EDİTÖRLER H. AKDAŞ, M. YAVUZ, M. İPHAR, H. AK, M. AKSOY

Transkript

1 EDİTÖRLER H. AKDAŞ, M. YAVUZ, M. İPHAR, H. AK, M. AKSOY

2 VII. Delme Patlatma Sempozyumu Bildiriler Kitabı Kaya Kütle Özellikleri ve Patlatma Tasarım Parametrelerinin Patlatma Kaynaklı Yer Sarsıntıları Üzerine Etkilerinin İncelenmesi Investigation of Effects of Blasting Design Parameters and Rock Mass Properties on Blast-Induced Ground Vibrations E. Arpaz Kocaeli Üniversitesi, Kocaeli Meslek Yüksekokulu, Kocaeli, Türkiye A. Koçaslan, K. Görgülü Cumhuriyet Üniversitesi, Mühendislik Fakültesi, Maden Mühendisliği Bölümü, Sivas, Türkiye A. G. Yüksek Cumhuriyet Üniversitesi, Bilgisayar Mühendisliği Bölümü, Sivas, Türkiye M. K. Dilmaç Atatürk Üniversitesi, Oltu Yerbilimleri Fakültesi, Maden Mühendisliği Bölümü, Erzurum, Türkiye ÖZET Patlatma kaynaklı yer sarsıntısının şiddeti kaya kütlesinin fiziksel ve mekanik özellikleri, patlayıcı karakteristikleri ve patlatma tasarımı gibi parametreler tarafından etkilenmektedir. Diğer yandan, kaya karakteristikleri sahadan sahaya ya da bir basamağın bir yanından diğer yanına bile geniş ölçüde değişebildiği gibi süreksizliklere ve jeolojik yapıya bağlı olarak yönsel farklılıklar gösterebilmektedir. Bu araştırma kapsamında çevre kaya kütle özellikleri ve patlatma tasarım parametrelerinin patlatma kaynaklı yer sarsıntıları üzerine etkilerinin incelenmesi amacıyla Kırka Bor Açık İşletmelerinde yer sarsıntı ölçümleri gerçekleştirilmiş ve sonuçları değerlendirilmiştir. Bu amaçla tepe parçacık hızı ve frekans tahminine yönelik olarak bazı patlatma tasarım parametreleri ve çevre kayaların RMR (%), özdirenç, P- ve S-dalga hızlarını kapsayan yapay sinir ağları (YSA) ve çoklu regresyon modelleri oluşturulmuştur. Bu modellerden ve klasik değerlendirmelerden elde edilen sonuçlar karşılaştırılmış ve yapay sinir ağlarının diğer yöntemlere göre daha güvenilir sonuçlar verdiği sonucuna ulaşılmıştır. Anahtar kelimeler: Patlatma, Yer sarsıntısı, Kaya kütle özellikleri, Yapay sinir ağları, Çoklu regresyon analizi. ABSTRACT The magnitude of blast-induced vibrations is affected by parameters such as physical and mechanical properties of the rock mass, explosive characteristics and blasting design. On the other hand, the rock characteristics change widely from field to field or from a part of a bench to other part and shows directional variability according to discontinuities and geological structure. This study deals with the effect of rock mass characteristics and parameters of blasting design on blast-induced vibrations in Kırka Boron Open Pit Mine. In this regard several vibration measurements have been carried out and also the related data have been analyzed 9

3 VII. Delme Patlatma Sempozyumu 7-8 Kasım 2013, ESKİŞEHİR and evaluated. To this end several artificial neural network (ANN) and regression models based on same blasting design parameters, and RMR (%), resistivity, P- and S-wave velocities of the surrounding rocks have been constituted to estimate the peak particle velocities and frequencies of related blast induced vibrations. The data derived from these models and classical evaluations indicate the fact that ANN gives more reliable results than those of the other methods. Keywords: Blasting, Ground vibrations, Rock mass properties, Artificial neural networks, Multiple regression analysis. 