, Quảng Ninh PHƯƠNG PHÁP NGHIÊN CỨU VÀ CÁCH TIẾP CẬN Các phương pháp thực luận án nhằm đạt mục tiêu đề bao gồm: Phương pháp nghiên cứu thực địa; Phương pháp thu thập liệu; Phương pháp thống kê phân tích liệu; Phương pháp thực nghiệm; Phương pháp trí tuệ nhân tạo; Phương pháp phân tích độ nhạy Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN 6.1 Ý nghĩa khoa học - Luận án đóng góp số mơ hình trí tuệ nhân tạo với mức độ xác cao lĩnh vực dự báo chấn động nổ mìn mỏ lộ thiên; - Các mơ hình trí tuệ nhân tạo kết luận án nguồn tài liệu tham khảo tin cậy việc dự báo chấn động nổ mìn mỏ lộ thiên 6.2 Ý nghĩa thực tiễn - Các mơ hình trí tuệ nhân tạo đề xuất cơng cụ hữu ích để kiểm sốt dự báo chấn động nổ mìn cho mỏ lộ thiên Việt Nam nói chung mỏ than Núi Béo nói riêng; đồng thời sở để nâng cao hiệu cơng tác nổ mìn, góp phần giảm thiểu chấn động tới cơng trình cần bảo vệ tác động tiêu cực tới môi trường xung quanh; - Các kết nghiên cứu luận án tài liệu tham khảo bổ ích cho mỏ khai thác lộ thiên khác Việt Nam có điều kiện tương tự ĐIỂM MỚI CỦA LUẬN ÁN - Lần mô hình trí tuệ nhân tạo nghiên cứu, phát triển để dự báo chấn động nổ mìn cho mỏ lộ thiên Việt Nam với mức độ xác cao Các kết mơ hình trí tuệ nhân tạo đề xuất tác giả công bố báo quốc tế danh mục tạp chí ISI; - Luận án sử dụng nhiều phương pháp phổ màu, xếp hạng đồ thị Taylor để so sánh đánh giá tổng thể hiệu suất mức độ xác mơ hình dự báo; - Các phát luận án rằng: khối lượng thuốc nổ, khoảng cách giám sát chấn động, độ chênh cao bãi nổ vị trí giám sát chấn động, số nhóm vi sai yếu tố có ảnh hưởng mạnh mẽ đến chấn động nổ mìn LUẬN ĐIỂM BẢO VỆ Luận điểm 1: Trí tuệ nhân tạo cơng cụ hiệu có khả dự báo chấn động nổ mìn cho mỏ lộ thiên với mức độ xác cao Các mơ hình trí tuệ nhân tạo lai (hybrid models) có khả cải thiện đáng kể mức độ xác mơ hình trí tuệ nhân tạo đơn lẻ dự báo chấn động nổ mìn cho mỏ lộ thiên Việt Nam; Luận điểm 2: Các thông số ảnh hưởng đến chấn động nổ mìn thường có mối quan hệ phi tuyến tính Các mơ hình trí tuệ nhân tạo có khả giải thích mối quan hệ phi tuyến tính biến đầu vào cách rõ ràng Chúng có khả xem xét nhiều biến đầu vào đồng thời với tốc độ tính tốn nhanh chóng mức độ tin cậy cao; Luận điểm 3: Các thông số ảnh hưởng tới chấn động nổ mìn khơng có khối lượng thuốc nổ khoảng cách giám sát chấn động mà cịn có độ chênh cao bãi mìn với vị trí giám sát chấn động nổ mìn số nhóm vi sai Chúng xem xét thơng số quan trọng cần sử dụng trình dự báo chấn động nổ mìn mỏ lộ thiên để cải thiện mức độ xác tin cậy mơ hình CẤU TRÚC LUẬN ÁN Ngồi phần mở đầu, kết luận, tài liệu tham khảo phụ lục, cấu trúc luận án bao gồm chương, cụ thể sau: Mở đầu Chương Đặc điểm chung cơng tác nổ mìn mỏ lộ thiên ảnh hưởng chấn động nổ mìn Chương Tổng quan nghiên cứu dự báo chấn động nổ mìn mỏ lộ thiên Chương Cơ sở lý thuyết số mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn mỏ lộ thiên Chương Nghiên cứu phát triển số mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn cho mỏ lộ thiên Việt Nam Kết luận kiến nghị Danh mục cơng trình cơng bố liên quan đến luận án NCS Tài liệu tham khảo Phụ lục 10 CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ CỦA TÁC GIẢ Trong thời gian nghiên cứu, NCS công bố 21 báo báo cáo khoa học liên quan trực tiếp đến nội dung luận án, bao gồm: 07 báo hệ thống tạp chí quốc tế ISI; 02 báo hệ thống tạp chí ESCI; 02 báo hệ thống tạp chí SCOPUS; 01 báo hội nghị khoa học quốc tế CHLB Đức; 05 báo tạp chí ngành nước; 04 báo hội nghị khoa học nước CHƯƠNG ĐẶC ĐIỂM CHUNG CỦA CÔNG TÁC NỔ MÌN TRÊN MỎ LỘ THIÊN VÀ CÁC ẢNH HƯỞNG CỦA CHẤN ĐỘNG NỔ MÌN 1.1 Đặc điểm chung cơng tác nổ mìn mỏ lộ thiên Khai thác lộ thiên phương pháp khai thác mỏ phổ biến nhằm thu hồi tài ngun khống sản có giá trị kinh tế lòng đất nhằm phục vụ cho mục đích khác người Quá trình khai thác lộ thiên chia thành bốn cơng đoạn bản: chuẩn bị đất đá xúc bốc - vận tải - đổ thải Trong đó, chuẩn bị đất đá xem khâu công nghệ nhằm phá vỡ đất đá khoáng sản, đảm bảo cho khâu cơng nghệ sau hoạt động hiệu suất Có thể sử dụng phương pháp sau để phá vỡ đất đá mỏ lộ thiên: khoan - nổ mìn, thiết bị giới (máy cày xới, đầu đập thủy lực, máy liên hợp phay cắt,…), điện trường, từ trường,… Tuy nhiên, khoan - nổ mìn phương pháp phổ biến sử dụng rộng rãi để phá vỡ đất đá mỏ lộ thiên giới nói chung Việt Nam nói riêng ưu điểm vượt trội mặt kỹ thuật kinh tế Trên mỏ lộ thiên, cơng tác nổ mìn phải đảm bảo yếu tố sau: 1- Đá phá vỡ theo kích thước yêu cầu phù hợp với q trình sản xuất sau 2- Chất lượng loại khoáng sản 3- Sai lệch độ cao tầng 4- Hình dạng góc dốc sườn tầng theo yêu cầu, có khả khoan nạp mìn an tồn cho lần nổ sau 5- Hình dạng kích thước đống đá phù hợp với yêu cầu, tạo điều kiện thuận lợi cho công tác xúc bốc 6- Khoảng cách bay xa hướng dịch chuyển đá phải theo qui định, đặc biệt nổ văng vào khoảng trống khai thác 7- Chấn động nổ mìn nhất, đảm bảo độ ổn định tối đa cơng trình khối đá nằm gần bờ kết thúc mỏ nhằm đạt góc bờ kết thúc theo yêu cầu 8- Đủ đất đá để công tác xúc bốc tiến hành liên tục có suất cao 9- Hiệu kinh tế cao, có suất an tồn cho cơng tác mỏ nói chung 1.2 Cơ chế phá hủy đất đá nổ mìn sóng chấn động sinh nổ mìn mỏ lộ thiên Theo nhà khoa học, để phá vỡ đất đá mỏ lộ thiên cách hiệu quả, cần phải hiểu rõ chế phá hủy đất đá phương pháp nổ mìn Nó xem chìa khóa để giải hàng loạt tốn liên quan tới kỹ thuật q trình thiết kế thi cơng nổ mìn, đặc biệt nổ mìn phá vỡ đất đá mỏ lộ thiên Theo đó, có ba chế phá hủy đất đá mỏ lộ thiên bao gồm: Cơ chế phá hủy loại đất đá mềm, đất đá cứng đồng đất đá có độ cứng khơng lớn Trong q trình phá hủy đất đá, sóng đập sinh nổ mìn chuyển động với tốc độ siêu âm môi trường lan