Получение и анализ больших данных в практике мониторинга состояния горнотехнических сооружений

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