Basamak patlatmasında tasarım parametrelerinin patlatma verimliliği ve çevresel etki açısından değerlendirilmesi

Abstract

Patlatma işlemi taş ocaklarında üretimin ilk adımı olduğu için kendisinden sonra gelen tüm aşamaları büyük ölçüde etkilemektedir. İşlemin amacı kaya kütlesini kırıcıya beslenecek ölçüde küçük parçalara ayırmaktır. Patlatma sonrası oluşan yığının boyutu ortalama parça boyutu ile temsil edilir. Ortalama parça boyutu yığındaki malzemenin yüzde ellisinin geçtiği elek açıklığı olarak tanımlanır ve genellikle görüntü işleme yazımları kullanılarak tespit edilir. Parça boyutunu etkileyen değişkenler kontrol edilebilen ve kontrol edilemeyenler olmak üzere ikiye ayrılmaktadır. Verimin maksimum düzeyde olması için kontrol edilemeyen değişkenlerin iyi şekilde belirlenmiş ve delik çapı, dilim kalınlığı, sıkılama mesafesi gibi kontrol edilebilen değişkenlerin buna göre seçilmiş olması gerekir. Kaya kütlesi patlayıcı madde marifetiyle parçalara ayrılırken titreşim, hava şoku ve kaya savrulması gibi bazı çevresel etkiler meydana gelir. Bu etkiler içerisinde özellikle titreşim büyük şehirlerde ve yerleşim yerlerine yakın ocaklarda endişe sebebi olmaktadır. Patlatma kaynaklı titreşimlerin uzak mesafelere kadar iletilebilmesi ve yapısal hasar verme olasılığı sebebiyle patlatma tasarımının sadece parçalanma değil çevresel etki de dikkate alınarak yapılması gerekir. Patlatma kaynaklı titreşimin yoğunluğunu etkileyen anlık şarj ve atım noktası ile ölçüm noktası arasındaki mesafe olmak üzere başlıca iki parametre vardır. Özel sismograflar yardımıyla ölçülen titreşimlerin hasar verme kapasitesi parçacık hızı ve frekans değerine bağlıdır. Dünyada birçok kurum tarafından güvenli parçacık hızı ve frekans değerleri tanımlanmış olup genellikle yüksek frekans değerlerinde yüksek parçacık hızına izin verilir. Örnek olarak, Endonezya standardı beş farklı yapı tipi tanımlayarak her biri için ayrı limit değeri getirmektedir. Alman, İsviçre ve İspanyol standartları yapıları üç gruba ayırarak daha az karmaşık bir sınıflandırma olanağı sunmaktadır. Bunun yanı sıra Brezilya ve Toronto standardı gibi bazı hasar kriterleri frekans değişimini dikkate almamaktadır. Son yıllarda patlatma kaynaklı titreşimleri ve parça boyutunu tahmin etmek amacıyla birçok çalışma yapılmıştır. Ancak bu çalışmaların büyük çoğunluğu sadece bir noktaya odaklanmaktadır. Bazı modeller sadece parçalanma tahmini yaparken diğerleri titreşim veya kaya savrulmasına odaklanır. Ancak hem parça boyutu hem de çevresel etkiye birlikte odaklanan bir çalışmaya ihtiyaç duyulmaktadır. Bu çalışmada parça boyutunu ve parçacık hızını tahmin eden iki bağımsız model kurulmuştur. Modellerin kurulumu uyarlamalı ağ tabanlı bulanık çıkarım sistemi (ANFIS) yardımıyla yapılmıştır. ANFIS modellerinin mimarisinde genellikle göz ardı edilen ancak hem parça boyut dağılımında hem de titreşim yoğunluğu üzerinde oldukça etkili olan, katılık oranı bağımsız değişken olarak rol oynamaktadır. Katılık oranı basamak boyunun dilim kalınlığına oranı olarak tanımlanır. İstanbul gibi agrega ihtiyacının hızla değiştiği kentlerde ocaklardaki basamak yükseklikleri de değişebilmektedir. Bunun yanında tasarım parametrelerinin sabit kalması katılık oranını değişken hale getirir. Bu sebeple titreşim ve parçalanma üzerinde etkisi oldukça büyük olan katılık oranı ilk bağımsız değişken olarak seçilmiştir. Parçalanma modelinde diğer bağımsız değişken parçalanma üzerinde bir hayli etkili olan özgül şarjdır. Parçalanma tahmini regresyon analizi ve parça boyutunu tahmin etme amacıyla üretilmiş ilk denklem olan Kuznetsov denklemi ile yapılabilmektedir. Kurulan ANFIS modelinin başarısını ölçmek amacıyla hem regresyon analizi hem de Kuznetsov denklemi ile karşılaştırma yapılmıştır. ANFIS titreşim modelinde