truyền đến khoảng cách định (khoảng 5÷6 lần bán kính lượng nổ) Sau đó, chuyển thành sóng đàn hồi với tốc độ nhỏ ban đầu tốc độ sóng âm lan truyền mơi trường đất đá Sau sóng đập qua phần tử, môi trường đất đá nhận lượng từ sóng chuyển động theo Trị số biên độ sóng giảm dần xa tâm nổ Do đó, đặc tính phá huỷ biến dạng môi trường đất đá bị biến đổi theo Tại điểm nhận sóng đập với biên độ lớn độ bền nén đất đá, đất đá bị phá hủy Tuỳ theo mức độ chênh lệch biên độ sóng đập độ bền nén đất đá mà mức độ phá hủy khác Càng gần tâm nổ, mức độ chênh lệch biên độ sóng đập độ bền nén đất đá lớn đất đá bị phá hủy mạnh Hình 1.1 Minh họa lan truyền sóng chấn động nổ mìn mỏ lộ thiên Tiêu chuẩn tổng quát đánh giá tác dụng chấn động nổ mìn tốc độ dao động riêng tồ nhà, cơng trình dân dụng công nghiệp Đây thông số chủ yếu định tác dụng chấn động loại sóng khác cơng trình Do đó, tốc độ dao động đất cực đại (Peak Particle Velocity - PPV) xem yếu tố quan trọng để đánh giá dự báo chấn động nổ mìn mỏ lộ thiên 1.3 Các tác động có hại chấn động nổ mìn mỏ lộ thiên Một cách tổng qt, thấy chấn động nổ mìn tác dụng phụ nguy hiểm sinh hoạt động nổ mìn mỏ lộ thiên Các tác động chủ yếu chấn động nổ mìn mỏ lộ thiên bao gồm: - Gây phản ứng như: giật mình, sợ hãi phản ứng tiêu cực khác xuất phát từ yếu tố tâm lý ảnh hưởng cơng trình xung quanh, gây cảm giác hoang mang, lo sợ cho người - Gây ảnh hưởng nghiêm trọng tới cấu trúc cơng trình xung quanh Đặc biệt tần số dao động đất trùng với tần số dao động tòa nhà, cộng hưởng dao động xuất dẫn tới thiệt hại nghiêm trọng nhà cửa (nứt nẻ, đổ sập), chí gây tai nạn chết người - Gây ổn định tầng bờ mỏ, chí gây sạt lở bờ mỏ với quy mô lớn 1.4 Kết luận chương Nổ mìn khâu công nghệ thiếu mỏ lộ thiên Hiệu cơng tác nổ mìn mỏ lộ thiên phủ nhận Tuy nhiên, tác động tiêu cực đến môi tường xung quanh đáng kể, đặc biệt chấn động nổ mìn Trong chương này, NCS nghiên cứu làm bật số vấn đề sau: - Đặc điểm chung cơng tác nổ mìn mỏ lộ thiên số sơ đồ nổ mìn vi sai áp dụng nhằm giảm thiểu chấn động nổ mìn; - Tốc độ dao động đất sử dụng làm tiêu để đánh giá cường độ chấn động nổ mìn mỏ lộ thiên; - Chấn động nổ mìn mỏ lộ thiên gây ảnh hưởng nghiêm trọng tới môi trường xung quanh người: + Gây nứt nẻ, đổ sập nhà cửa; + Mất ổn định tầng bờ mỏ; + Ảnh hưởng trực tiếp tới mực nước ngầm; + Gây tâm lý hoang mang, lo sợ cho dân cư nằm vùng bán kính ảnh hưởng nổ mìn CHƯƠNG TỔNG QUAN CÁC NGHIÊN CỨU DỰ BÁO CHẤN ĐỘNG NỔ MÌN TRÊN MỎ LỘ THIÊN 2.1 Tổng quan tình hình nghiên cứu nước Tổng quan tài liệu nghiên cứu nước cho thấy nghiên cứu nước dừng lại việc nghiên cứu đề xuất giải pháp nhằm giảm thiểu chấn động nổ mìn dựa phương trình thực nghiệm Các mơ hình trí tuệ nhân tạo chưa nghiên cứu áp dụng để dự báo chấn động nổ mìn cho mỏ lộ thiên Việt Nam Bên cạnh đó, thiết bị chuyên dụng Minimate Plus, Blastmate III, Micromate đề xuất để giám sát chấn động nổ mìn mỏ lộ thiên Một số phương trình thực nghiệm phổ biến sử dụng để dự báo chấn động nổ mìn Việt Nam như: - Phương trình thực nghiệm Cục mỏ Hoa Kỳ: m  Q V  k. , mm/s  D    - Phương trình thực nghiệm Садовский М.А.: (2.1) m 3Q (2.2) V  k. , mm/s  D    Trong đó: Q khối lượng thuốc nổ, kg; D khoảng cách đo chấn động, m; k, m hệ số thực nghiệm - Phương trình thực nghiệm Koch: V  k Q b D  m , mm/s (2.3) Các nhà khoa học nước sử dụng phương trình thực nghiệm để ước lượng chấn động sinh nổ mìn mỏ lộ thiên Tuy nhiên, số lượng vụ nổ sử dụng cho phương trình thực nghiệm chưa có kiểm tra, đánh giá mức độ xác chúng thực tế Ngồi mức độ xác phương trình thực nghiệm mức chưa cao Ngoài ra, nghiên cứu khác nước dừng lại việc nghiên cứu đánh giá thực nghiệm tác động chấn động nổ mìn phương pháp giảm thiểu chấn động nổ mìn mà chưa có khả dự báo chấn động nổ mìn 2.2 Tổng quan tình hình nghiên cứu ngồi nước Tổng quan tài liệu, cơng trình cơng bố giới cho thấy cách tiếp cận nhà khoa học giới vượt xa nhà khoa học nước Các nghiên cứu chấn động nổ mìn khơng dừng lại việc nghiên cứu, đánh giá giảm thiểu ảnh hưởng chấn động nổ mìn, mà cịn có khả dự báo chấn động nổ mìn cách xác Các kết dự báo chấn động nổ mìn nhà khoa học ngồi nước sử dụng để giảm thiểu chấn động, tác động tiêu cực tới mơi trường xung quanh Để dự báo chấn động nổ mìn mỏ lộ thiên, nhà khoa học giới sử dụng hai phương pháp tiếp cận phương trình thực nghiệm trí tuệ nhân tạo Tổng quan tài liệu cho thấy hai cách tiếp cận nhà khoa học giới vượt xa so với nhà khoa học nước Bảng 2.1 Một số phương trình thực nghiệm dự báo chấn động nổ mìn STT Tài liệu tham khảo Phương trình Wilbur I Duvall Benjamin Petkof  Q PPV  k   D    U Langefors B Kihlstrom  Q PPV  k   D m m 2    STT Tài liệu tham khảo Садовский М.А Phương trình 3Q PPV  k   D    m m Amitava Ghosh Jaak JK Daemen P Pal Roy  Q   D e PPV  k   D     Q PPV  n  k   D    m Hakan Ak Adnan Konuk Ganda Marihot Simangunsong Sugeng Wahyudi Ranjan Kumar, Deepankar Choudhury Kapilesh Bhargava Sunny Murmu, Priti Maheshwari Harsh Kumar Verma  Q  PPV  k    D     Q PPV  k  (1  cos i  N c )   D   f 0.642 D1.463 PPV  c m   D PPV  k   Q     m Đối với cách tiếp cận phương trình thực nghiệm, nhà khoa học giới phát triển nhiều phương trình thực nghiệm khác liệt kê Bảng 2.1 Hầu hết phương trình thực nghiệm dựa mối quan hệ khối lượng thuốc nổ khoảng cách tác dụng Đối với cách tiếp cận mô hình trí tuệ nhân tạo, nhà khoa học giới thành công việc phát triển mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn cho mỏ lộ thiên với mức độ xác cao Một số mơ hình trí tuệ nhân tạo điển hình phải kể đến như: mạng nơ-ron nhân tạo (ANN), máy véc-tơ hồi quy hỗ trợ (SVR), rừng ngẫu nhiên (RF), lập trình biểu gen (GEP) Các mơ hình trí tuệ nhân tạo cải tiến phát