این تکنیکها بیشتر شامل مدلهای کامپیوتری خبره میباشند که علاوه بر دقت لازم در طراحی، از
سرعت بالا و سهولت کاربرد نیز برخوردار هستند. در این تحقیق، خردایش سنگ معدن مس سرچشمه با
توسعه مدل شبکۀ عصبی مصنوعی، پیشبینی شده است. برای ساخت مدل، پارامترهایی نظیر نسبت
بردن به اسپیسینگ، قطر چال، طول گلگذاری، مجموع خرج بر تأخیر و انــدیس بار نقطه ای به عنوان
پارامتر ورودی در نظر گرفتــــه شده است. مدل با معماری 9 -8 -5 -1 و با روش انتشار معکوس خطا
آموزش دید و نتیجۀ مطلوب را بدست آورد. برای تعیین کارایی شبکههای عصبی، روش آماری نیز مورد
2 استفاده قرار گرفت. ضریب همبستگی ( R)
و جذر متوسط مربعات خطا (RMSE) برای هر دو مدل
محاسبه شده که نشان از برتری مطلق شبکه عصبی نسبت به روش آماری داشت. در نهایت، آنالیز حساسیت
مدل شبکه عصبی با استفاده از روش میدان کسینوسی (CAM) انجام و میزان تأثیر هر کدام از
پارامترهای ورودی بر خروجی (خردایش) مشخص شد.

مقدمه
الگوی آتشباری معدن مس سرچشمه بر اساس روابط تجربی و فرمولهای سنتی طراحی شده است. از
طرفی این روابط و فرمولها برای یک نوع سنگ یا یک معدن تعریف نشدهاند، لذا ممکن است این روابط
برای توده سنگهای یک معدن سازگار نباشند. درمعدن مزبور نیز پس از انفجارهای بلوكها مشکلات
عدیده نظیـــر خردایش نا مناسب، پس زدگی، پرتاب سنگ، لرزش زمین، هوا و… بهوجود میآینــد که
ناشی از بهکارگیری این روابط میباشد. از طرفی تحقیقات انجام گرفته برای اصلاح الگوی معدن نیز، تا به
حال براساس روشهای سنتی بوده است. بنابـراین به نظر میرسد بهکارگیری یک تکنیک نویـن نـــرم
افزاری براساس تجربیات گذشته، در این زمینه ضروری باشد، تکنیک مـورد استفاده در این تحقیق
شبکههای عصبی مصنوعی میباشد.
شبکههای عصبی یکی از مؤلفههای مهم و اساسی هوش مصنوعی میباشد که ارتباط سیناپسی و
ساختار نرونی مغز را مدل می کنند. هوش مصنوعی به معنای استخراج هوش، دانش، الگوریتم یا نگاشت