انجمن مکانیک سنگ ایران نشریه علمی-پژوهشی مکانیک سنگ 2588-7432 7 2 2023 09 22 Effect of some important parameters on soil conditioning بررسی تأثیر برخی از پارمترهای مهم در عمل آوری خاک 1 13 210951 10.22034/irsrm.2023.210951 FA سید امین موسوی بخش مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه ولیعصر(عج) رفسنجان، ایران. 0000-0003-4196-0158 صادق آمون دانشکده مهندسی معدن، دانشگاه صنعتی سهند، تبریز، ایران. امید روشنی دانشکده مهندسی معدن، دانشگاه تهران، تهران، ایران. Journal Article 2022 12 22 Earth Pressure Balancing (EPB) machines are commonly used to excavate tunnels in soft soils ranging from coarse-grained soils, sands to hard clays. The design of these machines is such that the excavated soil inside the pressure chamber is used to apply holding pressure to the face of the auger during excavation. The ideal soil for an EPB machine is soil that, after being excavated and entering the pressure chamber, becomes a plastic and doughy material capable of applying pressure to the auger. It is obvious that real soil in nature rarely has such properties. Thus, soil treatment technology has emerged over the past decade to overcome these problems. The process of adding foam and polymer to the soil is called treatment operation. In tunneling with EPB machine, the behavior of excavated soil from the time it is mixed with foam in front of the machine cutterhead until it exits the spiral conveyor depends on the workability characteristics of the treated soil. Factors that affect soil workability include strength index, moisture content, fine particle content, and foam injection ratio (FIR). The main objective of this paper is to investigate the effect of the above parameters experimentally on the workability of soil treated with foam and compare it with the actual data of Tabriz Urban Railway Line 2 in order to evaluate the mechanical parameters of the soil. ماشین‌ها‌ی حفاری متعادل کننده‌ی فشار زمین (EPB) به‌صورت متداولی برای حفاری تونل‌ها در خاک‌های نرم که محدوده‌ای از خاک‌های درشت‌دانه، شن‌ها تا رس‌های سخت را دربرمی‌گیرند، به کار برده می‌شوند. طراحی این ماشین‌ها به گونه‌ای است که از خاک حفاری شده در داخل اتاقک ‌فشار برای اعمال فشار نگهدارنده به سطح سینه‌کار در طول حفاری استفاده می‌شود. خاک ایده‌آل برای ماشین EPB خاکی است که پس از حفاری و ورود به اتاقک فشار، تبدیل به ماده پلاستیک و خمیری با قابلیت اعمال فشار به سینه‌کار باشد. بدیهی است که خاک واقعی در طبیعت به‌ندرت دارای چنین ویژگی‌هایی است. بدین ترتیب تکنولوژی ‌عمل‌آوری خاک از دهه‌ی گذشته برای فائق آمدن بر این مشکلات ظهور کرده است. به فرآیند افزودن فوم و پلیمر به خاک، عملیات به‌عمل‌آوری گفته می‌شود. در تونل‌سازی با ماشین EPB رفتار خاک حفاری‌شده از هنگامی‌که در جلوی کاترهد ماشین با فوم مخلوط می‌شود تا زمانی‌که از نقاله مارپیچ خارج می‌شود، بستگی به ویژگی کارپذیری خاک به‌عمل‌آوری شده دارد. عواملی که برروی کارپذیری خاک موثر هستند شامل شاخص ‌استحکام، درصد ‌رطوبت، مقدار ذرات ‌ریزدانه و نسبت تزریق فوم (FIR) می‌باشند. هدف اصلی این مقاله بررسی تاثیر پارامتر‌های فوق به‌صورت آزمایشگاهی بر روی کارپذیری خاک به‌عمل‌آوری شده با فوم است و مقایسه آن با داده‌های واقعی مسیر خط دو قطار شهری تبریز تا بتواند به ارزیابی پارامترهای مکانیکی خاک بپردازد.