triển để đạt mức độ xác cao dựa thuật tốn tối ưu như: thuật tốn di truyền, tối ưu hóa bầy ong, tối ưu hóa bầy đàn, tối ưu hóa cá voi, nhóm thuật tốn phân cụm liệu,… 2.3 Tổng kết, đánh giá ưu điểm hạn chế nghiên cứu công bố Xem xét tài liệu cho thấy, phương pháp dự báo sóng chấn động sinh nổ mìn mỏ lộ thiên chủ yếu chia thành nhóm:  Nhóm 1: Các phương trình thực nghiệm;  Nhóm 2: Các mơ hình trí tuệ nhân tạo Tổng quan tài liệu cho thấy: * Đối với nghiên cứu nước:  Các nghiên cứu nước dừng lại việc sử dụng phương trình thực nghiệm để dự báo chấn động nổ mìn Trong đó, phương trình thực nghiệm Cục Mỏ Hoa Kỳ áp dụng phổ biến;  Các phương trình thực nghiệm thường đơn giản cho kết nhanh chóng;  Một số nghiên cứu sử dụng liệu với kích thước nhỏ để xây dựng phương trình thực nghiệm khơng đảm bảo mức độ tin cậy khơng có khả đại diện cho tồn phạm vi mỏ;  Một số nghiên cứu sử dụng hệ số tương quan R2 để đánh giá hiệu suất phương trình thực nghiệm liệu huấn luyện chưa đủ sở khoa học Hệ số tương quan phản ánh mức độ phù hợp liệu với phương trình thực nghiệm đề xuất Về mặt thống kê, hiệu suất phương trình thực nghiệm (mơ hình dự báo) phải đánh giá thơng qua tiêu: hệ số tương quan R2 sai số tuyệt đối MAE (hoặc sai số tồn phương trung bình MSE; sai số bình quân phương RMSE) Các giá trị sai số tuyệt đối (hoặc sai số bình quân phương) cho biết mức độ xác kết dự báo so với giá trị thực tế ổn định mơ hình dự báo;  Kỹ thuật thống kê tiên tiến (Chi-square ANOVA) đưa vào q trình xây dựng mơ hình thực nghiệm dự báo chấn động nổ mìn Song, cịn tồn số hạn chế nêu trên;  Hầu hết phương trình thực nghiệm chưa kiểm tra, đánh giá dựa liệu thử nghiệm (nổ thử nghiệm) Các tác giả dừng lại việc xây dựng phương trình thực nghiệm dựa liệu “huấn luyện” mà chưa sử dụng liệu “kiểm tra” (hay liệu thực tế) để kiểm chứng mức độ xác phương trình thực nghiệm;  Chưa có nghiên cứu nước thực nghiên cứu so sánh hiệu nhiều phương pháp thực nghiệm để tìm phương trình thực nghiệm tối ưu cho dự báo chấn động nổ mìn Phương pháp thực nghiệm phổ biến nhà khoa học nước sử dụng phương pháp thực nghiệm Cục Mỏ Hoa Kỳ;  Một số nghiên cứu khác khơng mang tính chất dự báo chấn động nổ mìn mà mơ chấn động nổ mìn dạng tĩnh để đánh giá ảnh hưởng sóng chấn động lên đất đá; đề xuất giải pháp giảm thiểu sóng chấn động sinh nổ mìn mỏ lộ thiên * Đối với nghiên cứu nước:  Các phương pháp thực nghiệm trí tuệ nhân tạo nhà khoa học giới nghiên cứu ứng dụng thành công dự báo chấn động nổ mìn mỏ lộ thiên;  Dữ liệu lớn (Big Data) thuật toán học máy nghiên cứu phát triển để dự báo chấn động nổ mìn mỏ lộ thiên;  Các nghiên cứu sử dụng liệu “huấn luyện” để phát triển phương trình thực nghiệm mơ hình trí tuệ nhân tạo, liệu “kiểm tra” để kiểm chứng độ xác mơ hình;  Nhiều phương pháp thống kê tiêu đánh giá mơ hình áp dụng để đánh giá toàn diện mức độ xác mơ hình dự báo chấn động nổ mìn; Mặc dù hiệu phương pháp trí tuệ nhân tạo dự báo chấn động nổ mìn mỏ lộ thiên vượt trội, nhiên, chúng chưa áp dụng tất nơi Trong đó, ảnh hưởng chấn động nổ mìn quốc gia khác Khơng có mơ hình dự báo sóng chấn động mang lại mức độ xác cao cho tất khu vực ảnh hưởng tính chất lý đất đá điều kiện địa chất, địa vật lý khác Bên cạnh đó, nhà khoa học giới thường gặp nhiều khó khăn nghiên cứu khu vực khó thu thập liệu Trong đó, liệu điều kiện cần cho việc phát triển mơ hình dự báo trí tuệ nhân tạo Hơn nữa, mơ hình dựa trí tuệ nhân tạo cần phải tiếp tục nghiên cứu phát triển để cải thiện mức độ xác chúng theo khuyến nghị nhà khoa học 2.4 Kết luận chương Để dự báo chấn động nổ mìn cho mỏ lộ thiên, nhiều học giả nước nỗ lực phát triển mơ hình dự báo chấn động nổ mìn Các cơng trình khoa học dự báo chấn động nổ mìn chia thành nhóm chính: - Nhóm phương pháp thực nghiệm - Nhóm mơ hình trí tuệ nhân tạo Các nghiên cứu dự báo chấn động nổ mìn cải thiện đáng kể Nhiều mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn mỏ lộ thiên phát triển thành công Tuy nhiên, chúng chưa nghiên cứu ứng dụng Việt Nam Hơn nữa, mơ hình trí tuệ nhân tạo phát triển giới dường chưa làm thỏa mãn nhà khoa học mức độ xác Các nỗ lực nghiên cứu phát triển mơ hình trí tuệ nhân tạo với mức độ xác cải thiện, có khả xem xét toàn diện yếu tố ảnh hưởng tới chấn động nổ mìn mục tiêu nhà khoa học nước CHƯƠNG CƠ SỞ LÝ THUYẾT CỦA MỘT SỐ MƠ HÌNH TRÍ TUỆ NHÂN TẠO DỰ BÁO CHẤN ĐỘNG NỔ MÌN TRÊN MỎ LỘ THIÊN 3.1 Mạng nơ-ron nhân tạo (Artificial Neural Network) Mạng nơ-ron nhân tạo (Artificial Neural Network - ANN) mơ hình xử lý thơng tin ứng dụng rộng rãi đời sống thực Nó bao gồm số lượng lớn nơ-ron thần kinh kết nối với thơng qua q trình xử lý thơng tin Các mơ hình ANN hoạt động tương tự não người với khả học hỏi thông qua đào tạo (học tập), ghi nhớ kiến thức sử dụng kiến thức học để phân tích dự đốn tình huống/ vấn đề/ số liệu mà chưa gặp Về bản, ANN có cấu trúc bao gồm phần (còn gọi lớp), bao gồm: Lớp đầu vào; lớp ẩn, trung gian, vơ hình; lớp đầu Hình 3.1 minh họa cấu trúc ANN nhiều lớp Hình 3.1 Cấu trúc mạng nơ-ron truyền thẳng, nhiều lớp 3.2 Mơ hình rừng ngẫu nhiên (Random Forest) Thuật tốn rừng ngẫu nhiên hay cịn có tên gọi Random Forest (RF) tiếng Anh, kỹ thuật phân lớp hồi quy đề xuất Breiman năm 2001, sử dụng nhiều phân loại hồi quy nhóm Hình 3.2 Q trình thực thuật toán RF 10 khoa học liệu cách nhanh chóng xác với tăng cường song song 3.6 Đề xuất mơ hình lai dựa kỹ thuật phân cụm phân tầng thuật toán lập thể (HKMCA) 3.6.1 Kỹ thuật phân cụm K trung bình theo thứ bậc (Hierarchical K-means clustering) Phân cụm kỹ thuật để phân loại đối tượng tương đồng nhóm, sử dụng để phân chia liệu gốc thành hai nhiều tập liệu Trong số kỹ thuật phân cụm, kỹ thuật phân cụm “K trung bình” (K-means