de daha önce değinilen sebeplerden ötürü katılık oranı ilk bağımsız değişken olarak seçilmiştir. Titreşim modelinde ikinci bağımsız değişken ise Hint standardında belirtilen ölçekli mesafe denklemidir. Her iki model de yalnızca iki bağımsız değişken içermektedir. Literatür araştırmasında görülmüştür ki mevcut parçalanma ve titreşim modellerine gereksiz birçok parametrenin dahil edilmesi ile modeller karmaşık ve kullanımı zor bir hale getirilmektedirler. Bu çalışmanın amacı parçalanma ve titreşimi aynı anda tahmin ederken bir yandan da sahada kullanılabilen modeller üretmektir. Dolayısıyla, bağımsız değişkenler İstanbul Cendere havzasında bulunan Akdağlar Madencilik A.Ş. ye ait agrega ocağında gerçekleştirilen arazi çalışmaları dikkate alınarak seçilmiştir. Bu çalışma kapsamında kurulan ANFIS titreşim modelinin başarısı hem regresyon analizi hem de geleneksel titreşim tahmin modelleri ile karşılaştırılarak analiz edilmiştir. Literatür araştırması sırasında mevcut modellerin genellikle kabaca ve sadece R2 veya mutlak hata ölçütleri dikkate alınarak değerlendirildiği görülmüştür. Ancak bu iki ölçütün yeterli olmadığı ve bazı dezavantajlar oluşturabileceği bilinmektedir. Bu sebeple her iki ANFIS modeli de mutlak, yüzde, simetrik ve ölçekli hata ölçütleri hesaplanarak detaylı olarak irdelenmiştir. Bu tezin ikinci aşamasında yapay sinir ağları ile modelleme yapılmış ve parçacık hızı ile frekans değerleri birlikte tahmin edilmiştir. Modelde bağımsız değişkenler ölçüm mesafesi, anlık şarj, dilim kalınlığı ve delikler arası mesafedir. Mevcut YSA modelinde bir gizli katman ve on üç nöron bulunmaktadır. Model kurulumu toplam 86 veri ile yapılmıştır. Son olarak ise 28 yabancı veri ile modelin test aşaması gerçekleştirilmiştir. Patlatma kaynaklı titreşimlerin hasar verme olasılığının sadece parçacık hızıyla değil baskın frekans ile de ilişkili olduğuna değinilmişti. Bu kapsamda YSA modeli ile tahmin edilen 15 titreşim verisi çeşitli yapısal hasar grafikleri ile sınıflandırılarak modelin başarısı test edilmiştir. Sonuç olarak neredeyse tüm titreşim verilerinin yapısal hasar kriterlerine göre aynı bölgede sınıflandırıldığı görülmüştür. Böylece mevcut YSA modelinin basamak patlatması tasarım parametreleri ve ölçüm mesafesi dikkate alınarak başarılı bir kestirim yapabildiği kanıtlanmıştır. Sahada çalışan mühendislerin, mevcut model yardımıyla, atım öncesinde planlanan parametrelerin hasar riski oluşturup oluşturmadığını analiz etmesi mümkün olabilecektir. Bu araştırma kapsamında odaklanılan diğer bir konu ise patlatma kaynaklı titreşimlere insanların verdiği tepkilerdir. Konu üzerinde oldukça az çalışma yapılmış olup gerekli özenin gösterilmediği düşünülmektedir. İnsan tepkileri özellikle büyük şehirlerde yerleşim yerlerine yakın ocaklar için sorun teşkil etmektedir. Patlatma kaynaklı titreşimlere verilen tepkiler genellikle hasar olasılığından değil titreşimin hissedilmesi sebebiyledir. İnsan tepkileri aynı yapısal hasarda olduğu gibi sadece parçacık hızına değil frekans değerine de bağlıdır. Yüksek parçacık hızları için frekans değeri arttıkça tahammül edilebilirlik de artar. Literatürde mevcut iki grafik yoluyla YSA modeli ile test edilen on beş titreşim verisi insan tepkilerinin kestirilmesi için kullanılmıştır. Bu aşamada insan tepkilerinin yaşa, sağlık durumuna, vücut pozisyonuna ve eğitim gibi değişkenlere de bağlı olduğu belirtilmelidir. Taş ocakları genellikle küçük ölçekli atımların yapıldığı ocaklardır. Mevcut modellerin daha büyük ölçekli üretim yapılan kömür ve metal madenlerinde denenmesi ile daha büyük delik çapları ve daha yüksek parçacık hızları için modellerin değerlendirilmesi mümkün olacaktır. Ayrıca çeşitli araçlar yardımıyla arayüz oluşturulabilirse modellerin kullanımı daha da kolaylaştırılabilir.