1 GİRİŞ Günümüzde; madencilik sektörü başta olmak üzere, inşaat, taş ocakçılığı, petrol arama ve üretim faaliyetleri, tarım ve ormancılık sektörü, altyapı hizmetleri, endüstriyel ve askeri alanlar gibi kayacın yerinden sökülmesinde patlatma teknolojisi kullanan çeşitli sektörlerin karşılaştığı en önemli sorun patlatmadan kaynaklanan yer sarsıntıları, fırlayan kayalar ve hava şoklarıdır. Bir deliğe yerleştirilen patlayıcı infilak ettiği zaman basınç (50 GPa a kadar) ve sıcaklık (5000 K e kadar) açısından çok büyük miktarda enerji açığa çıkmaktadır (Hino 1956, Mckenzie 1990, Cheng ve Huang 2001). Patlayıcı enerjisinin sadece %20-30 luk kısmı kaya kütlesinin kırılması ve ötelenmesinde kullanılmakta, enerjinin geri kalanı yer sarsıntısı, uçan kayalar, gürültüler, geri kırılmalar, aşırı kırılmalar gibi istenmeyen etkilere harcanmaktadır (Hagan 1973). Diğer bir ifadeyle, patlatma işlemi sonucunda oluşan enerjinin bir kısmı kayacın parçalanması nedeniyle sönümlenirken; sönümlenmeyen kısmı da patlatma kaynağından dışarıya doğru sismik dalgalar halinde yayılmaktadır. Yer sarsıntısının şiddeti; kaya kütlesinin fiziksel ve mekanik özellikleri, patlayıcı karakteristikleri ve patlatma tasarımı gibi parametreler tarafından etkilenmektedir (Wiss ve Linehan 1978). Gecikme başına maksimum şarj, gecikme zamanı, dilim kalınlığı, delikler arası mesafe, şarj uzunluğu, ateşleme sırası, yemleme tipi ve yeri gibi tasarım parametreleri sismik enerjinin dağılımını önemli ölçüde etkilemektedir (Pal 2005). Bazı araştırmacılar dilim kalınlığının, diğer tüm tasarım parametreleri üzerinde etkili olduğunu, delikler arası mesafe, sıkılama boyu, delik taban payı, gecikme aralığı, dip şarjı boyu, kolon şarjı boyu gibi diğer tasarım büyüklüklerinin, dilim kalınlığının fonksiyonu olarak ifade edilebileceği ve bu şekilde anlamlı tasarımlar yapılabileceğini vurgulamışlardır (Gustafsson 1973, Tamrock 1984, Olofsson 1988, Ash 1990, Konya ve Walter 1990, Rustan 1990, Singh 1993, Jimeno vd. 1995). Siskind (1989), patlatma yer sarsıntısı frekans karakteristiklerinin, gecikme aralığı ve patlatılan kaya yapısına bağlı olduğunu ifade etmişlerdir. Olofsson (1988), yer sarsıntısı karakteristiklerini etkileyen zemin özelliklerini; dalgaların ilerleme hızını belirleyen zeminin elastik sabitleri (elastisite ve makaslama modülü), zeminin tipi, yeraltı suyu seviyesi ve nem, topoğrafya, zeminin karakteristiği olarak açıklamıştır. Diğer yandan, kaya karakteristikleri sahadan sahaya ya da bir basamağın bir yanından diğer yanına geniş ölçüde değiştiği gibi süreksizliklere ve jeolojik yapıya bağlı olarak yönsel olarak da farklılıklar gösterebilmektedir. Sismik dalgalar, homojen ve masif kaya kütlelerinde tek yönde ilerlemekte, daha karmaşık yapılara sahip kaya kütlelerinde ise farklı yönlere dağılarak ilerleme sağlamaktadırlar. Çünkü kaya birimindeki süreksizlikler, dolgular ve tektonik arızalar dalgaların ilerleme yönünü ve şiddetini değiştirmektedir (Blair ve Spathis 1982, Cook 1992, Fourney vd. 1997, Hao vd. 2001). Bu nedenle bir maden işletmesinde yapılan patlatma sonucu oluşan yer sarsıntılarının şiddeti yönsel olarak değişik değerler verebilmektedir (Blair ve Spathis 1982, ISRM 1992, Jimeno vd. 1995, Arpaz 2000, Aldaş 2002, Ak 2006). Patlatma kaynaklı yer sarsıntılarının değerlendirilmesiyle ilgili çalışmaların büyük çoğunluğu, patlatma şok büyüklüğü (patlayıcı madde miktarı) ve sönümlenme büyüklüğü (mesafe) gibi iki önemli parametre üzerinde yoğunlaşmakta ve patlatma kaynaklı 10