clustering) sử dụng rộng rãi nhiều lĩnh vực, đề xuất MacQueen, James Trong kỹ thuật phân cụm “K trung bình”, kết phân cụm thường tối ưu hóa cục điểm bắt đầu khởi tạo cách ngẫu nhiên Do đó, việc sử dụng nhiều lần khởi động giúp cho “K trung bình” đạt kết tốt Tuy nhiên, khó để biết giới hạn tính tốn cho việc cải thiện hiệu suất “K trung bình” Vì vậy, phương pháp phân cụm lai đề xuất Arai, Kohei Ali Ridho Barakbah dựa kỹ thuật phân cụm “K trung bình” thuật tốn thứ bậc (Hierarchical algorithm), gọi thuật toán “phân cụm K trung bình theo thứ bậc” (Hierarchical K-means clustering) 3.6.2 Đề xuất mơ hình HKM-CA Để dự báo chấn động nổ mìn cho mỏ lộ thiên, kỹ thuật phân cụm K trung bình theo thứ bậc xem xét để kết hợp với mơ hình lập thể (Cubist) Theo đó, kỹ thuật phân cụm K trung bình theo thứ bậc thực trước để chia liệu ban đầu thành k nhóm tương đồng Sau đó, mơ hình lập thể phát triển cho cụm liệu Đối với cụm, có mơ hình lập thể xác định để dự báo chấn động nổ mìn cho cụm liệu Cuối cùng, dự đoán cụm kết hợp với tạo mơ hình lai HKM-CA Khung chương trình làm việc mơ hình lai HKMCA đề xuất Hình 3.3 Hình 3.3 Đề xuất khung làm việc mơ hình HKM-CA dự báo chấn động nổ mìn cho mỏ lộ thiên 3.7 Đề xuất mơ hình lai dựa thuật tốn tối ưu hóa bầy đàn XGBoost (PSO-XGBoost) 3.7.1 Thuật tốn tối ưu hóa bầy đàn (Particle Swarm Optimization algorithm) Thuật tốn tối ưu hóa bầy đàn (Particle Swarm Optimization – PSO) thuật tốn tối ưu hóa mạnh mẽ đề xuất Eberhart James Kennedy dựa hành vi bầy đàn loài động vật giống đàn chim hay đàn cá PSO xử lý nhiều vấn đề tối ưu với cá thể đại diện cho giải pháp khả thi Để tìm kiếm giải pháp tối ưu, PSO thực bước sau: Bước 1: Khởi tạo; Bước 2: Cập nhật vận tốc; Bước 3: Cập nhật vị trí cá thể; Bước 4: Cập nhật vị trí “tốt tồn cầu” “tốt cục bộ” có cá thể tìm vị trí tốt hơn; Bước 5: Kiểm tra điều kiện kết thúc 11 Nếu tiêu chí dừng thỏa mãn (sai số nhỏ nhất), dừng trình tìm kiếm trả lại giá trị “toàn cầu tối ưu” “cục tối ưu” tương ứng với vị trí có sai số nhỏ Nếu không, quay lại bước tiếp tục thực vòng lặp thỏa mãn tiêu chí dừng 3.7.2 Đề xuất mơ hình PSO-XGBoost Dựa tảng tối ưu hóa thuật tốn PSO, tác giả đề xuất mơ hình lai với kết hợp thuật toán PSO thuật toán XGBoost để dự báo chấn động nổ mìn cho mỏ lộ thiên, gọi mơ hình PSO-XGBoost Theo đó, mơ hình XGBoost xem mơ hình để dự báo chấn động nổ mìn mỏ lộ thiên vai trò PSO tối ưu hóa tham số mơ hình XGBoost để đạt dự đoán tối ưu Kỹ thuật “tối ưu hóa tồn bộ” áp dụng cho tất tham số mơ hình XGBoost, bao gồm tham số sau: số lần lặp tăng cường (k), chiều cao tối đa (d), tỉ lệ mẫu phụ (  ), độ co ngót ( ), tỉ lệ mẫu phụ theo cột ( ), khả giảm thiểu tổn thất (  ), khả giảm thiểu tổng trọng số (  ) Để xác định giá trị tối ưu cho mơ hình XGBoost thuật tốn PSO, sai số bình qn phương (RMSE) sử dụng để đánh giá hiệu suất q trình tối ưu hóa Theo đó, mơ hình XGBoost với tham số có RMSE nhỏ xác định mơ hình PSO-XGBoost tối ưu Khung làm việc mơ hình PSO-XGBoost cho dự báo chấn động nổ mìn mỏ lộ thiên đề xuất Hình 3.4 Hình 3.4 Khung chương trình mơ hình PSO-XGBoost đề xuất cho dự báo chấn động nổ mìn mỏ lộ thiên 3.8 Đề xuất mơ hình lai dựa thuật tốn tối ưu hóa đom đóm ANN (FFA-ANN) 3.8.1 Thuật tốn tối ưu hóa đom đóm (Firefly Algorithm) Thuật tốn tối ưu hóa đom đóm (Firefly Algorithm - FFA) thuật toán siêu hình khai phá liệu áp dụng rộng rãi nhiều lĩnh vực cho vấn đề tối ưu, đề xuất Yang, Xin-She dựa hành vi đàn đom đóm Chúng sử dụng loại ánh sáng đặc biệt để kết nối cá thể Tuy nhiên, tín hiệu kết nối cá thể bị yếu di chuyển liên tục cá thể đom đóm Để khắc phục hạn chế này, giải pháp tối ưu đề xuất dựa thể lực cá thể đóm đóm Một quần thể đom đóm ban đầu khởi tạo đánh giá dựa cường độ ánh sáng chúng Theo năng, cá thể đom đóm liên tục di chuyển chúng có xu di chuyển theo đom đóm có ánh sáng mạnh Tại vị trí mà đom đóm có ánh sáng mạnh xem vị trí tốt Tuy nhiên, để đánh giá lực đom đóm cách định lượng, RMSE sử dụng làm tiêu chí dừng giống thuật tốn PSO Tức vị trí có cá thể đom đóm tốt vị trí có RMSE nhỏ Vị trí cá thể đom đóm liên tục cập nhật dựa giá trị thể lực tốt Quá trình cập nhật thực liên tục lặp lặp lại thỏa mãn điều kiện dừng (RMSE nhỏ nhất) 12 3.8.2 Đề xuất mơ hình FFA-ANN Tương tự mơ hình PSO-XGBoost, mơ hình FFA-ANN sử dụng thuật tốn tối ưu hóa đom đóm FFA để tối ưu hóa trọng số mơ hình ANN Khung làm việc mơ hình FFA-ANN cho dự báo chấn động nổ mìn mỏ lộ thiên đề xuất Hình 3.5 Hình 3.5 Khung làm việc mơ hình FFA-ANN đề xuất cho dự báo chấn động nổ mìn mỏ lộ thiên 3.9 Kết luận chương Trí tuệ nhân tạo sản phẩm phát triển khoa học công nghệ, đặc biệt ứng dụng công nghệ thơng tin đời sống thực Có nhiều thuật toán giới thiệu áp dụng rộng rãi ứng dụng trí tuệ nhân tạo chúng chưa dừng lại Trong khn khổ luận án, NCS giới thiệu thuật toán có khả ứng dụng để dự báo chấn động nổ mìn cho mỏ lộ thiên bao gồm: mạng nơ-ron nhân tạo (ANN), rừng ngẫu nhiên (RF), máy véc-tơ hỗ trợ (SVM), thuật toán lập thể (Cubist), độ dốc tăng cường cực mạnh (XGBoost) Ngoài ra, thuật toán tối ưu giới thiệu nhằm xem xét khả tối ưu hóa chúng dự báo chấn động nổ mìn bào gồm: thuật tốn phân cụm phân tầng K trung bình (HKM), tối ưu hóa bầy đàn (PSO), tối ưu hóa đom đóm (FFA) Dựa tảng thuật toán (ANN, XGBoost, Cubist) thuật toán tối ưu (HKM, PSO, FFA), tác giả đề xuất thuật toán lai (hybrid algorithm) bao gồm: HKM-CA, PSO-XGBoost, FFA-ANN Chúng kết hợp tốt thuật toán thuật toán tối ưu 13 CHƯƠNG NGHIÊN CỨU PHÁT TRIỂN MỘT SỐ MÔ HÌNH TRÍ TUỆ NHÂN TẠO DỰ BÁO CHẤN ĐỘNG NỔ MÌN CHO MỎ LỘ THIÊN VIỆT NAM 4.1 Tổng quan khu vực nghiên cứu Để thực mục tiêu phát triển số mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn, mỏ than