Blasting is the very first step in quarries and open pit mines. The operation has an impact on the whole downstream process including loading, crushing and screening. Main purpose of bench blasting is to fracture the rock mass to be fed to the crusher. Size distribution of particles in the muck pile should be uniform as much as possible. The size distribution of muck pile for quarries, in particular, is critical. Muck pile is characterized by mean fragment size which is defined as the median or 50-percentile. An effective blast produces the most uniform muck pile and has the least negative impact on the environment. Ground vibration is the most crucial environmental adverse effect of blasting. Blast induced vibrations can reach far distances and cause structural damage if design parameters are not calculated properly. Ground vibration is measured by special seismographs. Peak particle velocity and frequency are the two main identifier of ground vibration. Seismographs can record these values for the three component that is longitudinal, vertical and transverse. The intensity of ground vibration is influenced by two primary factors: the measurement location and the instantaneous charge. These two parameters are the main independent variables for the most predictive models in the literature. The effectiveness of fragmentation and the intensity of ground vibrations are affected by two types of factors. These are named as controllable and uncontrollable factors. Rock mass properties are the uncontrollable parameters. Controllable parameters include burden, spacing, charge weight, and so on. Rock mass properties must be examined very well to be able to select the correct blasting design parameters. In recent years, researchers have been focusing on the prediction of blast efficiency and ground vibrations. During the last decade, researchers have used a variety of soft computing approaches and statistical analytic methodologies to anticipate ground vibration and other environmental consequences of rock blasting. In most cases, the proposed models simply forecast particle velocity or fragment size. In particular for quarries, there is a growing demand for comprehensive study that analyzes blast efficiency and environmental effects together. Therefore, to estimate blast fragmentation and ground vibration, two separate adaptive neuro-fuzzy inference system (ANFIS) models were developed. Site investigation was performed in an aggregate quarry in Istanbul Kemerburgaz Region. To build predictive models, several researchers used traditional and well-known parameters. The instantaneous charge and the measurement distance are usually employed to determine ground vibration. The factors linked to the explosive quantity, such as charge weight per hole or specific charge, are the major focus of blast fragmentation models. On the other hand, several recently published models for vibration or fragmentation predictions employ an excessive number of input parameters. Without any selection criterion, non-essential blast parameters are included to models. Thus, models become overly complicated and difficult to utilize. The purpose should be to explaine a phenomenon bu using the fewest possible variables. The input parameters for this study were derived using site investigations and current blast literature. Before determining the final model, all blast parameters were evaluated, and many combinations were tested. This study focuses on a critical but often neglected design parameter: stiffness ratio. The stiffness ratio is one of the most critical blast parameters in the investigated quarry, according to long-term site measurements. It is defined as the ratio between bench height to drilled burden. Istanbul's aggregate and concrete demand is constantly changing. The quarries' production schedules are highly flexible. Quarries attempt to adjust to shifting aggregate demand. In the quarries blast design characteristics are typically consistent. Fixed bench heights, on the other hand, are not feasible in quarries. The stiffness ratio is very variable as a result of this condition. It has a major impact on blast fragmentation and ground vibration. Thus, the stiffness ratio was chosen as the primary input parameter in the developed ANFIS models. Artificial intelligence, soft computing and related applications have been increased in recent years. Soft computing approach are popular for a number of reasons, including their ability to handle nonlinear problems and their ease of use. It has a strong potential for adaptability and quick learning. This approach enhances model performance without requiring the participation of an operator. ANFIS fragmentation model predicts mean fragment size of muck pile. As stated before, the first independent variable is stiffness ratio. The second independent variable is powder factor which influences mean fragment size of muck pile, significantly. It is defined as the ratio between detonated explosive charge to volume of broken rock mass. Powder factor was utilized to develop prediction equations in most blast fragmentation models, notably KuzRam. Twenty-seven data sets were used to train the ANFIS fragmentation model. To find the best ANFIS structure, several types and quantities of membership functions were explored for input parameters. Two membership functions were assigned for stiffness ratio and powder factor,. The output parameter has a linear type and the membership functions have a triangular type. The linguistic variables "low" and "high" were chosen for stiffness ratio and powder factor, respectively. The model has four rules. The model was validated using 24 sets of previously unknown data. A regression equation and the well-known Kuznetsov equation were used to compare the ANFIS fragmentation model. The second ANFIS model predicts peak particle velocity. Stiffness ratio and scaled distance specified by Indian norms were used as input parameters for the ANFIS model. The database was split into two subgroups randomly. The first subset, which contains 45 blast data, was utilized in the model's training phase, while the second subset, which contains 