4 VII. Delme Patlatma Sempozyumu Bildiriler Kitabı yersarsıntıları bu iki parametreye dayanan eşitliklerle modellenmektedir (Davies vd. 1964, Attewell vd. 1965, Ambrayes 1968, Nicholls 1971, ISI 1973, Langefors ve Kihlström 1978, Shoop ve Daemen 1983, Birch ve Chaffer 1983, Ghosh ve Daemen 1983, Gupta vd. 1987, Gupta vd. 1988, Arpaz 2000, Bilgin 2005, Ak 2006, Khandelwal ve Singh 2009, Arpaz vd. 2012). Geliştirilen ölçüme dayalı denklemlerde patlatma kaynaklı yer sarsıntılarının oluşum ve gelişiminde etkili olan/olabilecek diğer unsurlar, saha sabitlerinin üzerine yüklenmektedir. Bu durum yukarıda açıklanan nedenlerden dolayı bazı hallerde belirsizliği arttırabilmektedir. Farklı formüller, aynı kazı yeri için, gecikme başına şarja karşı emniyetli tepe parçacık hızının farklı değerlerini vermektedir. Diğer bir ifadeyle farklı araştırmacılar tarafından üretilen formüllerin uygulanması ile elde edilen sonuçlar, birbirinden farklıdır. Son yıllarda bir çok araştırıcı tarafından tepe parçacık hızı ve frekans tahmininde çeşitli patlatma tasarım parametreleri ve kaya madde/kütle özelliklerini baz alan yapay sinir ağları modelleri oluşturulmaya çalışılmıştır (Khandelwal ve Singh 2009, Mohamed 2009, Monjezi vd. 2010, Amnieh vd. 2010, Kamalı ve Ataei 2010, Alvarez-Vigil vd. 2012). Khandelwal ve Singh (2006,2009), yapay sinir ağları ile tepe parçacık hızı (PPV) ve frekans (f) tahmininin oldukça iyi sonuçlar verdiğini, çoklu regresyon analizlerinden elde edilen modellerin yüksek hata payları nedeniyle kullanılamaz olduklarını ifade etmişlerdir. Bu çalışmalarda yapay sinir ağları veya çoklu regresyon analizlerinde kullanılan veriler tek bir sahadan elde edilen verilere dayanmaktadır. Bu araştırma kapsamında çevre kaya kütle özelliklerinin ve patlatma tasarım parametrelerinin patlatma kaynaklı yer sarsıntıları üzerine etkilerinin incelenmesi amacıyla Eti Maden Kırka Bor Açık İşletmesinde yer sarsıntıları ile ilgili yapılan arazi ölçümlerinin sonuçları değerlendirilmiştir. Bu amaçla klasik değerlendirmelere ilave olarak patlatma sahasının tepe parçacık hızı ve frekans tahminine yönelik olarak her üç sahadan elde edilen verilerden yararlanılarak yapay sinir ağları ve çoklu regresyon modelleri oluşturulmuştur. 2 ÇALIŞMA SAHASI Eti Maden Kırka Bor Açık İşletmesi Eskişehir ilinin 70 km güneyindeki Kırka bucağı civarında yer almaktadır. Kırka baseni ve yakın çevresinde, Miyosen öncesi temel kayaç (metamorfik, ofiyolit ve karbonatlar) ile Neojen yaşlı volkanik ve sedimanter birimler yer almaktadır. Bunlardan Neojen istifi YALÇIN (1989) tarafından beş litostratigrafi birimine aynlmıştır. Bu birimler, İdrisyayla volkanitleri (andezit, riyolit ve volkanik breş), Karaören formasyonu (zeolitli tüfler), Sarıkaya formasyonu, Türkmendağı bazaltı ve Fethiye formasyonudur (resedimante tüf). Çalışma alanında yer alan Sarıkaya formasyonu m (ort. 230 m) arasında değişen kalınlığa sahiptir. Birim, m (ort. 30 m) kalınlığında, yer yer santimetrik kiltaşı ve tüf bantları içeren, masif-kalın tabakalı ve travertene benzer lifsi yapıdaki kireçtaşları ile başlamaktadır. Bu seviyenin üzerinde ortalama 25 m (10-40 m) kalınlığa sahip ince tabakalı dolomitik kireçtaşları yer almaktadır. Üzerine gelen laminasyonlu kiltaşı/marn-dolomit ardalanmasının kalınlığı ortalama 20 m olup 5-40 m arasında değişmektedir. Bozunmuş lifsi yapıda pomza parçaları içeren santimetrik tüf arakatkılı, killikarbonatlı borat zonunun kalınlığı ise m (ort. 80 m) arasındadır. Bu zonun üstündeki laminasyonlu kiltaşı/marndolomit ardalanmasının kalınlığı 5-40 m (ort. 20 m) arasında değişim göstermektedir. Özellikle bu seviyede atımları milimetre-metre arasında değişen yüzlerce sinsedimanter normal faylar, tabakalar arası kıvrım veya kayma yapılar ile büyük çökme yapıları bulunmaktadır. Formasyonun üst kesimini dolomitik kireçtaşları (10-40 m, ort. 25 m) ve bol çört yumrulu/bantlı, yer yer lifsi yapıdaki kireçtaşları (20-50 m, ort. 30 m) oluşturmaktadır (Şekil 1). 11