https://www.irsrmjournal.ir/article_210951_ce532f1ee6a724729c06ccafa068482f.pdf

انجمن مکانیک سنگ ایران نشریه علمی-پژوهشی مکانیک سنگ 2588-7432 7 2 2023 09 22 Prediction of penetration rate of EPB TBM machines in soft ground using neuro-fuzzy system (ANFIS) پیش‌بینی نرخ نفوذ ماشین‌های EPB TBM در زمین‌های نرم با استفاده از سیستم عصبی-فازی (ANFIS) 15 27 211438 10.22034/irsrm.2024.211438 FA آیدا عاملی قمصر دانشکده مهندسی معدن، دانشگاه صنعتی امیرکبیر، تهران، ایران. ابراهیم فرخ دانشکده مهندسی معدن، دانشگاه صنعتی امیرکبیر، تهران، ایران. کورش شهریار دانشکده مهندسی معدن، دانشگاه صنعتی امیرکبیر، تهران، ایران. Journal Article The most important performance indicator of a TBM is the penetration rate, which is defined as the ratio of the drilling distance to the operating time during tunneling. Geological and geotechnical factors, machine specifications, and operating parameters can affect the penetration rate of the machine. Predicting the penetration rate of the drilling machine can significantly reduce the costs of mechanized drilling. Over the past few decades, penetration rate prediction models have emerged successively, which can be broadly classified into three categories: theoretical models and laboratory experiments, and empirical models based on the historical field performance of TBMs. In this study, after component analysis, removing outliers, and considering geotechnical factors and various machine parameters, the penetration rate of the EPB machine in 5 projects was investigated and predicted. For this purpose, linear regression and neuro-fuzzy methods were used. To validate each model, the statistical index of the coefficient of determination (R2) was used. The results of the studies showed that the neuro-fuzzy method has a better accuracy (R2=0.94) in predicting the penetration rate than other methods. Also, the results of the sensitivity analysis showed that the torque of the device has the greatest effect on the penetration rate of the EPB device. مهمترین شاخص عملکرد یک TBM نرخ نفوذ است که به عنوان نسبت فاصله حفاری به زمان عملیاتی در حین حفر تونل تعریف می‌شود. عوامل زمین‌شناسی و ژئوتکنیکی، مشخصات ماشین‌آلات و پارامترهای عملیاتی می‌توانند بر نرخ نفوذ ماشین تاثیرگذار باشند. پیش‌بینی نرخ نفوذ دستگاه حفاری می‌تواند هزینه‌های حفاری مکانیزه را به میزان قابل توجهی کاهش دهد. در طول چند دهه گذشته، مدل‌های پیش‌بینی نرخ نفوذ به‌طور متوالی ظاهر شده‌اند که می‌توان آن‌ها را به طور کلی به سه دسته طبقه‌بندی کرد: مدل‌های نظری و آزمایش‌های آزمایشگاهی و مدل‌های تجربی بر اساس عملکرد میدانی تاریخی TBMها. در این تحقیق، پس از تجزیه و تحلیل مؤلفه‌ها، حذف داده‌های پرت و با در نظر گرفتن عوامل ژئوتکنیکی و پارامترهای مختلف دستگاه، ضریب نفوذ دستگاه EPB در 5 پروژه بررسی و پیش بینی شده است. برای این منظور از روش‌های رگرسیون خطی و روش عصبی-فازی استفاده شد. برای اعتبارسنجی هر مدل، از شاخص آماری ضریب تعیین (R2) استفاده شده است. نتایج بررسیها نشان داد که روش عصبی-فازی نسبت به دیگر روش‌ها میزان دقت بهتری (R2=0.94) در پیش‌بینی نرخ نفوذ دارد. همچنین، نتایج آنالیز حساسیت نشان داد که گشتاور دستگاه بیشترین تأثیر را بر میزان نفوذ دستگاه EPB دارد.

