Современные подходы к прогнозированию концентрации метана на выемочных участках угольных шахт: от эмпирических методов к адаптивному AI-агенту
А.А. Сидоренко1, Ю.Г. Сиренко2
1 ООО «Сибкор», г. Москва, Российская Федерация
2 Санкт-Петербургский горный университет императрицы Екатерины II, г. Санкт-Петербург, Российская Федерация
Горная Промышленность №4S/ 2026 стр. 150-156
Резюме: Прогнозирование концентрации метана на выемочных участках угольных шахт определяет безопасность горных работ и эффективность использования высокопроизводительных очистных комплексов. Ни один из существующих классов методов – эмпирические расчётные методики, геостатистические и геомеханические модели, методы машинного и глубокого обучения (ML/DL), физически информированные нейронные сети – не обеспечивает одновременно краткосрочный прогноз концентрации CH4 на горизонтах 5–60 мин, сценарную диагностику причин её роста, маршрутную балансовую сверку Q-C-I, интерпретируемость прогноза и переносимость модели между выемочными участками. В статье выполнена систематизация указанных подходов с выявлением их ограничений и формулированием функциональных требований к прогнозно-диагностической системе. Предложена концепция адаптивного AI-агента – системы поддержки принятия решений в режиме только чтения относительно систем АГК, АГЗ, МФСБ и SCADA. Методологическое ядро включает: декомпозицию пяти источников CH4; входную информационную модель как основу переносимости признакового пространства между участками; маршрутную сверку Q-C-I с диагностическим дисбалансом Δбал; таксономию семи сценариев загазирования S1–S7 с оценкой распределения вероятностей P(Sk); интерпретацию прогноза через SHAP; перенос модели через transfer learning с доменной адаптацией. Функциональная архитектура AI-агента построена на трёх контурах управления аэрогазовым режимом: вентиляции участка, изолированного отвода метановоздушной смеси через газоотсасывающую установку и дегазации выработанного пространства и пластов.
Ключевые слова: угольная шахта, выемочный участок, метан, аэрологическая безопасность, прогнозирование, адаптивный AI-агент, система поддержки принятия решений, машинное обучение, глубокое обучение, физически информированные нейронные сети
Благодарности: Авторы благодарят коллектив ООО «ГРИТ-Нейро» за научно-техническое взаимодействие и конструктивное обсуждение постановки задачи.
Для цитирования: Сидоренко А.А., Сиренко Ю.Г. Современные подходы к прогнозированию концентрации метана на выемочных участках угольных шахт: от эмпирических методов к адаптивному AI-агенту. Горная промышленность. 2026;(4S):150–156. https://doi.org/10.30686/1609-9192-2026-4S-150-156
Информация о статье
Поступила в редакцию: 03.06.2026
Поступила после рецензирования: 29.07.2026
Принята к публикации: 21.08.2026
Информация об авторах
Сидоренко Андрей Александрович – кандидат технических наук, главный эксперт по планированию горных работ, ООО «Сибкор», г. Москва, Российская Федерация; https://orcid.org/0000-0003-4224-193X; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Сиренко Юрий Григорьевич – кандидат технических наук, доцент, Санкт-Петербургский горный университет императрицы Екатерины II, г. Санкт-Петербург, Российская Федерация; https://orcid.org/0000-0002-9270-9046; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Список литературы
1. Sidorenko S, Trushnikov V, Sidorenko A. Methane emission estimation tools as a basis for sustainable underground mining of gas-bearing coal seams. Sustainability. 2024;16(8):3457. https://doi.org/10.3390/su16083457
2. Sharma M., Maity T. Review on machine learning-based underground coal mines gas hazard identification and estimation techniques. Archives of Computational Methods in Engineering. 2024;31(1):371–388. https://doi.org/10.1007/s11831-023-09982-1
3. Demirkan D.C., Duzgun H.S., Juganda A., Brune J., Bogin G. Real-time methane prediction in underground longwall coal mining using AI. Energies. 2022;15(17):6486. https://doi.org/10.3390/en15176486
4. Chang H., Meng X., Wang X., Hu Z. Research on coal mine longwall face gas state analysis and safety warning strategy based on multi-sensor forecasting models. Scientific Reports. 2024;14:13795. https://doi.org/10.1038/s41598-024-64181-7
5. Gabov V.V., Zadkov D.A. Mathematical model of simple spalling formation during coal cutting with extracting machine. Journal of Physics: Conference Series. 2018;1015(5):052007. https://doi.org/10.1088/1742-6596/1015/5/052007
6. Martirosyan A.V., Ilyushin Y.V. The development of the toxic and flammable gases concentration monitoring system for coalmines. Energies. 2022;15(23):8917. https://doi.org/10.3390/en15238917
7. Tutak M., Krenicky T., Pirník R., Brodny J., Grebski W.W. Predicting methane concentrations in underground coal mining using a multi-layer perceptron neural network based on mine gas monitoring data. Sustainability. 2024;16(19):8388. https://doi.org/10.3390/su16198388
8. Рубан А.Д., Забурдяев В.С., Забурдяев Г.С., Матвиенко Н.Г. Метан в шахтах и рудниках России: прогноз, извлечение и использование. М.: ИПКОН РАН; 2006. 312 с.