43 blast data, was used in the model's testing phase. Using a trial-and-error technique, a large number of fuzzy rules were created during model construction. To get the best results, several membership functions and output types were explored. Finally, based on the computed prediction errors, the ANFIS model with 2 membership functions for stiffness ratio and 5 membership functions for scaled distance performed best. The shape of membership functions is trapezoid for input parameters. For the output, linear membership functions are used. The ANFIS model was trained using a hybrid training method. Low and high linguistic variables have been attributed to the stiffness ratio. For scaled distance, five linguistic factors were determined: very low, low, medium, high, and very high. The ANFIS model was compared to the multiple regression equations and the scaled distance-based predictor equations. A complete and extensive model validation was also aimed in this research. The models' prediction skills were assessed using eleven error metrics. The performance of error metrics was also discussed. The developed ANFIS models are quite promising. There are only two input parameters in the ANFIS models. Simple and robust models have been developed. The aim of the second phase of this research is to create an artificial neural network model that predicts both particle velocity and frequency. There are still certain vibration limitations that concern particle velocity. Most of the structural damage limitations, on the other hand, consider particle velocity and frequency together. One of the key factors that influences structural damage possibility and human perception is frequency. The suggested models in the literature, in most situations, merely predict particle velocity. This is the primary disadvantage of available vibration prediction models. Blasting level charts are used to assess the possibility of structural damage caused by ground vibrations. The Y-axis of the graphs shows the peak particle velocity. The frequency is indicated on the X-axis. The key variables linked to ground vibration, instantaneous explosive charge and vibration measurement distance are the ANN model's first two inputs. In addition, drilled burden and spacing between holes were selected as input parameter. It is a well-known fact that burden effects fragmentation and ground vibration. When determining blast design, the majority of researches consider burden and spacing together. Based on 86 blast recordings, a feed-forward back propagation neural network was built. The current neural network has an input layer, a hidden layer and an output layer. There are a number of neurons in each layer. The hidden layer is a crucial component of the neural network. The number of hidden layers varies depending on the problem being solved. A number of experiments have been carried out. There are 13 neurons in the hidden layer of the proposed neural network,. The mean square error was chosen as the performance metric for the network during the training phase. Type of the transfer function is tangent sigmoid. The Levenberg-Marquardt function was used as the training algorithm. Eighty-six blast data were divided into three groups before the neural network training phase: training, testing, and validation. Several percentages were examined for the data splitting process. As a result, 70 percent of the dataset was allocated to training, 15% to testing and 15% to model validation. ANN model predicts particle velocity with a mean absolute error of less than 2.0 mm/s. The frequency was predicted with an error lower than 5 Hz. The computed mean absolute percent error values are less than 23% for both peak particle velocity and frequency prediction. The ANN model is quite successful in predicting the possibility of structural damage. To assess the created model's prediction capabilities, ten diffirent error metrics were used. According to North American and European norms, the soft computing approach is extremely efficient. There are several similarities in the overall structure of blasting level charts. There is, however, no agreement on limit values for various type of structures. Some standards, such as the Brazilian and Canadian blasting level charts, do not consider type of buildings. The Indonesian standard, on the other hand, employs five stair lines for various building types and appears to be overly complicated. A blast level chart should consider three main sorts of structures: sensitive-historical sites, residential buildings and reinforced industrial buildings. As examples, German, Swiss, and Spanish standards may be considered. In the last section of this research, human perception is investigated. Only a few studies have investigated how humans react to blast vibrations. It is especially critical for the quarries located near residential areas. Human reactions to vibration are triggered by the perception of vibration rather than the potential for structural damage. Human perception of blast-induced vibrations is mainly influenced by factors such as particle velocity and frequency, just like structural damage criteria. When the frequency is high, the human tolerance to vibrations is higher. At this point, it should be noted that several difficult-to-measure variables may potentially influence human response to vibrations. Human reaction may be influenced by age, health, personal tolerance limit, and education in both direct and indirect ways. The other important parameters are level of activity and mental condition, as well as his or her position and attitude. The generated ANN model correctly predicted human reaction to ground vibration for 18 cases. The proposed soft computing framework can accurately predict the degree of human perception of vibrations. The blasting operations in quarries are generally small scale. It is proposed that the models should be tested in open pit coal and metal mines by using greater hole diameters. In large open pit mines, different fragment size, particle velocity and frequency values may be tested. Models can also be combined by easy-to-use interface for field engineers.