Núi Béo thuộc Tập đồn Cơng nghiệp Than - Khống sản Việt Nam (TKV) chọn làm khu vực nghiên cứu điển hình (Hình 4.1) Hình 4.1 Vị trí khu vực nghiên cứu (mỏ than Núi Béo - Quảng Ninh) Có thể thấy rằng, mỏ than Núi Béo mỏ than đặc biệt Việt Nam, kết hợp khai thác phương pháp: lộ thiên hầm lị Dự kiến tồn cơng trường khai thác lộ thiên mỏ than Núi Béo đóng cửa vào năm 2021 toàn chuyển sang khai thác hầm lò Tuy nhiên, mỏ than Núi Béo chọn làm nghiên cứu điển hình luận án với lý sau: - Mỏ than Núi Béo mỏ có quy mơ khai thác lớn bản; - Các khai trường lộ thiên mỏ than Núi Béo nằm gần khu vực dân cư cơng trình cần bảo vệ; - Bên khai trường lộ thiên lò chợ phục vụ giai đoạn khai thác hầm lò với khoảng cách địa tầng từ đáy moong kết thúc đến lị chợ từ 130 ÷ 197 m Đây điểm đặc biệt ảnh hưởng chấn động nổ mìn tới đường lị chợ lớn; - Sau kết thúc tồn cơng trường khai thác lộ thiên, toàn vỉa khai thác phương pháp hầm lò Các đường lò chủ yếu nằm đáy moong lộ thiên kết thúc khai thác đổ thải Quá trình khai thác hầm lò cần sử dụng phương pháp nổ mìn để phá vỡ đất đá Sóng chấn động sinh hoạt động nổ mìn đường lò yếu tố nguy hiểm, đặc biệt khu vực đổ thải (bãi thải ngồi) với tính chất lý đất đá thải bão hòa nước ảnh hưởng điều kiện thời tiết khí hậu Việc phát triển thành cơng mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn cho khai trường lộ thiên mỏ than Núi Béo với độ xác cao sở tham khảo để phát triển mơ hình dự báo chấn động giai đoạn khai thác hầm lò mỏ than Núi Béo; - Các nghiên cứu số liệu chấn động nổ mìn mỏ than Núi Béo nhà khoa học nước nghiên cứu thực từ năm 2006 Đây yếu tố thuận 14 lợi để thu thập liệu khứ kết hợp kết nghiên cứu nhà khoa học trước 4.2 Thu thập phân tích liệu 4.2.1 Thu thập liệu Để thu thập liệu phục vụ nghiên cứu này, thiết bị Blastmate III Instantel - Canada sử dụng để đo chấn động nổ mìn với khả ghi nhận rung động mặt đất khoảng từ 0,127 mm/s đến 254 mm/s Hình 4.2 minh họa thiết bị Blastmate III kết đo chấn động nổ mìn mỏ lộ thiên Thiết bị GPS cầm tay sử dụng để xác định độ chênh cao (H) khoảng cách từ vị trí đo chấn động (vị trí đặt máy Blastmate III) đến vị trí bãi nổ (D) Các thơng số cịn lại trích xuất từ hộ chiếu nổ mìn mỏ Cơ sở liệu sử dụng cho luận án tóm tắt Bảng 4.1 Hình 4.2 Thiết bị đo chấn động nổ mìn (Blastmate III) kết đo chấn động nổ mìn mỏ than Núi Béo Bảng 4.1 Tóm tắt sở liệu sử dụng dự báo chấn động nổ mìn cho mỏ than Núi Béo Phân loại Q N D H q W b B PPV Nhỏ 1109 107,1 0,35 6,6 7,4 5,4 1,35 25% liệu 3473 275,3 13 0,39 7,7 5,575 5,888 Trung vị 5079 332,2 26,17 0,43 7,4 5,7 11,238 Trung bình 5462 2,75 352,8 28,43 0,4274 7,404 7,979 5,768 11,749 75% liệu 7252 433,7 39,96 0,4625 7,825 8,2 16,751 Lớn 12312 687,3 81,17 0,5 8,2 8,5 6,2 26,83 4.2.2 Phân tích liệu Để phát triển mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn, liệu cần phải xem xét phân tích kỹ lưỡng trước sử dụng Các phương pháp thống kê biểu đồ phân bố liệu, ma trận tương quan áp dụng để phân tích đánh giá liệu sử dụng luận án Từ liệu thu thập kết phân tích liệu cho thấy liệu chấn động nổ mìn thu thập (tại mỏ than Núi Béo) xem liệu chuẩn để phát triển mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn Do đó, luận án sử dụng liệu để phát triển số mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn cho mỏ than Núi Béo Chi tiết q trình phân tích liệu trình bày toàn văn luận án 4.3 Các phương pháp đánh giá hiệu suất mơ hình trí tuệ nhân tạo Để đánh giá hiệu suất mức độ xác mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn, loạt số hiệu suất sử dụng luận án bao gồm: bậc hai độ lệch bình phương trung bình (RMSE), độ lệch tuyệt đối (MAE), phần trăm lỗi trung bình tuyệt đối (MAPE), mức độ xác mơ hình hay cịn gọi phương sai 15 giá trị thực tế giá trị dự báo (variance accounted for-VAF), hệ số tương quan (R2) Ngoài số hiệu suất trên, phương pháp đánh giá xếp hạng “cường độ màu” sử dụng để đánh giá hiệu suất mơ hình trí tuệ nhân tạo Theo đó, phổ màu từ trắng tới đỏ đại diện cho hiệu suất mơ hình trí tuệ nhân tạo từ thấp đến cao nhất, minh họa Hình 4.3 Tốt Kém Hình 4.3 Phổ màu đánh giá hiệu suất mơ hình Ngồi ra, biểu đồ Taylor sử dụng luận án để so sánh đánh giá hiệu suất mô hình trí tuệ nhân tạo cách tồn diện 4.4 Phát triển mơ hình dự báo chấn động nổ mìn 4.4.1 Xử lý liệu Để phát triển mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn luận án, liệu chia thành phần theo tỷ lệ 80/20 Trong đó, 80% liệu sử dụng để huấn luyện mơ hình 20% cịn lại sử dụng để kiểm tra đánh giá hiệu suất mơ hình xây dựng Các kỹ thuật chuẩn hóa liệu Box-Cox, Min-Max, quy hóa liệu, bình thường hóa liệu, lấy mẫu với 10 nếp gấp kiểm tra chéo sử dụng để tránh tình trạng “q mức” mơ hình 4.4.2 Phát triển mơ hình ANN Để phát triển mơ hình ANN dự báo chấn động nổ mìn cho mỏ than Núi Béo luận án này, mạng nơ-ron truyền thẳng nhiều lớp giải thuật lan truyền ngược (back-propagation algorithm) lựa chọn Phương pháp “thử sai” (trial and error) áp dụng để lựa chọn cấu trúc mơ hình ANN Các kết huấn luyện hiệu suất mạng nơ-ron thể Bảng 4.2 Bảng 4.2 Hiệu suất mơ hình ANN dự báo chấn động nổ mìn q trình huấn luyện 4.4.3 Phát triển mơ hình RF Trong luận án này, ntree chọn 2000 để đảm bảo phong phú mức độ khách quan thành viên Ngoài ra, số biến đầu vào sử dụng luận án biến, đó, thủ tục “thử sai” với số lượng predictors ngẫu nhiên áp dụng Các kết mơ hình RF thể Hình 4.4 16 Hình 4.4 Hiệu suất mơ hình RF với biến dự đốn khác 4.4.4 Phát triển mơ hình SVR Liên quan đến mơ hình SVR, hàm hạt nhân xuyên tâm (Radial Basis Function - RBF) (công thức 3.6) hàm hạt nhân sử dụng phổ biến cho vấn đề hồi quy phi tuyến tính [2] Hai tham số sử dụng để điều chỉnh mức độ xác mơ hình bao gồm  C 100 cặp tham số  C xác định tương ứng với 100 mơ hình SVR phát triển để dự báo chấn động nổ mìn cho mỏ than Núi Béo Các kết cho thấy mơ hình SVR số với  = 0,014 C = 3,901 mô hình SVR tối ưu nghiên cứu Bảng 4.3 Hiệu suất mơ hình SVR dự báo chấn động nổ mìn cho mỏ than Núi Béo (trong trình huấn luyện) Các tham số mơ hình Các số hiệu suất STT  R2 MAE C RMSE 0,011 383,617 1,303 0,958 0,970 0,011 2,831 1,151 0,966 0,859 0,012 0,045 5,029 0,898 4,309 0,012 0,040 5,128 0,897 4,399 0,013 0,243 2,138 0,930 1,752 … … … … … … 0,423 95 7,654 3,451 0,789 2,590 0,427 96 11,138 3,473 0,787 2,609 0,428 97 2,960 3,478 0,786 2,613 0,435 98 1,515 3,521 0,782 2,651 0,441 99 0,084 5,539 0,631 4,657 0,457 100 0,090 5,542 0,626 4,659 Lưu ý: Mơ hình SVR tốt q trình huấn luyện thể chữ in đậm 4.4.5 Phát triển mơ hình lập thể (Cubist) Tương tự mơ hình SVR, 100 mơ hình Cubist xem xét phát triển dựa liệu huấn luyện Các kết huấn luyện tìm kiếm cho thấy mơ hình lập thể đạt giá trị tối ưu (sai số RMSE nhỏ nhất) với committees = 92 neighbors = 7, minh họa Hình 4.5 17 Hình 4.5 Hiệu suất mơ hình lập thể liệu huấn luyện 4.4.6 Mơ hình XGBoost Tương tự mơ hình SVR Cubist, 100 mơ hình XGBoost phát triển để dự báo chấn động nổ mìn cho mỏ than Núi Béo Các kết minh họa Bảng 4.4 Bảng 4.4 Hiệu suất mơ hình XGBoost dự báo chấn động nổ mìn cho mỏ than Núi Béo (trong q trình huấn luyện) Lưu ý: Mơ hình XGBoost tốt trình huấn luyện thể chữ in đậm 4.4.7 Mơ hình HKM-CA Để phát triển mơ hình HKM-CA, khung chương trình đề xuất Hình 3.3 áp dụng Theo đó, q trình phát triển mơ hình HKM-CA chia thành giai đoạn: + Giai đoạn 1: Thực phân cụm liệu dựa tính tương đồng liệu; + Giai đoạn 2: Phát triển mơ hình CA cụm liệu; + Giai đoạn 3: Tổng hợp dự đốn dựa mơ hình HKM-CA phát triển Các kết mơ hình HKM-CA thể Bảng 4.5 4.4.8 Mơ hình PSO-XGBoost Để phát triển mơ hình PSO-XGBoost, khung chương trình đề xuất Hình 3.4 áp dụng Hiệu suất mơ hình PSO-XGBoost minh họa Hình 4.6 18 Hình 4.6 Hiệu suất mơ hình PSO-XGBoost trình huấn luyện với số lượng quần thể khác 4.4.9 Mơ hình FFA-ANN Để phát triển mơ hình PSO-XGBoost, khung chương trình đề xuất Hình 3.4 áp dụng Hiệu suất mơ hình PSO-XGBoost minh họa Hình 4.7 Hình 4.7 Hiệu suất mơ hình FFA-ANN q trình huấn luyện với số lượng cá thể đom đóm khác 4.4.10 Mơ hình thực nghiệm Để so sánh đánh giá mức độ xác mơ hình trí tuệ nhân tạo, mơ hình thực nghiệm của Cục mỏ Hoa Kỳ Xadovski áp dụng Các phương trình thực nghiệm dựa liệu huấn luyện thiết lập sau: - Phương trình thực nghiệm dựa phương trình Cục mỏ Hoa Kỳ: 0,992  Q PPV  45,954   D    - Phương trình thực nghiệm dựa phương trình Xadovski [1]: 1,062 (4.1) 3Q PPV  230,154  (4.2)  D    4.5 So sánh, đánh giá hiệu suất mơ hình dự báo chấn động nổ mìn phát triển Sau mơ hình trí tuệ nhân tạo mơ hình thực nghiệm phát triển dựa liệu huấn luyện bao gồm 112 vụ nổ, hiệu suất mức độ xác chúng cần phải kiểm chứng Lúc này, 24 vụ nổ liệu thử nghiệm sử dụng để kiểm tra đánh giá độc lập hiệu suất mức độ xác mơ hình xây dựng Các kết thử nghiệm thể Bảng 4.5 Ngoài ra, đồ thị Taylor thiết lập để đánh giá hiệu suất mô hình dự báo chấn động nổ mìn nghiên cứu (Hình 4.8) 19 Bảng 4.5 Hiệu suất mơ hình trí tuệ nhân tạo mơ hình thực nghiệm liệu thử nghiệm Hình 4.8 Đồ thị Taylor phục vụ so sánh đánh giá hiệu suất mơ hình dự báo chấn động nổ mìn 4.6 Phân tích mức độ ảnh hưởng biến đầu vào Sau mơ hình trí tuệ nhân tạo phát triển thử nghiệm, kết cho thấy mơ hình trí tuệ nhân tạo làm việc tốt với mức độ xác cao Một ưu điểm mô hình trí tuệ nhân tạo chúng có khả xử lý nhiều biến đầu vào Do đó, việc xem xét, đánh giá mức độ ảnh hưởng biến đầu vào quan trọng Phương pháp “đánh giá phân phối độ nhạy cục bộ” áp dụng luận án để thực nhiệm vụ Các kết minh họa hình 4.9 Hình 4.9 Mức độ quan trọng biến đầu vào tới độ xác mơ hình HKM-CA dự báo chấn động nổ mìn 20 4.7 Kết luận chương Dự báo chấn động nổ mìn yêu cầu thiết yếu đặt nhằm cải thiện phương pháp nổ mìn để giảm thiểu tối đa tác động tiêu cực tới môi trường xung quanh nâng cao chất lượng nổ mìn mỏ lộ thiên Trong chương này, NCS nghiên cứu phát triển số mơ hình trí tuệ nhân tạo đánh giá kết tính khả thi chúng thơng qua liệu mỏ than Núi Béo Dựa kết thu chương này, NCS rút số kết luận sau: - Trí tuệ nhân tạo phương pháp đại có khả dự báo chấn động nổ mìn mỏ lộ thiên với mức độ xác cao Nó sử dụng thay phương pháp truyền thống (mơ hình thực nghiệm) với mức độ tin cậy cao Theo đó, mơ hình trí tuệ nhân tạo xem xét phát triển chương luận án để dự báo chấn động nổ mìn cho mỏ than Núi Béo Các kết cho thấy mơ hình lai có khả dự báo chấn động nổ mìn xác mơ hình đơn lẻ; - Các mơ hình trí tuệ nhân tạo có khả giải thích mối quan hệ phi tuyến tính nhiều biến đầu vào cách hiệu Bằng thuật tốn thơng minh với hỗ trợ máy tính, mơ hình trí tuệ nhân tạo có khả tính tốn nhanh chóng xác chấn động sinh nổ mìn dựa nhiều yếu tố đầu vào; - Sử dụng nhiều phương pháp đánh giá mơ hình khác giúp cho kết đánh giá tổng thể hơn, xác trực quan hơn, đảm bảo mức độ tin cậy cao bao gồm: số hiệu suất (RMSE, MAE, MAPE, VAF, R2), phổ màu, xếp hạng, đồ thị Taylor - Khối lượng thuốc nổ (Q), khoảng cách đo (D), độ chênh cao (H) số nhóm vi sai (N) tham số có ảnh hưởng đáng kể tới mức độ xác mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn Ngồi ra, mối quan hệ biến đầu vào nên giải thích mối quan hệ phi tuyến tính thay mối quan hệ tuyến tính mơ hình thực nghiệm - Việc áp dụng mơ hình trí tuệ nhân tạo hiệu chỉnh thơng số có mức độ ảnh hưởng cao đến cường độ chấn động nổ mìn giúp cho kỹ sư nổ mìn tối ưu hóa cải thiện hiệu cơng tác nổ mìn, giảm sóng chấn động đảm bảo an tồn cho môi trường xung quanh 21 KẾT LUẬN VÀ KIẾN