9. Chang H., Wang X., Cristea A.I., Meng X., Hu Z., Pan Z. Explainable artificial intelligence and advanced feature selection methods for predicting gas concentration in longwall mining. Information Fusion. 2025;118:102976. https://doi.org/10.1016/j.inffus.2025.102976
10. Wang L., Jia B., Su G. Prediction of coal and gas outbursts based on physics informed neural networks and traditional machine learning models. Scientific Reports. 2025;15:29984. https://doi.org/10.1038/s41598-025-02320-4
11. Phuc L.Q., Linh N.K., Babyr N.V., Thang N.V. Stress environment and roof support needs for roadways ahead of the coal face: Case study from Ha Lam coal mine. Geology and Geophysics of Russian South. 2025;15(4):270–284. https://doi.org/10.46698/o0885-5581-1938-j
12. Özgen Karacan C., Ruiz F.A., Cotè M., Phipps S. Coal mine methane: A review of capture and utilization practices with benefits to mining safety and to greenhouse gas reduction. International Journal of Coal Geology. 2011;86(2-3):121–156. https://doi.org/10.1016/j.coal.2011.02.009
13. Vasilenko T., Kirillov A., Islamov A., Doroshkevich A. Study of hierarchical structure of fossil coals by small-angle scattering of thermal neutrons. Fuel. 2021;292:120304. https://doi.org/10.1016/j.fuel.2021.120304
14. Liang S.-S., Zhang D.-S., Fan G.-W., Kovalsky E., Fan Z.-L., Zhang L., Han X.-S. Mechanical structure and seepage stability of confined floor response to longwall mining of inclined coal seam. Journal of Central South University. 2023;30(9):2948–2965. https://doi.org/10.1007/s11771-023-5429-y
15. Бондарев А.В., Шабаров А.Н., Шванкин М.В., Василенко Т.А. Факторы, повышающие опасность проявления газодинамических явлений в угольных шахтах. Горный информационно-аналитический бюллетень. 2025;(11-1):77–95. Режим доступа: https://giab-online.ru/files/Data/2025/11-1/77.pdf (дата обращения: 23.03.2026).
16. Tien D.L., Trung T.V., Anh S.D., Babyr N.V. Ground pressure and methods to enhance roof stability in mechanized coal mining. International Journal of Engineering, Transactions A: Basics. 2026;39(4):862–869. https://doi.org/10.5829/ije.2026.39.04a.05
17. Nevskaya E.E., Guskov M.A., Samylovskaya E.E. Advanced risk assessment in coal mines: integrating fuzzy logic and linguistic variables for enhanced hazard management. International Journal of Engineering, Transactions B: Applications. 2025;38(12):2854–2864. https://doi.org/10.5829/ije.2025.38.12c.04
18. Каледина Н.О., Малашкина В.А. Индикаторная оценка надежности функционирования шахтных вентиляционно-дегазационных систем. Записки Горного института. 2021;250:553–561. https://doi.org/10.31897/PMI.2021.4.8
19. Баловцев С.В. Аэрологические риски высших рангов в угольных шахтах. Горные науки и технологии. 2022;7(4):310–319. https://doi.org/10.17073/2500-0632-2022-08-18
20. Кобылкин С.С., Харисов А.Р. Особенности проектирования вентиляции угольных шахт, применяющих камерно-столбовую систему разработки. Записки Горного института. 2020;245:531–538. https://doi.org/10.31897/PMI.2020.5.4
21. Slastunov S., Kolikov K., Batugin A., Sadov A., Khautiev A. Improvement of intensive in-seam gas drainage technology at kirova mine in kuznetsk coal basin. Energies. 2022;15(3):1047. https://doi.org/10.3390/en15031047
22. Babyr N.V., Kuziev D.A., Sazankova E.S., Dobler M.O. Influence of cyclic impacts of powered roof support on weakening of immediate roof rocks. Eurasian Mining. 2026;(1):14–19. Available at: https://www.rudmet.ru/journal/2523/article/41017/ (accessed: 05.02.2026).
