Luận án Tiến sĩ: Nghiên cứu Mô hình Trí tuệ Nhân tạo Dự báo Chấn động Nổ Mìn trong Khai thác Mỏ Lộ thiên

Chấn động nổ mìn là một trong những tác động tiêu cực đáng kể trong khai thác mỏ lộ thiên, gây ra nhiều hệ lụy cho môi trường và cộng đồng xung quanh. Nghiên cứu này nhấn mạnh rằng việc sử dụng thuốc nổ với khối lượng lớn có thể dẫn đến các thiệt hại nghiêm trọng, như nứt nẻ nhà cửa và mất ổn định bờ mỏ. Đặc biệt, khi khoảng cách giữa mỏ và khu dân cư ngày càng thu hẹp, những tác động này càng trở nên nghiêm trọng hơn. Theo quy định của Bộ Công thương (QCVN 02:2008/BCT), việc giám sát chấn động nổ mìn phải được thực hiện để đảm bảo an toàn cho các công trình lân cận. Tuy nhiên, các phương pháp thực nghiệm hiện tại chủ yếu dựa vào mối quan hệ tuyến tính, không đủ để phản ánh đầy đủ các yếu tố ảnh hưởng đến chấn động. Do đó, việc áp dụng trí tuệ nhân tạo trong dự báo chấn động nổ mìn là cần thiết để cải thiện tính chính xác và hiệu quả trong việc bảo vệ môi trường và an toàn cho cộng đồng.

Luận án này đặt ra các mục tiêu rõ ràng nhằm phát triển một số mô hình trí tuệ nhân tạo để dự báo sóng chấn động nổ mìn cho các mỏ lộ thiên tại Việt Nam, cụ thể là mỏ than Núi Béo. Mục tiêu đầu tiên là cải thiện độ chính xác của các mô hình dự báo thông qua việc áp dụng các phương pháp trí tuệ nhân tạo hiện đại. Thứ hai, nghiên cứu sẽ làm sáng tỏ mối quan hệ giữa sóng chấn động nổ mìn và các thông số nổ mìn, từ đó cung cấp cơ sở khoa học cho việc điều chỉnh các quy định hiện hành. Cuối cùng, nghiên cứu sẽ đánh giá hiệu suất của các mô hình trí tuệ nhân tạo đã phát triển, nhằm xác định mức độ ảnh hưởng của các biến đầu vào đến chấn động nổ mìn. Điều này không chỉ giúp nâng cao hiệu quả khai thác mà còn bảo vệ môi trường và an toàn cho cộng đồng.

Nghiên cứu này sử dụng nhiều mô hình trí tuệ nhân tạo khác nhau như mạng nơ-ron nhân tạo, mô hình rừng ngẫu nhiên, và hồi quy véc tơ hỗ trợ. Các mô hình này có khả năng xử lý và phân tích dữ liệu lớn, giúp nhận diện các mối quan hệ phi tuyến tính giữa các biến đầu vào. Mạng nơ-ron nhân tạo, ví dụ, cho phép xây dựng các cấu trúc phức tạp để dự báo chấn động nổ mìn với độ chính xác cao. Mô hình rừng ngẫu nhiên cung cấp khả năng phân loại và hồi quy hiệu quả, trong khi hồi quy véc tơ hỗ trợ giúp xác định các yếu tố ảnh hưởng chính đến chấn động. Việc áp dụng các mô hình này không chỉ giúp cải thiện độ chính xác trong dự báo mà còn mang lại những hiểu biết sâu sắc hơn về các yếu tố ảnh hưởng đến chấn động nổ mìn, từ đó hỗ trợ việc ra quyết định trong quản lý khai thác.

Luận án đã phát triển và thử nghiệm các mô hình trí tuệ nhân tạo như XGBoost, PSO-XGBoost, HKM-CA và FFA-ANN để dự báo chấn động nổ mìn tại mỏ than Núi Béo. Các mô hình này đã được áp dụng trong thực tế để thu thập và phân tích dữ liệu chấn động nổ mìn, đánh giá hiệu suất và mức độ chính xác của từng mô hình. Kết quả cho thấy rằng các mô hình lai có khả năng cải thiện đáng kể độ chính xác dự báo so với các mô hình đơn lẻ. Việc ứng dụng trí tuệ nhân tạo trong dự báo chấn động nổ mìn không chỉ giúp giảm thiểu thiệt hại cho các công trình lân cận mà còn nâng cao hiệu quả khai thác. Điều này thể hiện rõ sự cần thiết và tính khả thi của việc áp dụng công nghệ hiện đại trong ngành khai thác mỏ, đồng thời mở ra hướng nghiên cứu mới cho các vấn đề tương tự trong tương lai.

Luận án đã chỉ ra rằng việc sử dụng trí tuệ nhân tạo trong dự báo chấn động nổ mìn có thể mang lại nhiều lợi ích cho ngành khai thác mỏ, đặc biệt trong việc bảo vệ môi trường và an toàn cho cộng đồng. Các mô hình được phát triển không chỉ nâng cao độ chính xác trong dự báo mà còn giúp các nhà quản lý đưa ra các quyết định dựa trên dữ liệu một cách hiệu quả hơn. Khuyến nghị cho các nghiên cứu tiếp theo là tiếp tục phát triển và hoàn thiện các mô hình trí tuệ nhân tạo, đồng thời áp dụng chúng vào các mỏ khác để kiểm chứng và mở rộng ứng dụng. Bên cạnh đó, cần có sự hợp tác giữa các nhà khoa học, doanh nghiệp và cơ quan quản lý để xây dựng một hệ thống giám sát và quản lý chấn động nổ mìn hiệu quả hơn, đảm bảo an toàn cho cả người dân và môi trường.