https://www.irsrmjournal.ir/article_211438_edd87c85687082c7130e266df8f59096.pdf

انجمن مکانیک سنگ ایران نشریه علمی-پژوهشی مکانیک سنگ 2588-7432 7 2 2023 09 22 Experimental Study of the Mechanical Properties of Artificial Stones with the Aim of Determining the Optimal Composition of Constituent Materials مطالعه آزمایشگاهی خصوصیات مکانیکی سنگ‌های مصنوعی با هدف تعیین ترکیب بهینه مواد تشکیل‌دهنده 29 38 212342 10.22034/irsrm.2023.212342 FA ستار مهدوری دانشکده مهندسی معدن، دانشگاه صنعتی امیرکبیر، تهران، ایران. 0000-0002-2934-9500 مهدی مرتضی پور دانشکده مهندسی معدن، دانشگاه صنعتی امیرکبیر، تهران، ایران. Journal Article 2023 04 21 The progress of the construction industry on the one hand and the different tastes of people on the other hand have led to the invention and expansion of all kinds of artificial stones. In this research, the effect of natural stone characteristics, the type of aggregates, the quantity and quality of the adhesive matrix, and the types of additives on the mechanical properties of artificial stones have been studied. For this purpose, several artificial stone samples were produced using carbonate aggregates with different grading, and polymer and cement matrices with or without addition of silica (quartz) and glass fibers, and then their mechanical properties were examined in the laboratory. Based on the results, polymer artificial stones had better results than cement artificial stones and natural stones in terms of specific weight, porosity, uniaxial compressive strength and tensile strength. In all cases, the addition of silica improved the properties of artificial stone. Also, the addition of glass fibers had almost no effect on the uniaxial compressive strength of artificial stones, but improved other properties. The highest uniaxial compressive strength equal to 109.1 MPa was obtained from artificial marble consisting of 18% epoxy resin and 10% silica additive. Likewise, the lowest water absorption of 0.26% was observed in artificial marble with 18% epoxy resin and 10% silica additive. The results of this research show that the type of natural stone powder, aggregate size, type and amount of adhesive matrix, and the type and ratio of additives are effective in determining the mechanical properties of artificial stones. پیشرفت صنعت ساختمان از یک ‌سو و سلیقه‌های متفاوت بشر از سوی دیگر موجب ابداع و گسترش روزافزون انواع سنگ مصنوعی شده ‌است. در این پژوهش تأثیر ویژگی‌های سنگ طبیعی، نوع دانه‌بندی سنگ‌دانه‌ها، کمیت و کیفیت ماتریکس چسباننده و نیز انواع افزودنی‌ها بر خصوصیات مکانیکی سنگ‌های مصنوعی مطالعه شده ‌است. برای این منظور نمونه‌های متعدد سنگ مصنوعی با استفاده از سنگ‌دانه‌های کربناته با دانه‌بندی‌های مختلف و ماتریکس پلیمری و سیمانی با یا بدون افزودنی سیلیس (کوارتز) و الیاف شیشه تولید و خصوصیات مکانیکی آنها در آزمایشگاه بررسی شد. بر اساس نتایج حاصل، سنگ‌های مصنوعی پلیمری از نظر وزن مخصوص، تخلخل، مقاومت فشاری تک‌محوری و مقاومت کششی نتایج بهتری نسبت به سنگ‌های مصنوعی سیمانی و سنگ‌های طبیعی داشتند. در همه موارد افزودن سیلیس موجب بهبود ویژگی‌های سنگ مصنوعی شد. همچنین افزودن الیاف شیشه بر مقاومت فشاری تک‌محوری سنگ‌های مصنوعی تقریباً بی‌تأثیر بود، اما سایر ویژگی‌ها را بهبود داد. بیشترین مقاومت فشاری تک‌محوری برابر 109.10 مگاپاسکال از سنگ مرمر مصنوعی متشکل از 18%رزین اپوکسی و 10% افزودنی سیلیس به دست آمد. همین‌طور کمترین جذب آب به میزان 0.26% در سنگ مرمریت مصنوعی با 18% رزین اپوکسی و 10% افزودنی سیلیس مشاهده شد. نتایج این پژوهش نشان می‌دهد نوع پودر سنگ، دانه‌بندی سنگ‌دانه، نوع و مقدار ماتریکس چسباننده و نوع و نسبت افزودنی‌ها در تعیین ویژگی‌های مکانیکی سنگ مصنوعی مؤثر هستند.

