I. Giới thiệu và tính cấp thiết của nghiên cứu
Nghiên cứu mô hình AI dự báo chấn động nổ mìn trong khai thác mỏ lộ thiên là một vấn đề khoa học có tính cấp thiết cao. Chấn động nổ mìn gây ra nhiều tác động tiêu cực như phá hủy công trình, gây nứt nẻ nhà cửa, và ảnh hưởng đến sự ổn định của bờ mỏ. Việc tăng quy mô nổ mìn với khối lượng thuốc nổ lớn làm gia tăng các tác hại này. Mô hình AI được đề xuất nhằm khắc phục hạn chế của các phương pháp thực nghiệm truyền thống, giúp dự báo chính xác hơn và giảm thiểu tác động tiêu cực đến môi trường.
1.1. Tác động của chấn động nổ mìn
Chấn động nổ mìn không chỉ ảnh hưởng đến cấu trúc công trình mà còn gây hoang mang cho cộng đồng dân cư. Các phương pháp thực nghiệm hiện tại không đủ để đánh giá đầy đủ các tác động này, đặc biệt khi các yếu tố như tính chất đất đá và thông số nổ mìn thay đổi.
1.2. Sự cần thiết của mô hình AI
Mô hình AI có khả năng xử lý các mối quan hệ phi tuyến giữa các biến đầu vào, giúp dự báo chính xác hơn. Điều này đặc biệt quan trọng trong bối cảnh các mỏ lộ thiên ngày càng gần khu dân cư, đòi hỏi các giải pháp bảo vệ môi trường và an toàn hiệu quả.
II. Cơ sở lý thuyết và phương pháp nghiên cứu
Nghiên cứu sử dụng các mô hình trí tuệ nhân tạo như Mạng nơ-ron nhân tạo (ANN), Rừng ngẫu nhiên (RF), và Mô hình độ dốc tăng cường (XGBoost) để dự báo chấn động nổ mìn. Các mô hình này được kết hợp với các thuật toán tối ưu hóa như Tối ưu hóa bầy đàn (PSO) và Thuật toán đom đóm (FFA) để nâng cao độ chính xác.
2.1. Mô hình ANN và RF
Mạng nơ-ron nhân tạo (ANN) và Rừng ngẫu nhiên (RF) là hai mô hình chính được sử dụng. ANN có khả năng học các mối quan hệ phi tuyến, trong khi RF giúp giảm thiểu overfitting và cải thiện độ chính xác.
2.2. Kết hợp thuật toán tối ưu hóa
Các thuật toán như PSO và FFA được kết hợp với XGBoost để tối ưu hóa các tham số của mô hình. Điều này giúp cải thiện hiệu suất dự báo và giảm thiểu sai số.
III. Kết quả và ứng dụng thực tiễn
Nghiên cứu đã phát triển thành công các mô hình AI dự báo chấn động nổ mìn với độ chính xác cao. Các mô hình này được áp dụng thử nghiệm tại mỏ than Núi Béo, Quảng Ninh, cho kết quả khả quan. Mô hình PSO-XGBoost và FFA-ANN được đánh giá là có hiệu suất vượt trội so với các mô hình truyền thống.
3.1. Đánh giá hiệu suất mô hình
Các mô hình được đánh giá thông qua các chỉ số như RMSE và MAE. Mô hình PSO-XGBoost cho kết quả tốt nhất với sai số thấp và độ tin cậy cao.
3.2. Ứng dụng thực tiễn
Các mô hình này có thể được áp dụng rộng rãi trong ngành khai thác mỏ lộ thiên, giúp giảm thiểu tác động tiêu cực của chấn động nổ mìn đến môi trường và cộng đồng dân cư.
IV. Kết luận và kiến nghị
Nghiên cứu đã chứng minh hiệu quả của mô hình AI trong dự báo chấn động nổ mìn. Các mô hình lai như PSO-XGBoost và FFA-ANN mang lại độ chính xác cao hơn so với các mô hình đơn lẻ. Điều này mở ra hướng nghiên cứu mới trong việc ứng dụng trí tuệ nhân tạo vào ngành khai thác mỏ.
4.1. Kết luận
Các mô hình AI đề xuất đã cải thiện đáng kể độ chính xác trong dự báo chấn động nổ mìn, góp phần bảo vệ môi trường và nâng cao hiệu quả khai thác mỏ.
4.2. Kiến nghị
Cần tiếp tục nghiên cứu và phát triển các mô hình AI mới, đồng thời áp dụng rộng rãi các mô hình này vào thực tiễn khai thác mỏ lộ thiên tại Việt Nam.