5 VII. Delme Patlatma Sempozyumu 7-8 Kasım 2013, ESKİŞEHİR Şekil 1. Çalışma alanının jeoloji haritası (Helvacı ve Alaca 1991) Sahada bor üretimi kamyon-ekskavatör uygulamalarına dayalı açık işletme yöntemiyle yapılmaktadır. Yıllık üretim 1-1,5 milyon ton arasında değişmekte, buna karşılık 4,5 milyon m 3 dekapaj kaldırılmaktadır. Sahadaki atımlar bor üretimi amacıyla yapılmaktadır. Delme işlemlerinde cm çaplı matkaplar kullanılmakta, basamak yüksekliğine bağlı olarak delik boyları 3-12 m, dilim kalınlıkları 2,5-6,5 m ve delikler arası mesafe 5-7,45 m aralığında değişmektedir. Patlayıcı madde olarak ANFO kullanılmaktadır. Açık ocak içerisinde oldukça büyük bir su toplama havuzu vardır (Şekil 2). Şekil 2. Kırka bor açık işletmesi 12

6 3 MALZEME VE YÖNTEM VII. Delme Patlatma Sempozyumu Bildiriler Kitabı Bu çalışmada yukarıda ifade edilen üç farklı maden işletmesinde gerçekleştirilen ölçüm sonuçlarına yer verilmiştir. Ölçümlerde 7 parçacık hızı ölçer cihaz (5 adet Instantel Minimate Blaster, 1 adet Instantel Minimate Plus, 1 adet Çift kanallı Instantel Blastmate III ve 1 adet Instantel DS677) kullanılmıştır. Kırka Bor Açık İşletmesinde toplam 32 patlatma atımı izlenmiş ve 230 adet patlatma sarsıntı verisi kaydedilmiştir. Sahada elde edilen veriler (Nicholls 1971) tarafından önerilen modele (Eşitlik 1) uygun olarak yönsel olarak değerlendirilmiş ve ilgili saha sabitleri bulunmuştur. PPV K *( R/ W ) (1) Burada PPV tepe parçacık hızı (m/sn), R ölçüm noktası ile patlatma noktası arasındaki mesafe (m), W gecikme başına maksimum patlayıcı madde miktarı (kg), K ve saha sabitleri, R / W ölçekli mesafedir. Bilindiği gibi P ve/veya S dalga hızından yararlanılarak formasyonların kalınlıkları, yoğunlukları (Palmström 1982), dinamik elastik parametreleri (Butler ve Curro 1982, ISRM 1998), tek eksenli basınç dayanımları (Anonim 2012), RQD (%) değeri, çatlak yoğunluğu ve süreksizlik indeksi (Leucci ve Giorgi 2006), RMR sınıflama değeri (Cha vd. 2006), Q sınıflama değeri (Barton 2002), gözeneklilikleri (Watkins vd. 1972) ve özdirenç değerlerinden yararlanılarak kalınlıkları belirlenebilmektedir. Dolayısıyla, özdirenç, P ve S-dalga hızları önemli çevre kaya madde/kütle özelliklerini içermektedirler. Bu nedenle her sahada düşey elektrik sondajı ve sismik (kırılma ve MASW) ölçümler yapılmış, sonuçlar daha önceden işletmelerin yapmış olduğu sondaj kesitleri ile ilişkilendirilerek yorumlanmış, her bir tabaka için formasyon birimleri, özdirenç ve sismik hız değerleri belirlenmiştir. Patlatma ölçümlerinin yapıldığı çalışma alanları jeolojik yapı itibarıyla bölgelere ayrılmış ve her bir bölgenin ortalama RMR (%) (Bieniawski 1989) değerleri belirlenmiştir. Daha sonra her bir ölçüm noktasına ait RMR, özdirenç, P ve S dalga hızları ortalama olarak belirlenerek modelleme çalışmalarında giriş verisi olarak kullanılmıştır. Genel olarak YSA, beynin bir işlevi yerine getirme yönteminin modellenmesi amacıyla oluşturulan bir sistem yaklaşımı olarak tanımlanabilir. YSA, yapay sinir hücrelerinin birbirleri ile bağlanmasından oluşur ve genellikle farklı katmanlar şeklinde düzenlenir. Donanımsal olarak elektronik devrelerle ya da bilgisayarlarda yazılımları olarak gerçekleşebilir. Beynin bilgi işleme yöntemine uygun olarak YSA, eğitim aşamasını takip eden bir öğrenme sürecinden sonra bilgiyi toplama, hücreler arasındaki bağlantı ağırlıkları ile bu bilgiyi saklama ve genelleme yeteneğine sahip paralel dağılmış bir işlemcidir. Öğrenme süreci, hedeflenen amaca ulaşmak için YSA ağırlıklarının yenilenmesini sağlayan öğrenme algoritmalarını içerir (Fausett 1994, Fine 1999). Temel bir YSA hücresi, biyolojik sinir hücresine göre çok daha basit bir yapıya sahiptir. En temel nöron modeli Şekil 3 de