https://www.irsrmjournal.ir/article_212342_0c5905c198b7d159a3fc5a12f4ce80c8.pdf

انجمن مکانیک سنگ ایران نشریه علمی-پژوهشی مکانیک سنگ 2588-7432 7 2 2023 09 22 The Impact of PowerDeck Application on Blasting Operations - A Case Study of the Sarab Iron Ore Mine تاثیر کاربرد روش پاوردک بر عملیات انفجار – مطالعه موردی معدن سنگ آهن سراب 39 51 215106 10.22034/irsrm.2024.459943.1556 FA سید مصلح افتخاری دانشکده معدن و مواد، دانشگاه تربیت مدرس، تهران، ایران 0000-0002-3126-9024 صبا شریفیان دانشکده فنی و مهندسی گروه معدن، دانشکاه آزاد اسلامی واحد علوم و تحقیقات تهران کاوه آهنگری گروه مهندسی معدن، دانشکده فنی و مهندسی، دانشکاه آزاد اسلامی واحد علوم و تحقیقات تهران 0000-0001-9462-7303 Journal Article 2023 06 03 Blasting is one of the most critical stages in mining operations, and achieving an optimal blast pattern is essential for improving fragmentation and reducing costs. One method that can be used to enhance blasting is the PowerDeck technique. This study investigates the impact of using the PowerDeck method on blasting operations at the Sarab Hasanabad Yaskund iron ore mine. The primary objective of this research is to compare traditional blasting methods with the PowerDeck technique to achieve optimal fragmentation and cost reduction. The results indicate that the use of PowerDeck reduces fragmentation size by 60%, decreases specific drilling by 6%, and reduces specific charge by 11%. Additionally, the use of PowerDeck allows for the selection of larger blast patterns while achieving suitable fragmentation and reducing costs. Based on the findings, the PowerDeck technique is confirmed as an effective method for optimizing blasting operations in the Sarab iron ore mine from both technical and economic perspectives. انفجار یکی از مهم‌ترین مراحل در عملیات معدن‌کاری است که دستیابی به الگوی انفجار بهینه برای بهبود خردایش و کاهش هزینه‌ها اهمیت بسیاری دارد. یکی از روش‌هایی که می‌تواند برای بهبود انفجار استفاده شود، روش پاوردک است. این تحقیق به بررسی تأثیر استفاده از روش پاوردک در عملیات آتشکاری معدن سنگ آهن سراب حسن آباد یاسکوند پرداخته است. هدف اصلی این پژوهش، مقایسه روش سنتی آتشکاری با آتشکاری به روش پاوردک به منظور دستیابی به خردایش مناسب و کاهش هزینه‌ها می‌باشد. به منظور اطمینان از نتایج و قابلیت تعمیم نتیجه‌گیری حاصل، برای هر الگوی انفجار 3 بار تکرار ثبت شده است و میانگین مقادیر بدست آمده ملاک مقایسه و تصمیم‌گیری قرار گرفته است. به منظور ارزیابی خردایش حاصل از انفجار از روش آنالیز تصویری و با استفاده از نرم افزار Slipt-Desktop بهره گرفته شده است. نتایج نشان داد که استفاده از پاوردک باعث کاهش ابعاد خردایش به میزان 60 درصد، کاهش میزان حفاری ویژه به میزان 6 درصد و کاهش خرج ویژه به میزان 11 درصد شده است. همچنین، استفاده از پاوردک امکان انتخاب الگوی انفجاری بزرگ‌تر را فراهم کرده و به دستیابی به خردایش مناسب و کاهش هزینه‌ها منجر می‌شود. با توجه به نتایج به‌دست‌آمده، روش پاوردک از منظر فنی و اقتصادی به عنوان یک روش مؤثر در بهینه‌سازی عملیات آتشکاری در معدن آهن سراب تأیید می‌شود.

https://www.irsrmjournal.ir/article_215106_4dffceea93576d172636029c10da23e4.pdf

انجمن مکانیک سنگ ایران نشریه علمی-پژوهشی مکانیک سنگ 2588-7432 7 2 2023 09 22 Prediction of Elastic Parameters of Carbonate Reservoir from Well Logging Data Using Machine Learning and Multivariate Regression Methods پیش بینی پارامترهای الاستیک مخزن کربناته از داده های چاه نگاری با استفاده از روش های یادگیری ماشین و رگرسیون چند متغیره 53 70 212713 10.22034/irsrm.2023.212713 FA محمدرضا آقاخانی امام قیسی گروه استخراج، دانشکده‌ مهندسی معدن و متالورژی، دانشگاه یزد، یزد، ایران منوچهر صانعی گروه استخراج، دانشکده‌ مهندسی معدن و متالورژی، دانشگاه یزد، یزد، ایران 0000-0003-0869-1988 محمد فاتحی مرجی گروه استخراج، دانشکده‌ مهندسی معدن و متالورژی، دانشگاه یزد، یزد، ایران Journal Article 2023 04 14 Geomechanical parameters, such as Young's modulus and Poisson's ratio, play a crucial role in drilling and production operations of oil and gas wells. Determining these parameters can greatly assist in understanding the well's condition and issues. Since laboratory testing to determine these parameters is very expensive and time-consuming, this study attempts to predict linear geomechanical parameters based on multivariate regression and machine learning methods using well logging data (including sonic transit time, density, and porosity) from a gas well in southern Iran. After constructing the models, the results obtained from each method were compared, and the results showed that the machine learning method had a better performance in predicting elastic parameters with lower mean absolute percentage error, root mean square error, and higher coefficient of determination. Additionally, empirical relationships based on information related to weights and biases of the multilayer perceptron (MLP) network method were developed to predict elastic parameters. These relationships were validated using well A data from one of Iran's fields, and the results showed that the obtained equations had a suitable validity with coefficient of determination values of 0.97 and 0.96 for Young's modulus and Poisson's ratio, respectively. Therefore, these new equations can be used for new wells based on well logging data without the need for any machine learning software. پارامترهای ژئومکانیکی از جمله مدول یانگ و ضریب پواسون نقش بسیار کلیدی در عملیات حفاری و تولید چاه‌های نفت و گاز دارند. تعیین این پارامترها می تواند تا حد زیادی به شناخت وضعیت و مشکلات چاه کمک نماید. از آنجایی که تعیین این پارامترها به روش آزمایشگاهی بسیار پر هزینه و زمان بر می باشد در نتیجه در این پژوهش سعی شده است روشی جهت پیش بینی پارامترهای الاستیک خطی بر اساس روش های رگرسیون چند متغیره و یادگیری ماشین بر مبنای داده های چاه نگاری (زمان انتقال موج فشاری، چگالی و تخلخل) مربوط به یکی از چاه های گازی جنوب ایران ارائه نمود. پس از ساخت مدل‌ها، نتایج حاصل از هر روش مورد مقایسه قرار گرفت. این مقایسه نشان داد که روش یادگیری ماشین با کمترین مقادیر میانگین درصد خطای مطلق و ریشه میانگین مربعات خطا و همچنین بالاترین مقدار ضریب تعیّن، عملکرد بهتری در پیش‌بینی پارامترهای الاستیک نسبت به روش رگرسیون چند متغیره دارد. بعلاوه در این پژوهش روابط تجربی بر مبنای اطلاعات مربوط به وزن ها و اریبی های (بایاس) روش شبکه چند لایه پرسپترون (MLP ) برای پیش بینی پارامترهای الاستیک توسعه داده شد. این روابط برای روش MLP بر مبنای داده های چاه A مربوط به یکی از میادین ایران اعتبارسنجی شده و این نتیجه بدست آمد که با توجه به مقادیر ضریب تعیین 97/0 و 96/0 به ترتیب برای مدول یانگ و ضریب پواسون، روابط به دست آمده از این پژوهش دارای اعتبار مناسبی می‌باشند. در نتیجه معادلات جدید می توانند بدون نیاز به هیچ نرم افزار یادگیری ماشین و برای چاه های جدید بر مبنای داده های چاه نگاری استفاده شوند.

