Получение и анализ больших данных в практике мониторинга состояния горнотехнических сооружений

DOI: http://dx.doi.org/10.30686/1609-9192-2019-2-144-86-88
УДК: 624.131.3; 622:51-7

В.В. Ческидов, канд. техн. наук, мл. науч. сотр. кафедры Геологии и маркшейдерского дела, НИТУ «МИСиС»

А.И. Маневич, науч. сотр. лаборатории геодинамики, Геофизический центр РАН, инженер кафедры Безопасность и экология горного производства, НИТУ «МИСиС»

А.В. Липина, ассистент кафедры Геологии и маркшейдерского дела, НИТУ «МИСиС»

Одним из важнейших направлений в развитии технологий XXI столетия стало формирование и использование больших данных. Это привело к пересмотру в подходах при моделировании объектов и процессов, а также прогнозировании их состояния при изменении факторов внешней среды и условий эксплуатации. В статье рассмотрены возможности и перспективы накопления больших данных в добывающей отрасли, в частности при проведении мониторинга состояния горнотехнических сооружений.

В ближайшее время здесь будет размещен полный текст статьи

Ключевые слова: добыча полезных ископаемых, мониторинг состояния откосных сооружений, большие данные, искусственный интеллект, техногенный массив, горнотехнические сооружения

ИНФОРМАЦИОННЫЕ ИСТОЧНИКИ:

1.Мосейкин В.В., Гальперин А.М., Ческидов В.В., Пуневский С.А. Совершенствование удаленного автоматизированного контроля откосных сооружений на горных предприятиях // Горный журнал. 2017. 12. С. 82–86.

2. Jinsong Huang, Griffi ths D.V. Modelling spatial variability in geotechnical engineering // Georisk: Assessment and Management of Risk for Engineered Systems and Geohazards. 2016. Vol. 10. No. 1. P. 1.

3. Cheskidov V. Data flows management of mining natural/man-made systems integrated state monitoring // Исследования по геоинформатике: труды Геофизического центра РАН. 2017. Т. 5.№ 1. С. 61–62.

4. Маневич А.И., Татаринов В.Н. Применение искусственных нейронных сетей для прогноза современных движений земной коры // Исследования по геоинформатике: труды Геофизического центра РАН. 2017. Vol.5. №2. C. 37–48, DOI: 10.2205/2017BS045;

5. Напольских С.А., Крючков А.В., Андриевский А.О., Ческидов В.В. Дистанционный контроль устойчивости намывных сооружений на Стойленском ГОКе // Горный журнал. 2017. 10. С. 52–55.

6. Ческидов В.В. Гидрогеомеханический мониторинг состояния откосных сооружений // Горная промышленность. 2017. 4 (134). С. 78.

7. Galperin A.M., Moseikin V.V., Kutepov Yu.I., Derevyankin V.V. Assessment of state of watersaturated mine waste for the justifi cation of engineering structure designs at open pit mines // Eurasian Mining. 2017. –№ 1. С. 6–9 DOI: 10.17580/em.2017.01.02.

8. Di Sante M., Fratalocchi E., Mazzieri F., Brianzoni V. Influence of delayed compaction on the compressibility and hydraulic conductivity of soil-lime mixtures // Engineering Geology. 2015. Vol. 185. P. 131–138.

9. Gurung N., Haneberg W.C., Ramana G.V., Datta M. Engineering geology and stability of the laprak landslide, gorkha district, western Nepal // Environmental and Engineering Geoscience. -2011. -Vol. 17. -P. 23-38. -ISSN: 10787275 DOI: 10.2113/gseegeosci.17.1.23.

10. Zhou X., Chen J., Chen Y., Song S., Shi M. et al. Bayesian-based probabilistic kinematic analysis of discontinuity-controlled rock slope instabilities//Bulletin of Engineering Geology and the Environment. 2017. Vol. 76. Iss. 4. Р. 1249–1262.

11. Chakraborty A., Goswami, D. Prediction of slope stability using multiple linear regression (MLR) and artificial neural network (ANN) // Arabian Journal of Geosciences. 2017. Vol. 10. Iss. 385. DOI: 10.1007/s12517-017-3167-x.

12. Minaeian V., Dewhurst D.N., Rasouli V. Deformational behaviour of a clay-rich shale with variable water saturation under true triaxial stress conditions // Geomechanics for Energy and the Environment. 2017. Vol. 11. P. 1–13.

Журнал "Горная Промышленность" №2 (144) 2019, стр.86-88