چکیده: امروزه موضوع پایداری شیب‌های سنگی معادن روباز با افزایش روزافزون مقیاس این پروژه‌ها اهمیت بیشتری یافته است. پیچیدگی مکانیزم‌های شکست این شیب‌های بزرگ مقیاس سبب شده است که روش‌های معمول به طور کامل قادر به تحلیل و پیش‌بینی چنین رخدادهایی نباشند. علت اصلی این امر را می‌توان به تعدد پارامترهای کنترل کننده پایداری و از طرف دیگر اندرکنش موجود میان این پارامترها ربط داد. برای فائق آمدن بر این مشکل، در این تحقیق یک رویکرد سیستمی معروف بنام رویکرد سیستم‌های مهندسی سنگ (RES) مورد توجه قرار گرفته است. در اکثر کاربردهای قبلی این رویکرد، در قسمت تعیین اندرکنش پارامترها از روش کدگذاری سنتی ماتریس اندرکنش استفاده شده است، که این روش قادر به تشریح درست اندرکنش‌ها نبوده و کاملاً جنبه ذهنی و تخمینی دارد. تلاش‌هایی نیز در جهت بهبود رویکرد و تلفیق آن با سایر نظریه‌ها انجام شده است که در عمل کاربرد مهم و چشمگیری از آنها مشاهده نشده است. از این رو در تحقیق حاضر تلاش بر این بوده است که این رویکرد به عنوان اصلی‌ترین رویکرد سیستمی در مهندسی سنگ از طرق مختلف بهبود یابد، به صورتی که قابلیت استفاده در مسائل پایداری شیب‌های معادن روباز را داشته باشد. برای این منظور در مرحله اول، رویکرد RES متداول در یک مسئله کلی پایداری شیب‌های سنگی در منطقه‌ای در شمال شرق ایران مورد استفاده قرار گرفته و نتایج و خروجی‌های این رویکرد سیستمی مشاهده و تحلیل شده‌اند. نتایج به دست آمده با نتایج روش تجربی رده‌بندی شیب‌های سنگی (SMR) در همان منطقه مقایسه شده‌اند که این مقایسه حاکی از تطبیق نسبتاً خوب نتایج دو روش در رده‌بندی پایداری شیب‌های سنگی مهندسی‌شده بوده است. در مرحله بعد، به عنوان یک ایده جدید و یک بهبود کلی در رویکرد RES، یک روش کدگذاری احتمالاتی ماتریس اندرکنش (PESQ) ارائه شده است که طی آن با اختصاص احتمال‌های متفاوت به مقادیر مختلف کدهای اندرکنش، فرآیند کدگذاری از حالت قطعی خارج شده و بدین ترتیب تمام مراحل رویکرد و در نتیجه کل سیستم به صورت احتمالاتی در آمده است. در مرحله سوم و به عنوان یکی از سهم‌های اصلی تحقیق رساله، از طریق بهینه‌سازی الگوریتم یک بهبود صورت گرفته قبلی در رویکرد RES شامل استفاده از شبکه‌های عصبی مصنوعی برای کدگذاری غیرذهنی ماتریس اندرکنش، یک شاخص ناپایداری شیب‌های معادن روباز (MSII) توسعه داده شده است. برای این منظور 18 پارامتر موثر بر سیستم پایداری شیب‌های معادن روباز انتخاب شده و طبقه‌بندی آنها با توجه به نقش هر پارامتر در ایجاد ناپایداری شیب و با در نظر گرفتن مقیاس متفاوت پروژه‌های معادن روباز انجام گردیده است. کدگذاری ماتریس اندرکنش شیب‌های معادن روباز از طریق تشکیل یک پایگاه داده‌های جامع از وضعیت پایداری و اطلاعات کامل شیب‌های معادن روباز در نقاط مختلف جهان و استفاده از قابلیت یادگیری شبکه‌های عصبی همراه با اعمال بهینه‌سازی‌هایی در معماری شبکه انجام گرفته است. پس از محاسبه شاخص برای تمام شیب‌های موجود در پایگاه داده‌های آموزش شبکه، سطوح خطر ناپایداری تعریف شده و شاخص پیشنهادی با استفاده از اطلاعات جدید خارج از پایگاه داده‌های کدگذاری مورد اعتبارسنجی قرار گرفته است. نتایج این اعتبارسنجی نشان داده است که پیش‌بینی‌های MSII تا حد بسیار زیادی منطبق با مشاهدات منطقه‌ای (رفتار واقعی شیب‌ها) هستند. بدین ترتیب قابلیت کاربرد و اعتبار شاخص پیشنهادی در ارزیابی پتانسیل ناپایداری شیب‌های معادن روباز تأیید گردیده است. با توجه به این که این شاخص در اعتبارسنجی‌ها با استفاده از مشاهدات واقعی دقت بالایی را از خود نشان داده است، انتظار می‌رود که در آینده و در کاربردهای دیگر نیز قادر باشد پیش‌بینی‌های درستی را از ارزیابی پتانسیل ناپایداری شیب‌های معادن روباز ارائه نماید.