https://www.irsrmjournal.ir/article_212713_eb5c5f8cd5381c405915303d2a1e5e80.pdf

انجمن مکانیک سنگ ایران نشریه علمی-پژوهشی مکانیک سنگ 2588-7432 7 2 2023 09 22 Development of a Mathematical Model for Predicting Blast-Induced Fragmentation Considering Elastic Wave Velocities ارائه مدل ریاضی برای پیش‌بینی خردایش حاصل از انفجار با در نظر گرفتن سرعت امواج کشسانی 71 82 213507 10.22034/IRSRM.2023.21255.2222 FA صادق تاجیک گروه استخراج، دانشکده معدن و مواد، دانشگاه تربیت مدرس مسعود منجزی گروه استخراج، دانشکده معدن و مواد، دانشگاه تربیت مدرس مجتبی رضاخواه گروه استخراج، دانشکده معدن و مواد، دانشگاه تربیت مدرس محمد امیری حسینی رئیس تحقیقات معدن و زمین شناسی معدن سنگ آهن گلگهر Journal Article 2023 06 19 Blasting is a critical step in open pit mining and has a significant impact on the efficiency of other mining operations. Predicting blasting fragmentation is of particular importance, and in this regard, mathematical and intelligent models have been developed to improve the accuracy of predictions. In this study, Golgohar Mine No. 1 was selected as a case study. Using a downhole seismograph, the elastic wave velocities (longitudinal and transverse) were measured for thirteen blast blocks, and the quality of the fragmentation was evaluated using an image analysis method. Two mathematical models based on multivariate regression were developed: one was a linear model and the other was a nonlinear model. The results showed that the nonlinear model with a determination coefficient of 95% performed better than the linear model with a determination coefficient of 80%. These findings indicate that considering the elastic wave characteristics of the rock mass can significantly increase the accuracy of predicting blasting fragmentation. Therefore, using these advanced models can help improve the mining process and reduce costs. This study also emphasizes the importance of using seismic data in optimizing blasting operations. عملیات انفجار یکی از مراحل حیاتی در استخراج معادن روباز است و تأثیر زیادی بر راندمان سایر مراحل معدنکاری دارد. پیش‌بینی خردایش ناشی از انفجار از اهمیت ویژه‌ای برخوردار است و در این راستا، مدل‌های ریاضی و هوشمند به‌منظور بهبود دقت پیش‌بینی‌ها توسعه یافته‌اند. در این مطالعه، معدن شماره یک گل‌گهر به عنوان مطالعه موردی انتخاب شد. با استفاده از دستگاه لرزه‌نگار درون‌چاهی، سرعت امواج کشسانی (طولی و عرضی) برای سیزده بلوک انفجاری اندازه‌گیری گردید و کیفیت خردایش با استفاده از روش آنالیز تصویری ارزیابی شد. دو مدل ریاضی مبتنی بر رگرسیون چندمتغیره توسعه یافت: یکی مدل خطی و دیگری مدل غیرخطی. نتایج نشان داد که مدل غیرخطی با ضریب تعیین 95% عملکرد بهتری نسبت به مدل خطی با ضریب تعیین 80% داشت. این یافته‌ها نشان می‌دهند که لحاظ کردن ویژگی‌های امواج کشسانی توده سنگ می‌تواند به طور قابل‌توجهی دقت پیش‌بینی خردایش ناشی از انفجار را افزایش دهد. بنابراین، استفاده از این مدل‌های پیشرفته می‌تواند به بهبود فرآیند استخراج معادن و کاهش هزینه‌ها کمک کند. این مطالعه همچنین اهمیت استفاده از داده‌های لرزه‌ای در بهینه‌سازی عملیات انفجار را تأکید می‌کند.

https://www.irsrmjournal.ir/article_213507_5a4c721cf59951a170fddb47e2fc1ed2.pdf