MODELAMIENTO CON REDES NEURONALES

PANORAMA
• A la fecha se han desarrollado muchos modelos
empíricos y otros determinísticos para predecir los
resultados de una voladura.
• Sin embargo, los fenómenos naturales (físicos y
químicos) involucrados en una voladura son de
naturaleza no lineal (complicada), debido a la
multiplicidad de los factores.
• Esto ha motivado el desarrollo de modelos de
predicción mas simples con un pequeño numero de
variables.
• Asumir el valor de parámetros y su ínter relación es la
principal fuente de error de los modelos actuales.
NEURONA NATURAL Y NEURONA ARTIFICIAL

• Es un tipo de inteligencia artificial. Es un sistema

computacional que emula el cerebro humano.
• Fue propuesta por McCulloch and Pitts en 1943 y
desde entonces se popularizo su aplicación en varios
campos de la ciencia y la tecnología para resolver
problemas complicados de tipo “no lineal”.
Una neurona artificial es un modelo lógico-
matematico de una neurona biologica.
Una neurona procesa información que recibe
mediante sus terminales de entrada y produce una
respuesta o decisión, que es comunicada a otra
neurona.

1) Entradas
2) Combinador
3) Tranferencia
4) Salidas
Una neurona artificial tiene múltiples entradas
(x1, …, xn) y solo una salida (y).
En el proceso de entrenameinto se asigna un
peso arbitrario inicial a cada conexión. Luego
se combinan todas la entradas ponderadas y
se genera la salida de la neurona usando la
siguiente ecuación:
Aplicando el resultado de la ecuación suma
como argumento de la función, se obtiene un
valor en un rango 0-1 o -1, 1, dependiente del
tipo de función.
 NEURONA: DETONACION DE EXPLOSIVO
Oxigeno interno 0.9 0.6

0.5 0.3
Combustible

0.5 0.1
Energia externa
A otras neuronas …

0.6
O= [0.9 0.5 0.5] 0.3 = 0.74 f(o)=0.73
0.1

Detona (0.70 - 1.00)

Detona con bajo orden (0.50 - 0.70)
No detona (0.00 - 0.50)
 RED DE NEURONAS
Neurona4: Tipo de
Neurona1: Iniciación
Detonación de
explosivo

Neurona5:
Fracturamiento de roca

Neurona3: Condición
de humedad

Neurona6: Patrón
BxS
Neurona2:
Confinamiento del
taladro

No hay ecuaciones de la Física o Química, solo sumas y funciones matemáticas.

APRENDIZAJE POR MEMORIA ASOCIATIVA
RED NEURONAL ARTIFICIAL

La red se entrena usando datos reales.

Para una mejor aproximación se requiere de una
base de datos extensa.
PESOS Y FUNCION DE TRANSFERENCIA SE APLICAN POR CAPAS

Una función de activación distinta se aplica a cada capa.

El tipo de función de activación depende de la naturaleza del problema.
 EJEMPLO DE RED NEURONAL

Burden X1 W1

Espaciamiento X2 W2

Altura de banco X3 W3

Fragmentación
Taco X4 W4

Carga especifica X5 W5

Perforación especifica X6 W6
 BASE DE DATOS PARA ENTRENAR LA NEURONA

Se dispone de una extensa base de datos de 243 voladuras …

BASE DE DATOS DE VOLADURA

Espaciamient Longitud de Carga Perforacion

Burde Taco Fragmentacion
o taladro especifica especifica

m m m m Kg/m3 m/m3 m

2.1 3.4 6.0 2 2.1 0.05 0.45

3.5 4 7 3 4.2 0.12 0.7

3 3.4 10 2.5 8.5 0.14 0.97

4.5 5.1 12 5 6.5 0.23 1.1

1.5 2 3 2.5 1.96 0.16 1.5

2.5 3 5 2 10.1 0.2 0.54

ESTADISTICA DE LA BASE DE DATOS

Longitud de Carga Perforacion

Burde Espaciamiento Taco Fragmentacion
taladro especifica especifica

m m m m Kg/m3 m/m3 m

Minimo 1.8 1.7 2.5 1.8 1.96 0.063 0.37

Maximo
4.5 4.3 28.5 3 28.68 0.226 1.76

Promedio 3.02 3.35 17.8 2.8 8.3 0.109 0.82

 OBTENCION DE LOS PESOS

Diseñar la estructura

Introducir pesos
Determinar salidas Determinar confianza
iniciales

Determinar nuevos pesos Retro propagación SI

o nueva estructura del error

Entrenamiento de la
Determinar parámetros de
SI precision (R2, MSE, VAR)
red con datos

Validar y guardad RED

 ITERACION COMPUTACIONAL EN SOFTWARE “SIMBRAIN"

El software realiza los cálculos …

DETERMINACION DE LOS PESOS

Coeficiente de regresion Error Estandar

Backbreak Fragmentación Backbreak Fragmentación

Constante inicial -8.501 -1.959 7.746 1.882

Burden 0.494 0.371 0.804 0.194
Espaciamiento 1.082 0.215 0.868 0.213
Longitud de taladro 0.015 -0.012 0.035 0.009
Taco 1.203 0.182 0.72 0.178
Carga Especifica -0.056 -0.025 0.049 0.014
Perforacion Especifica 23.576 6.45 19.33 4.756
 RED NEURONAL VALIDADA

Burden X1 0.371

Espaciamiento X2 0.215

Altura de banco X3 0.012

Fragmentación
Taco X4 0.182

Carga especifica X5 0.025

Perforación especifica X6 6.45