23. Сластунов С.В., Понизов А.В., Садов А.П., Хаутиев А.Б.-М. Разработка комплексной технологии многостадийной дегазационной подготовки угольных пластов для их интенсивной разработки. Горный журнал. 2021;(2):101–106. https://doi.org/10.17580/gzh.2021.02.14
24. Кабанов Е.И., Коршунов Г.И., Корнев А.В., Мяков В.В. Анализ причин взрывов, вспышек и воспламенений метана в угольных шахтах России в 2005-2019 гг. Горный информационно-аналитический бюллетень. 2021;(2-1):18–29. https://doi.org/10.25018/0236-1493-2021-21-0-18-29
25. Карпов Г.Н., Ковальский Е.Р., Носов А.А. Способ формирования демонтажной камеры при разработке пологих угольных пластов. Горный информационно-аналитический бюллетень. 2022;(6-1):54–67. https://doi.org/10.25018/0236_1493_2022_61_0_54
26. Гендлер С.Г., Прохорова Е.А. Методические основы выбора приоритетных направлений управления охраной труда при подземной добыче угля на основе анализа динамики интегрального риска травматизма и профессиональной заболеваемости. Горный журнал. 2023;(9):41–48. https://doi.org/10.17580/gzh.2023.09.06
27. Гендлер С.Г., Габов В.В., Бабырь Н.В., Прохорова Е.А. Обоснование технических решений по снижению производственного травматизма в лавах угольных шахт. Горный информационно-аналитический бюллетень. 2022;(1):5–19. https://doi.org/10.25018/0236_1493_2022_1_0_5
28. Смирняков В.В., Родионов В.А., Смирнякова В.В., Орлов Ф.А. Влияние формы и размеров пылевых фракций на их распределение и накопление в горных выработках при изменении структуры воздушного потока. Записки Горного института. 2022;253:71–81. https://doi.org/10.31897/PMI.2022.12
29. Borowski G., Smirnov Y., Ivanov A., Danilov A. Effectiveness of carboxymethyl cellulose solutions for dust suppression in the mining industry. International Journal of Coal Preparation and Utilization. 2022;42(8):2345–2356. https://doi.org/10.1080/19392699.2020.1841177
30. Родионов В.А., Турсенев С.А., Скрипник И.Л., Ксенофонтов Ю.Г. Результаты исследования кинетических параметров самовозгорания каменноугольной пыли. Записки Горного института. 2020;246:617–622. https://doi.org/10.31897/PMI.2020.6.3
31. Романченко С.Б., Нагановский Ю.К., Корнев А.В. Инновационные способы контроля пылевзрывобезопасности горных выработок. Записки Горного института. 2021;252:927–936. https://doi.org/10.31897/PMI.2021.6.14
32. Габов В.В., Задков Д.А., Прялухин А.Ф., Садовский М.В., Молчанов В.В. Совершенствование конструкции шнекового исполнительного органа очистного комбайна. Горный информационно-аналитический бюллетень. 2023;(11-1):51–71. https://doi.org/10.25018/0236_1493_2023_111_0_51
33. Зубов В.П., Голубев Д.Д. Перспективы использования современных технологических решений при отработке пологих пластов угля с учетом опасности формирования очагов его самовозгорания. Записки Горного института. 2021;250:534–541. https://doi.org/10.31897/PMI.2021.4.6
