Ground vibration is one of the most important undesired phenomena resulting from blasting operations imposing damages to facilities and buildings on the one hand, and creating environmental problems in open pit mining on the other. Therefore, the present study aims to provide an optimized classification binary model to identify the blasting patterns with an acceptable ground vibration intensity to reduce the damages resulting from this artificial phenomenon. This study uses a binary method to provide an optimized classification model for predicting and evaluating the blasting patterns with the minimum ground vibration. Group Method of Data Handling‐Type Neural Network is used as one of the most practical optimization algorithms to solve complicated and uncertain problems in this modelling. In this study, by collecting the data of 52 different blasting patterns from Soungun copper mine, some of the most important geometric properties and the amount of ammonium nitrate fuel oil consumed in each blasting pattern are recorded. In addition, based on expertise and experience of experts, the degree of ground vibration produced by each blasting is qualitatively classified into four different ranges of very high, high, normal and low in the form of unacceptable (very high and High) and acceptable (normal and low) clusters. Based on the results obtained from the analyses, the developed model has a high flexibility and ability in the binary prediction of blasting patterns with an acceptable vibration magnitude.

中文翻译：

---

通过GMDH型神经网络算法实现优化的二元分类，以预测爆炸产生的地面振动

地面振动是爆破作业造成的最重要的不良现象之一，爆破作业一方面对设施和建筑物造成损害，另一方面在露天采矿中造成环境问题。因此，本研究旨在提供一种优化的分类二元模型，以识别具有可接受的地面振动强度的爆破模式，以减少这种人为现象造成的破坏。这项研究使用二进制方法来提供优化的分类模型，以最小的地面振动来预测和评估爆破模式。数据处理类型神经网络的分组方法被用作最实用的优化算法之一，用于解决此建模中的复杂和不确定性问题。在这个研究中，通过收集Soungun铜矿的52种不同爆破模式的数据，记录了每种爆破模式中一些最重要的几何特性和硝酸铵燃料油的消耗量。此外，根据专家的专业知识和经验，将每次爆破产生的地面振动程度定性分为非常高，高，正常和低四种不同范围，形式为不可接受（非常高和很高）和可接受（正常和低）集群。基于从分析获得的结果，所开发的模型在具有可接受的振动幅度的爆破模式的二进制预测中具有很高的灵活性和能力。记录了每种爆破模式中一些最重要的几何特性和硝酸铵燃料油的消耗量。此外，根据专家的专业知识和经验，将每次爆破产生的地面振动程度定性分为非常高，高，正常和低四种不同范围，形式为不可接受（非常高和很高）和可接受（正常和低）集群。基于从分析获得的结果，所开发的模型在具有可接受的振动幅度的爆破模式的二进制预测中具有很高的灵活性和能力。记录了每个爆破模式中一些最重要的几何特性和硝酸铵燃料油的消耗量。此外，根据专家的专业知识和经验，将每次爆破产生的地面振动程度定性分为非常高，高，正常和低四种不同范围，形式为不可接受（非常高和很高）和可接受（正常和低）集群。基于从分析获得的结果，所开发的模型在具有可接受的振动幅度的爆破模式的二进制预测中具有很高的灵活性和能力。正常和较低，以不可接受（非常高和较高）和可接受（正常和低）群集的形式出现。基于从分析获得的结果，所开发的模型在具有可接受的振动幅度的爆破模式的二进制预测中具有很高的灵活性和能力。正常和较低，以不可接受（非常高和较高）和可接受（正常和低）群集的形式出现。基于从分析获得的结果，所开发的模型在具有可接受的振动幅度的爆破模式的二进制预测中具有很高的灵活性和能力。