görülmektedir. YSA hücresinde temel olarak dış ortamdan ya da diğer nöronlardan alınan veriler yani girişler, ağırlıklar, toplama fonksiyonu, aktivasyon fonksiyonu ve çıkışlar bulunmaktadır. Dış ortamdan alınan veri ağırlıklar aracılığıyla nörona bağlanır ve bu ağırlıklar ilgili girişin etkisini belirler. Toplam fonksiyonu ise net girişi hesaplar. Net giriş, bu girişlerle ilgili ağırlıkların çarpımının bir sonucudur. Aktivasyon fonksiyonu işlem süresince net çıkışını hesaplar ve bu işlem aynı zamanda nöron çıkışını verir. Genelde aktivasyon fonksiyonu doğrusal olmayan (nonlineer) bir fonksiyondur (Fausett 1994, Fine 1999). 13

7 VII. Delme Patlatma Sempozyumu 7-8 Kasım 2013, ESKİŞEHİR Şekil 3. Temel yapay sinir ağları hücresi. Levenberg-Marquart algoritması, karelerin toplamlarının minimize edildiği matematik problemleri için sayısal çözüm sağlayan bir algoritmadır. Genellikle bu problemler parametrik değer kümelerine bağımlı lineer olmayan fonksiyonlardır. Yarı-Newton algoritmasında olduğu gibi daha hızlı eğitim hızlarına ulaşmak için tercih edilir ve bahsedilen algoritmadan farklı olarak Hessian Matrisinin hesaplanmasına gerek duyulmaz. Levenberg-Marquart algoritmasında hata fonksiyonu Eşitlik 2 de görüldüğü gibi kareler toplamıdır (Marquardt vd. 1991, Paul 1993). n n ( yi ti) ei (2) 2 2 t 1 t 1 Levenberg_Marquartdt algoritması, metodu kullanılarak bir ağırlık vektörünün minimize edilmesi ile ilgili çözümleme Eşitlik 3 de görüldüğü gibidir (Marquardt vd. 1991, Paul 1993). w k T 1 T w [ J J I] J e (3) k 4 ÖLÇÜM SONUÇLARI VE DEĞERLENDİRME Patlatma ölçümlerinin yapıldığı çalışma alanları Kırka Bor Açık İşletmesinde 4 bölgeye ayrılmış ve bölgenin ortalama RMR (%)(Bieniawski 1989), değerleri belirlenmiştir (Çizelge 1). Sahada yapılan ölçüm noktaları ve bölgeler Şekil 4 de gösterilmiştir. Çizelge 1. RMR a Göre Sınıflama Sonuçları Bölge Formasyon RMR (%) 1 2 Marn, Bor Bor 54,90 49,50 3 Kiltaşı, Bor 35,25 4 Kiltaşı-Tüf 28,00 14

8 VII. Delme Patlatma Sempozyumu Bildiriler Kitabı Şekil 4. Bölgeler, ölçüm noktaları ve cihaz kodları (Kırka) Bölgede yapılan ölçümlerden elde edilen veriler, Eşitlik 1 de verilen model bazında değerlendirilmeye tabi tutulmuş ve regresyon analizi yardımıyla saha sabitleri (K ve ) belirlenmiştir (Şekil 5). Şekil 5. Tüm atımlara ait tepe parçacık hızı-ölçekli mesafe ilişkisi (Kırka) 15

9 VII. Delme Patlatma Sempozyumu 7-8 Kasım 2013, ESKİŞEHİR Yapay sinir ağları modelinin kurulması ve uygun olan modelin seçilmesi ile farklı birçok ağ modeli üzerinde değişik eğitim algoritmaları kullanılarak ve bunlara ait parametreler değiştirilerek her model ve eğitim algoritması için birçok deneme yapılmıştır. Kurulan modeller tek ve iki gizli katmanlı yapılar olarak değişik düğüm sayılarında oluşturulmuştur. Oluşturulan model denemelerinde bir katmanlı, ileri geri besleme yayılmalı sinir ağı, 10 gizli nöronlar, 11 giriş parametresi, 2 çıkış parametresi ve toplam hata değeri olarak 0,01 değerleri sabit olarak seçilmiştir. PPV ve frekans değerlerini tahmin etmek için yapay sinir ağları ile oluşturulan modele verilen giriş parametreleri her üç sahadan elde edilen, mesafe, gecikme başına patlayıcı madde miktarı, delik sayısı, delik boyu, sıkılama boyu, delikler arası mesafe ve dilim kalınlığı gibi önemli patlatma tasarım parametreleri ile arazide doğrudan ölçülebilen RMR, özdirenç, S-dalga hızı, P-dalga hızı gibi verilere dayandırılmıştır (Şekil 6). Bu giriş parametrelerine göre geliştirilen modelden tahmin edilen çıkış parametreleri ile sahada ölçülen parametreler arasında oldukça yüksek korelasyonlu ilişki (R 2 =0,81-0,96) elde edilmiştir (Şekil 7-8). Şekil 6. Giriş ve çıkış parametreleri Şekil 7. Tahmin edilen ve ölçülen PPV değerleri 16

