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»

Двадцать первое столетие началось с бурного развития информационных технологий, которые все чаще становятся не просто инструментом, позво- ляющим ускорить расчеты, формирование документов или оптимизировать отдельные параметры объектов, сегодня они являются неотъемлемой часть любого производственного процесса и процесса принятия, в том числе стратегических управленческих решений. В последние годы важней- шими трендами в развитии ИТ являются: создание систем искусственного интеллекта; распространение технологии интернета вещей, которая позволяет организовать взаимодействие объектов друг с другом и окружающей средой без участия человека; разработка и внедрение беспилотных автомобилей и других видов транспорта. Несомненно, глобальные изменения, вызванные развитием информационных технологий, коснулись и предприятий горнодобывающей отрасли. В последние несколько лет активно развиваются направления, связанные с беспилотным управлением большегрузной техникой, экскаваторами, добычными комбайнами и комплексами, буровыми станками и т.д., автоматизированными системами оценки качества сырья и продукции на всех стадиях производства, разработкой систем позиционирования персонала и техники для обеспечения безопасности и оптимизации производственных процессов. Эта часть материала предоставляется за плату.

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

У вас нет прав на просмотр этого материала. Доступ к нему осуществляется по подписке. Информацию по подписке можно получить здесь. Вот список подписок, которые позволяют просматривать эту статью:

2019 Онлайн 6 номеров (2700 руб.) - Войти и оплатить

2019 Онлайн + Печатная 6 номеров (6000 руб.) - Войти и оплатить

2019 №2 Онлайн (450 руб.) - Войти и оплатить

2019 №2 Онлайн + Печатная (1000 руб.) - Войти и оплатить