NGHỊ Chấn động nổ mìn tác dụng phụ nguy hiểm mỏ lộ thiên Việc dự báo xác chấn động nổ mìn yêu cầu cấp thiết cho mỏ lộ thiên, đặc biệt mỏ nằm gần khu vực dân cư cơng trình cần bảo vệ Các kết nghiên cứu luận án với đề tài: “Nghiên cứu số mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn khai thác mỏ lộ thiên” chứng minh luận điểm khoa học sau: Luận điểm 1: Trí tuệ nhân tạo cơng cụ hiệu có khả dự báo chấn động nổ mìn cho mỏ lộ thiên với mức độ xác cao Các mơ hình trí tuệ nhân tạo lai (hybrid models) có khả cải thiện đáng kể mức độ xác mơ hình trí tuệ nhân tạo đơn lẻ dự báo chấn động nổ mìn cho mỏ lộ thiên Việt Nam; Luận điểm 2: Các thơng số ảnh hưởng đến chấn động nổ mìn thường có mối quan hệ phi tuyến tính Các mơ hình trí tuệ nhân tạo có khả giải thích mối quan hệ phi tuyến tính biến đầu vào cách rõ ràng Chúng có khả xem xét nhiều biến đầu vào đồng thời với tốc độ tính tốn nhanh chóng mức độ tin cậy cao; Luận điểm 3: Các thông số ảnh hưởng tới chấn động nổ mìn khơng có khối lượng thuốc nổ khoảng cách giám sát chấn động mà cịn có độ chênh cao bãi mìn với vị trí giám sát chấn động nổ mìn số nhóm vi sai Chúng xem xét thông số quan trọng cần sử dụng trình dự báo chấn động nổ mìn mỏ lộ thiên để cải thiện mức độ xác tin cậy mơ hình Dựa kết nghiên cứu luận án, có số kết luận kiến nghị sau đưa ra: I KẾT LUẬN - Chấn động nổ mìn mỏ lộ thiên gây ảnh hưởng nghiêm trọng tới người môi trường xung quanh Nó gây ổn định tầng, bờ mỏ, bãi thải, đường lị; làm nứt nẻ (thậm chí đổ sập) nhà cửa cơng trình lân cận; gây tâm lý hoang mang, lo sợ cho người dân xung quanh; - Các mơ hình trí tuệ nhân tạo có khả dự báo chấn động mỏ lộ thiên với mức độ xác cao Các kết nghiên cứu mơ hình trí tuệ nhân tạo phát triển luận án (ANN, RF, SVR, XGBoost, Cubist, HKM-CA, PSO-XGBoost FFA-ANN) mang lại mức độ xác khoảng từ 94% đến 98% dự báo chấn động nổ mìn cho mỏ than Núi Béo; - Các thuật toán phân cụm thuật tốn tối ưu đóng vai trị quan trọng việc cải thiện mức độ xác mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn Các kết luận án tiết lộ mức độ xác mơ hình lập thể (Cubist) cải thiện từ 97,7% lên 98,3% nhờ thuật tốn phân cụm “K trung bình thứ bậc”; thuật tốn “tối ưu hóa bầy đàn” (PSO) cải thiện mức độ xác mơ hình XGBoost từ 94,8% lên 97,2%; thuật tốn “tối ưu hóa đom đóm” (FFA) nâng mức độ xác mơ hình ANN từ 94,4% lên 96,9%; - Mơ hình trí tuệ nhân tạo lai HKM-CA mơ hình tốt cho dự báo chấn động nổ mìn mỏ than Núi Béo với sai số RMSE = 1,034, MAE = 0,605 MAPE = 0,061 Các kết thử nghiệm thực tế cho thấy mơ hình HKM-CA cung cấp mức độ tương đồng cao (0,986) khả xác lên tới 98,3% Nó nên sử dụng ngồi thực tế nhằm nâng cao hiệu công tác nổ mìn giảm thiểu tác động tiêu cực tới môi trường xung quanh cho mỏ than Núi Béo Các mơ hình trí tuệ nhân tạo cịn lại xem xét áp dụng điều kiện khác mỏ cho mỏ lộ thiên khác có điều kiện tương tự; - Các yếu tố ảnh hưởng đến chấn động nổ mìn khơng có khối lượng thuốc nổ khoảng cách giám sát chấn động mà cịn có độ chênh cao bãi nổ vị trí giám sát chấn động số nhóm vi sai (trong trường hợp nổ mìn vi sai) Chúng nên sử dụng tham số để dự báo chấn động nổ mìn nhằm cải thiện mức độ xác mơ hình II KIẾN NGHỊ Dựa kết đạt khuôn khổ nghiên cứu luận án, tác giả kiến nghị số nội dung sau: 22 Đối với doanh nghiệp mỏ, quan quản lý nhà nước: - Sử dụng mơ hình trí tuệ nhân tạo thực tế sản xuất để dự báo chấn động nổ mìn, góp phần giảm thiểu tối đa tác động không mong muốn tới môi trường xung quanh; - Đưa mơ hình trí tuệ nhân tạo vào thực tế công cụ để giám sát, kiểm tra đối chiếu với kết chấn động nổ mìn ghi nhận mỏ Chúng công cụ hữu ích quản lý, giám sát đánh giá thiệt hại chấn động nổ mìn mỏ lộ thiên gây ra; Đối với nghiên cứu tương lai: Trong phạm vi luận án, tác giả dừng lại việc nghiên cứu phát triển số mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn cho mỏ lộ thiên Việt Nam áp dụng thử nghiệm cho mỏ than Núi Béo Dựa kết nghiên cứu luận án, tác giả kiến nghị số nội dung nghiên cứu tương lai sau: - Tiếp tục nghiên cứu phát triển mơ hình thực nghiệm nhằm cải thiện mức độ xác mơ hình thực nghiệm Đặc biệt việc đưa vào tham số ảnh hưởng độ chênh cao, số nhóm vi sai, sử dụng phương trình phi tuyến để giải thích mối quan hệ thông số đầu vào; - Các yếu tố ảnh hưởng tới chấn động nổ mìn khơng có thơng số nổ mìn, mà cịn có yếu tố điều kiện địa chất, địa vật lý Do đó, nghiên cứu đầy đủ mơ hình trí tuệ nhân tạo với thơng số đầu vào bao gồm thơng số nổ mìn yếu tố điều kiện địa chất, địa vật lý hữu ích quan trọng tương lai; - Tiếp tục nghiên cứu phát triển mô hình trí tuệ nhân tạo với khả dự báo tổng thể cho nhóm mỏ than, đá, quặng, chí có khả dự báo chấn động nổ mìn cho tất mỏ lộ thiên Việt Nam 23 CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ CỦA NCS A Các báo quốc tế thuộc danh mục tạp chí ISI Hoang Nguyen, Xuan-Nam Bui, Hoang-Bac Bui, Ngoc-Luan Mai (2018), “A comparative study of artificial neural networks in predicting blast-induced air-blast overpressure at Deo Nai open-pit coal mine, Vietnam”, Neural Computing and Applications, https://doi.org/10.1007/s00521-0183717-5, 1-17 Hoang Nguyen, Xuan-Nam Bui (2018), “Predicting Blast-Induced Air Overpressure: A Robust Artificial Intelligence System Based on Artificial Neural Networks and Random Forest”, Natural Resources Research, 28, 893-907 Xuan-Nam Bui, Hoang Nguyen, Hai-An Le, Hoang-Bac Bui, Ngoc-Hoan Do (2019), “Prediction of Blast-induced Air Over-pressure: Assessment of Different Artificial Intelligence Techniques”, Natural Resources Research, https://doi.org/10.1007/s11053-019-09461-0, 121 Hoang Nguyen, Xuan-Nam Bui, Quang-Hieu Tran, Ngoc-Luan Mai (2019), “A New Soft Computing Model