10 VII. Delme Patlatma Sempozyumu Bildiriler Kitabı Şekil 8. Tahmin edilen ve ölçülen frekans değerleri Yapay sinir ağlarında kullanılan giriş-çıkış parametrelerinin aynıları kullanılarak çoklu regresyon analizleri yapılmıştır (Eşitlik 4-5). Çoklu regresyon analizlerinden elde edilen korelasyon katsayıları frekans için oldukça düşük (R 2 =0,21), PPV için orta-düşük (R 2 =0,45) düzeydedir. PPV 1,308 0,073R 0,008W 0,043 0,006V 0,002V 0,051DS 2,22H 7,734SB 4,564S 2,439B 0,266RMR s p (4) f 88,864 0,088R 0,003W 0,205 0,021V 0,025V 0,059DS 2,289H 9,935SB 0,361S 1,522B 0,279RMR s p (5) 5 SONUÇLAR Patlatma kaynaklı yer sarsıntısının şiddeti; çevre kaya kütlesinin fiziksel ve mekanik özellikleri, patlayıcı karakteristikleri ve patlatma tasarımı gibi parametrelerin bir fonksiyonudur. Ancak, bu şiddetin belirlenmesine dönük yaklaşımlar ve değerlendirmeler ile ilgili araştırmaların büyük çoğunluğu, patlatma şok büyüklüğü (patlayıcı madde miktarı) ve sönümlenme büyüklüğü (mesafe) gibi iki önemli parametre üzerinde yoğunlaşmakta ve patlatma kaynaklı yersarsıntıları bu iki parametreye dayanan eşitliklerle modellenmektedir. Amprik olarak geliştirilen denklemlerde patlatma kaynaklı yersarsıntılarının oluşum ve gelişiminde etkili olan/olabilecek diğer unsurlar, saha sabitlerinin üzerine yüklenmektedir. Bu kapsamda farklı ampirik formüller, aynı kazı yeri için, gecikme başına şarja karşı emniyetli tepe parçacık hızının farklı değerlerini vermektedir. Buna ilaveten özellikle maden işletmelerinde yapılan atımlar sonucunda oluşan yer sarsıntılarının şiddeti, yönsel olarak değişik değerlere ulaşmaktadır. Bu araştırma kapsamında çevre kaya kütle özelliklerinin patlatma kaynaklı yer sarsıntıları üzerine etkilerinin incelenmesi ve güvenilirliği yüksek tahmin modellerinin geliştirilmesi amaçlanmıştır. Amaca yönelik olarak üç farklı açık işletmede arazi ölçümleri yapılmış, tepe parçacık hızı ve frekans tahminine dönük olan ve her üç sahadan elde edilen verilere dayanan yapay sinir ağları ve çoklu regresyon modelleri oluşturulmuştur. Yapılan modelleme çalışmalarının giriş verileri mesafe, gecikme başına patlayıcı madde miktarı, delik sayısı, delik boyu, sıkılama boyu, delikler arası mesafe ve dilim kalınlığı gibi önemli patlatma 17

11 VII. Delme Patlatma Sempozyumu 7-8 Kasım 2013, ESKİŞEHİR tasarım parametrelerine ve önemli çevre kaya madde/kütle özelliklerini kapsayan RMR, özdirenç, P- ve S- dalga hızı gibi verilere dayandırılmıştır. İşaret edilen verilerin çoklu regresyon analizleri yardımıyla değerlendirilmesinden elde edilen sonuçlar, yeterince tatmin edici değildir. Buna karşın yapay sinir ağları ile oluşturulan modeller klasik değerlendirme yöntemlerine göre daha yüksek korelasyon katsayılı ilişkilerin (R 2 =0,81-0,96) varlığını göstermiştir. Bu sonuçlar yapay sinir ağlarının çoklu regresyona göre daha güvenilir sonuçlar verebileceğine işaret etmektedir. TEŞEKKÜR Bu çalışma TÜBİTAK tarafından 110M294 no lu proje ile desteklenmiştir. Yazarlar ayrıca Eti Maden çalışanlarına teşekkür ederler. KAYNAKLAR Ak, H., Patlatma Kaynaklı Yer Sarsıntılarının Yönsel Değişiminin Araştırılması, (Doktora Tezi), Eskişehir Osmangazi Üniversitesi Fen Bilimleri Enstitüsü. Aldaş, G.G.U., Effect of Some Rock Mass Properties on Blasting Induced Ground Vibration Wave Characteristics at Orhaneli Surface Coal Mine, (Ph.D. Thesis), Middle East Technical University. Alvarez-VIGIL, A.E., Gonzalez-Nicieza, C., Gayarre Lopez, F., Alvarez-Fernandez, M.I., Predicting Blasting Propagation Velocity and Vibration Frequency Using Artificial Neural