(Special session/Open call for public) YARO15: Research activities on rock engineering during the COVID-19 pandemic

[3K0109-13-05] [Student presentation:Master's Course] Study on Prediction of Fragmentation Size in Bench Blasting with Machine Learning

○Yoshitaka Nakao¹, Takashi Sasaoka¹, Akihiro Hamanaka¹, Hideki Shimada¹, Ryohei Nakai², Tomohiko Sakiyama², Masatomo Ichinose³ (1. Kyushu university, 2. Kasuga Mining Co., Ltd., 3. Center of Urban Infrastructure, Environment and Resources)

Chairman:Akira SATO (Kumamoto University)

Keywords:Bench Blasting, Machine Learning

露天掘り鉱山では、効率性および経済性の観点からベンチ発破を用いた採掘が行われている。発破により生じる起砕物の粒径（起砕物粒度）は、発破規格、岩盤強度や岩盤内き裂の状況など様々な要因に依存することが知られているが、それらを考慮した上で粒径を制御する手法が未だ確立されているとは言い難く、起砕物の細粒化や大塊の発生によって生じる小割作業の増大や破砕設備の負担増加が問題となっている。また、昨年度は新型コロナウイルスの影響で現場試験が十分に実施できなかった。そこで本研究では、これまでに蓄積した発破試験データを基に発破規格等の各パラメータが起砕物粒度に与える影響を定量的に評価し、起砕物粒度の予測モデルを算出および評価することで、露天掘り鉱山における起砕物粒度予測の手法に関して知見を得ることを目的とする。