for Estimating and Controlling Blast-Produced Ground Vibration Based on Hierarchical K-Means Clustering and Cubist Algorithms”, Applied Soft Computing, 77, 376-386 Hoang Nguyen, Xuan-Nam Bui, Hoang-Bac Bui, Dao Trong Cuong (2019), “Developing A XGBoost Model to Predict Blast-Induced Peak Particle Velocity in Open Cast Mine A Case Study”, Acta Geophysica, 67, 477-490 Hoang Nguyen, Carsten Drebenstedt, Xuan-Nam Bui, Dieu Tien Bui (2019), “Prediction of Blastinduced Ground Vibration in an Open-pit Mine by a Novel Hybrid Model Based on Clustering and Artificial Neural Network”, Natural Resources Research, https://doi.org/10.1007/s11053019-09470-z, 1-19 Hoang Nguyen, Xuan-Nam Bui, Quang-Hieu Tran, Pham Van Hoa, Dinh-An Nguyen, Le Thi Thu Hoa, Qui-Thao Le, Ngoc-Hoan Do, Tran Dinh Bao, Hoang-Bac Bui, Hossein Moayedi (2019), “A Comparative Study of Empirical and Ensemble Machine Learning Algorithms in Predicting Air Over-pressure in Open-Pit Coal Mine”, Acta Geophysica, https://doi.org/10.1007/s11600-019-00396-x, 1-12 B Các báo quốc tế thuộc danh mục tạp chí ESCI Hoang Nguyen, Xuan-Nam Bui, Quang-Hieu Tran, Thao-Qui Le, Ngoc-Hoan Do, Le Thi Thu Hoa (2018), “Evaluating and Predicting Blast-Induced Ground Vibration in Open Cast Mine Using Artificial Neural Network: A Case Study in Vietnam”, SN Applied Sciences, 1(125), 1-11 Hoang Nguyen (2019), “Support Vector Regression Approach for Predicting Blast-induced Ground Vibration: A Case Study in an Open-Pit Coal Mine of Vietnam”, SN Applied Sciences, 1(283), 110 C Các báo quốc tế thuộc danh mục tạp chí SCOPUS 10 Nguyen Hoang, Bui Xuan Nam, Tran Quang Hieu, Nguyen Quoc Long, Vu Dinh Hieu, Pham Van Hoa, Le Qui Thao, Nguyen Phu Vu (2019), “Developing an Advanced Soft Computational Model for Estimating Blast-Induced Ground Vibration in Nui Beo Open-pit Coal Mine (Vietnam) Using Artificial Neural Network”, Inzynieria Mineralna, 2(44), 57-72 11 Bui Xuan Nam, Nguyen Hoang, Tran Quang Hieu, Bui Hoang Bac, Nguyen Quoc Long, Nguyen Dinh An, Le Thi Thu Hoa, Pham Van Viet (2019), “A Lasso and Elastic-Net Regularized Generalized Linear Model for Predicting Blast-Induced Air Over-pressure in Open-Pit Mines”, Inzynieria Mineralna, 2(44), 8-20 D Các báo hội nghị khoa học quốc tế 12 Xuan-Nam Bui, Hoang Nguyen, Nguyen Quoc Long, Qui Thao Le, Carsten Drebenstedt (2019), “Applying Artificial Intelligence Techniques for Prediction of Blast-induced Ground Vibration and Air Over-pressure at Deo Nai Open-Pit Coal Mine”, International Conference "Innovations for a responsible extraction of raw materials in opencast mining“, TU Bergakademie Freiberg, Germany, 164-195 E Các báo tạp chí nước 13 Nguyễn Hoàng, Bùi Xuân Nam, Trần Quang Hiếu (2017), “Ứng dụng thuật toán rừng ngẫu 24 nhiên để dự báo sóng va đập khơng khí sinh nổ mìn mỏ than Đèo Nai”, Tạp chí Cơng nghiệp Mỏ, Số 06/2017, tr 47-52 14 Bùi Xuân Nam, Nguyễn Hoàng (2018), “Đánh giá khả sử dụng mạng nơ-ron nhân tạo dự báo sóng va đập khơng khí sinh nổ mìn mỏ lộ thiên”, Tạp chí Cơng nghiệp Mỏ, Số 01/2018, tr 106-116 15 Nguyễn Hồng, Bùi Xuân Nam, Nguyễn Tuấn Thành, Nguyễn Tuấn Anh (2018), “So sánh hiệu thuật toán hồi quy tuyến tính phi tuyến tính dự báo sóng chấn động nổ mìn mỏ than Núi Béo - Quảng Ninh”, Tạp chí Cơng nghiệp Mỏ, Số 02/2018, tr 78-84 16 Nguyễn Hồng (2018), “Ứng dụng thuật tốn hồi quy véc tơ hỗ trợ để dự báo sóng chấn động nổ mìn mỏ lộ thiên”, Tạp chí Cơng nghiệp Mỏ, Số 06/2018, tr 7-10 17 Nguyễn Hoàng, Bùi Xuân Nam, Trần Quang Hiếu, Lê Thị Thu Hoa, Lê Quí Thảo (2019), “Mơ hình mạng nơ-ron nhân tạo mơ hình thực nghiệm để dự báo sóng chấn động nổ mìn mỏ lộ thiên”, Tạp chí Cơng nghiệp Mỏ, Số 06/2019, tr 23-28 F Các báo hội nghị nước 18 Nguyễn Hoàng, Bùi Xuân Nam, Trần Quang Hiếu, Lê Thị Thu Hoa, Lê Quí Thảo (2018), “So sánh hiệu mơ hình mạng nơ-ron nhân tạo mơ hình thực nghiệm dự báo sóng chấn động nổ mìn mỏ lộ thiên”, Tuyển tập báo cáo Hội nghị KHKT mỏ toàn quốc lần thứ 26, Hội Khoa học cơng nghệ mỏ Việt Nam, Móng Cái - Việt Nam, tr 177-182 19 Trần Quang Hiếu, Bùi Xuân Nam, Trần Tuấn Minh, Nguyễn Đình An, Nguyễn Hồng, Nguyễn Quang Huy (2018), “Ảnh hưởng sóng chấn động nổ mìn đến cơng trình bảo vệ mặt khai thác mỏ Đông Tràng Bạch, Uông Bí, Quảng Ninh”, Hội nghị Quốc gia “Khoa học Trái đất Tài nguyên với phát triển bền vững – ERSD 2018”, Trường Đại học Mỏ Địa chất, Hà Nội, tr 49-55 20 Trần Quang Hiếu, Bùi Xuân Nam, Nguyễn Hồng, Nguyễn Đình An, Bùi Ngọc Hùng (2018), “Nâng cao hiệu cơng tác nổ mìn điều kiện địa chất phức tạp phía Bắc khai trường vỉa 15, 16 mỏ than Khánh Hoà”, Hội nghị Quốc gia “Khoa học Trái đất Tài nguyên với phát triển bền vững – ERSD 2018”, Trường Đại học Mỏ - Địa chất, Hà Nội, tr 56-62 21 Nguyễn Hoàng, Bùi Xuân Nam (2018), “Phát triển mơ hình hồi quy véc tơ hỗ trợ dự đoán mức độ đập vỡ đất đá mỏ lộ thiên”, Hội nghị Quốc gia “Khoa học Trái đất Tài nguyên với phát triển bền vững – ERSD 2018”, Trường Đại học Mỏ - Địa chất, Hà Nội, tr 63-69 ... động nổ mìn mỏ lộ thiên - Nghiên cứu sở lý thuyết số mơ hình trí tuệ nhân tạo có khả dự báo chấn động nổ mìn mỏ lộ thiên - Nghiên cứu phát triển số mơ hình trí tuệ nhân tạo dự báo chấn động nổ mìn. .. tác nổ mìn mỏ lộ thiên ảnh hưởng chấn động nổ mìn Chương Tổng quan nghiên cứu dự báo chấn động nổ mìn mỏ lộ thiên Chương Cơ sở lý thuyết số mô hình trí tuệ nhân tạo dự báo chấn động nổ mìn mỏ lộ. .. nổ mìn mỏ lộ thiên ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU - Đối tượng nghiên cứu luận án thơng số nổ mìn, sóng chấn động sinh nổ mìn mỏ lộ thiên số mơ hình trí tuệ nhân tạo có khả dự báo sóng chấn động

Ngày đăng: 19/08/2020, 16:19

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w