Network, Int. J. Rock Mech. Min. Sci., 55, Ambraseys, N.R., Hendron, A.J., Dynamic Behaviour of Rock Masses, Rock Mechanics in Engineering Practices, Wiley-London. Amnieh, H.B., Mozdianfard, M.R., Siamaki, A., Predicting of Blasting Vibrations in Sarcheshmeh Copper Mine by Neural Network, Safety Science, 48, Anonim, GeoSeis v1.3.3 Kullanım Kılavuzu. Arpaz, E., Türkiye deki Bazı Açık İşletmelerde Patlatmadan Kaynaklanan Titreşimlerin İzlenmesi ve Etkilerinin Araştırılması, (Doktora Tezi), Cumhuriyet Üniversitesi Fen Bilimleri Enstitüsü. Arpaz, E., Uysal, Ö., Tola, Y., Görgülü, K., Çavuş, M., Comparison of blast-induced ground vibration predictors in Seyitomer coal mine, 12th Rock Mechanic Symposium, Beijing, No Ash, R.L., Design of Blasting Rounds, Surface Mining, SMME, Colarado-USA. Attewell, P.B., Farmer, I.W., Haslam, D., Prediction of Ground Vibration Parameters from Major Quarry Blasts, Mining and Minerals Eng., Barton, N., Some New Q-Value Correlations to Assist in Site Characterisation and Tunnel Design, International Journal of Rock Mechanics & Mining Sciences, 39, Bieniawski, Z.T., Engineering Rock Mass Classifications, Wiley, New York, No 251. Bilgin, A., Açık Ocak ve Taşocaklarında Patlatma, Maden Mühendisliği Açık Ocak İşletmeciliği El Kitabı, ed: Karpuz C., Eskikaya Ş., Hindistan M.A., Tamzok N., TMMOB Maden Mühendisleri Odası, No Birch, W.J., Chaffer, R., Prediction of Ground Vibration from Blasting on Opencast Sites, Trans. Inst. Min. Metall. (Sec. A: Mining Industry). Blair, D.P., Spathis, A.T., Attenuation of Explosion-Generated Pulse in Rock Masses, Journal of Geophysical Research, 87, 5: Butler, D.K., Curro J.R. Jr., Crosshole Seismic Testing Procedures and Pitfalls, Goephysics, 46 (1), Cha, Y.H., Kang, J.S., Jo C.H., Application of Linear-Array Microtremor Surveys for Rock Mass Classification in Urban Tunnel Design, Exploration Geophysics, 37, Cheng, G., Huang, S.L., Analysis of Ground Vibrations Caused By Open Pit Production Blasts-A Case Study Fragblast, International Journal of Blasting and Fragmentation, 5, Cook, N.G.W., Influence of Clays and Clay Fluid Interactions on Seismic Wave Attenuation in Reservoir Rocks: Milestone Report Seismic Wave Propagation Across Thin Clay Layers, Gas Research Institute. Davies, B., Farmer, I.W., Attewell, P.B., Ground Vibration from Shallow Sub-Surface Blasts, the Engineer, 217,

12 VII. Delme Patlatma Sempozyumu Bildiriler Kitabı Fausett, Laurene., Fundamentals of Neural Networks, NJ Prentice Hall. Fine, Terence, L., Feedforward Neural Network Methodology, New York Springer. Fourney, W.L., Dick, R.D., Fordyce, D.F., Weaver, T.A., Effects of Open Gaps on Particle Velocity Measurements, Rock Mechanics and Rock Enginering, 30 (2), Ghosh, A., Daemen, J.K., A Simple New Blast Vibration Predictor, In: Proceedings of the 24 th US Symposium on Rock Mechanics, College Station, Texas, No Gupta, R.N., Roy, P.P., Bagachi, A., Singh, B., Dynamic Effects in Various Rock Mass and Their Predictions, J. Mines, Met. Fuels, Gupta, R.N., Roy, P.P., Singh, B., On a Blast Induced Blast Vibration Predictor for Efficient Blasting, Proceedings of the 22 nd International Conference of Safety in Mines, Beijing-China, No Gustafsson, R., Swedish Blasting Technique, Gothenburg-Sweden. Hagan, T.N., Rock Breakage by Explosives, Int. Proceedings of the National Symposium on Rock Fragmentation, Adelaide, No Hao, H., Wu, Y., Ma, G.W., Zhou, Y.X., Characteristics of Surface Ground Motions Induced by Blasts in Jointed Rock Mass, Soil Dynamics and Earthquake Engineering, 21, Helvacı, C., Alaca, O., Bigadiç Borat Yatakları ve Çevresinin Jeolojisi ve Mineralojisi, MTA Dergisi, 113, Hino, K., Fragmentation of Rock Through Blasting, J. Ind. Explosive Soc.,17(1), ISI., Criteria for Safety and Design of Structures Subjected to Underground Blast, Indian Standard Institute, ISI Bull, ISRM, Suggested Methods for Seismic Testing Within and Between Boreholes, Int. J. of Rock Mech. and Mining Sci. & Geo. Abs., 25, ISRM., Suggested Method for Blast Vibration Monitoring, Int. J. of Rock Mech. and Mining Sci. & Geo. Abs., 29, Jimeno, C.L., Jimeno, E.L., Carcedo, F.J.A., Drilling and Blasting of Rocks, A.A. Balkema Publishers, Brookfield-Rotterdam, No 390. Kamalı, M., Ataei, M., Prediction of Blast Induced Ground Vibrations in Karoun III Power Plant and Dam: A Neural Network, the Journal of the Southern African Institute of Mining and Metallurgy, 110, Khandelwal, M., Singh, T.N., Prediction of Blast Induced Ground Vibrations and Frequency in Opencast Mine: A Neural Network Approach, Journal of Sound and Vibration, 289, Khandelwal, M., Singh, T.N., Prediction of Blast-Induced Ground Vibration Using Artificial Neural Network, International Journal of Rock Mechanics & Mining Sciences, 46, Konya, J.A., Walter, E.J., Surface Blast Design, New Jersey, No 292. Langefors, U., Kihlström, B., The Modern Technique of Rock Blasting, Third Edition, Stockholm- Sweden. Leucci, G., Giorgi L.D., Experimental Studies on the Effects of Fracture on the P and S Wave Velocity Propagation in Sedimentary Rock (Calcarenite Del Salento), Engineering Geology, 84, 3-4, Marquardt, Donald W., Ulery, Dana L., Product Quality Management. Wilmington,DE: E.I. du Pont de Nemours, Quality Management & Technology Center. OCLC Mckenzie, C., Quarry Blast Monitoring Technical and Environmental Perspective, Quarry Manag., Mohamed, M.T., Artificial Neural Network for Prediction and Control of Blasting Vibrations in Assiut (Egypt) Limestone Quarry, International Journal of Rock Mechanics & Mining Sciences, 46, Monjezi, M., Amiri, H., Farrokhi, A., Goshtasbi, K., Prediction of Rock Fragmentation Due to Blasting in Sarcheshmeh Copper Mine Using Artificial Neural Networks, Geotechnical and Geological Engineering, 28, Nicholls, H.R., Johnson, C.F., Duvall, W.I., Blasting Vibrations and Their Effects on Structures, United States Department of Interior, USBM Bulletin 656. Olofsson, S.O., Applied Explosives Technology for Construction and Mining, Sweden, Pal, R.P., Rock Blasting, New Delhi: Oxford, IBH Publishing. Palmström, A., The Volumetric Joint Count-A Useful and Simple Measure of the Degree of Rock Jointing, Proc. 4th Congr. Int. Assn. Eng. Geol., Delhi, Paul, Davis., Levenberg Marquart Methods and Nonlinear Estimation, SIAM News, 26, No 6. 19

13 VII. Delme Patlatma Sempozyumu 7-8 Kasım 2013, ESKİŞEHİR Rustan, P.A., Burden Spacing and Borhole Diameter at Rock Blasting, the 3 rd International Symposium on Rock Fragmentation by Blasting. Shoop, S.A., Daemen, J.J.K., Sire-specific Predictions of Ground Vibrations Induced by Blasting, AIME Spring Meeting, Atlanta. Singh, S.P., Prediction and Determination of Explosive Induced Damage, 4 th International Symposium on Rock Fragmentation by Blasting, Vienna-Austria. Siskind, D.E., Crum, S.V., Otterness, R.E., Kopp, J.W., Comparative Study of Blasting Vibrations from Indiana Surface Coal Mines, USBM RI Tamrock., Handbook of Surface Drilling and Blasting, Finland. Watkins, J.S., Walters, L.A., Godson, R.H., Dependence of In Situ Compressional Wave Velocity on Porosity in Unsaturated Rocks, Geophysics, 37, Wiss, J.F., Linehan, P.W., Control of Vibration and Air Noise from Surface Coal Mines, III. US Bureau of Mines Report OFR103, No