Повышение оперативности прогноза сейсмической активности при отработке запасов угля на шахтах с применением алгоритмов нейронных сетей

Р.Ю. Замараев, П.В. Гречишкин, О.Л. Гиниятуллина
Кемеровский филиал АО «ВНИМИ», г. Кемерово, Российская Федерация
Горная Промышленность №3S / 2024 стр. 57-62

Резюме: Предложен новый подход к оперативному прогнозу сейсмичности при ведении горных работ на шахтах. В его основе лежит оригинальный взгляд на прогнозирование нестационарных нерегулярных временных рядов с использованием классификатора на основе нейронной сети с архитектурой «SWIN Transformer». Основная решенная задача заключается в разработке схемы преобразования стандартных сейсмологических данных о координатах и магнитудах событий в понятный для нейронной сети образ. Прогноз представляется как вероятность того, что на интервале прогнозирования не появится события с энергией выше установленной границы для класса. Введено три класса событий – с высокой, средней или низкой энергией, границы между которыми определяются статистическими характеристиками магнитуды текущих данных. Интервал прогнозирования задается числом будущих событий. На примере данных одной из шахт оценены свойства распределений координат и магнитуд, оценена точность модели в зависимости от параметров компиляции набора данных, показаны примеры прогнозирования на исторических данных.

Ключевые слова: подземная добыча, сейсмичность, нерегулярные временные ряды, нейронные сети

Для цитирования: Замараев Р.Ю., Гречишкин П.В., Гиниятуллина О.Л. Повышение оперативности прогноза сейсмической активности при отработке запасов угля на шахтах с применением алгоритмов нейронных сетей. Горная промышленность. 2024;(3S):57–62. https://doi.org/10.30686/1609-9192-2024-3S-57-62

Информация о статье

Поступила в редакцию: 03.06.2024

Поступила после рецензирования: 16.07.2024

Принята к публикации: 16.07.2024

Информация об авторах

Замараев Роман Юрьевич – кандидат технических наук, научный сотрудник, Кемеровский филиал АО «ВНИМИ», г. Кемерово, Российская Федерация

Гречишкин Павел Владимирович – кандидат технических наук, директор, Кемеровский филиал АО «ВНИМИ», г. Кемерово, Российская Федерация; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Гиниятуллина Ольга Леоновна – кандидат технических наук, старший научный сотрудник, Кемеровский филиал АО «ВНИМИ», г. Кемерово, Российская Федерация; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Список литературы

1. Utsu T., Ogata Y., Matsu’ura R.S. The centenary of the Omori formula for a decay law of aftershock activity. Journal of Physics of the Earth. 1995;43(1):1–33. https://doi.org/10.4294/jpe1952.43.1

2. Helmstetter A., Werner M.J. Adaptive smoothing of seismicity in time, space, and magnitude for time‐dependent earthquake forecasts for California. Bulletin of the Seismological Society of America. 2014;104(2):809–822. https://doi.org/10.1785/0120130105

3. Kijko A., Funk C.W. The assessment of seismic hazards in mines. The Journal of The South African Institute of Mining and Metallurgy. 1994;94:179–185.

4. Маловичко А.А., Завьялов А.Д., Козырев А.А. Горные удары. В кн.: Соболев Г.А. (ред.) Природные опасности России. Т. 1. Сейсмические опасности. М.: Крук; 2000. С. 243–293.

5. Мельников Н.Н. (ред.). Сейсмичность при горных работах. Апатиты: Кольский научный центр РАН; 2002. 325 с.

6. Мустафин М.Г. Механизм возникновения горных ударов с разрушением почвы выработок. Записки Горного института. 2016;217:40–48. Режим доступа: https://pmi.spmi.ru/pmi/article/view/5080 (дата обращения: 15.05.2024). Mustafin M.G. The mechanism of rock burst leading to ground destruction of mine openings. Journal of Mining Institute. 2016;217:40–48. (In Russ.) Available at: https://pmi.spmi.ru/pmi/article/view/5080 (accessed: 15.05.2024).

7. van Aswegen G. Routine seismic hazard assessment in mines. In: Potvin Y., Hudyma M. (eds). RaSiM6: Proceedings of the Sixth International Symposium on Rockburst and Seismicity in Mines Proceedings. Perth: Australian Centre for Geomechanics; 2005, pp. 437–444. https://doi.org/10.36487/ACG_repo/574_45

8. Mendecki A.J. Forecasting seismic hazard in mines. In: Potvin Y., Carter J., Dyskin A., Jeffrey R. (eds) SHIRMS 2008: Proceedings of the First Southern Hemisphere International Rock Mechanics Symposium. Perth: Australian Centre for Geomechanics; 2008, pp. 55–69. https://doi.org/10.36487/ACG_repo/808_101

9. Nordström E., Dineva S., Nordlund E. Back analysis of short-term seismic hazard indicators of larger seismic events in deep underground mines (LKAB, Kiirunavaara Mine, Sweden). Pure and Applied Geophysics. 2020;177(2):763–785. https://doi.org/10.1007/s00024-019-02352-8

10. Разумов Е.Е., Рукавишников Г.Д., Мулёв С.Н., Простов С.М. Анализ сейсмической активности массива при ведении горных работ на шахте «Комсомольская» АО «Воркутауголь». Горный информационно-аналитический бюллетень. 2022;(1):104–114. https://doi.org/10.25018/0236_1493_2022_1_0_104 Razumov E.E., Rukavishnikov G.D., Mulev S.N., Prostov S.M. Seismic activity in rock mass during mining operations in Vorkutaugol’s Komsomolskaya mine. Mining Informational and Analytical Bulletin. 2022;(1):104–114. (In Russ.) https://doi.org/10.25018/0236_1493_2022_1_0_104

11. Jakubowski J., Tajdus A. Predictive regression models of monthly seismic energy emissions induced by longwall mining. Archives of Mining Sciences. 2014;59(3):705–720. https://doi.org/10.2478/amsc-2014-0049

12. Jakubowski J. A predictive model of daily seismic activity induced by mining, developed with data mining methods. Geoinformatica Polonica. 2014;13(1):7–19. https://doi.org/10.2478/gein-2014-0001

13. MacQueen J. Some methods for classification and analysis of multivariate observations. In: Le Cam L.M., Neyman J. (eds) Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, Volume 1: Statistics. Berkeley, Calif.: University of California Press; 1967, pp. 281–297. Available at:https://sci2s.ugr.es/keel/pdf/algorithm/congreso/1967-MacQueen-MSP.pdf (accessed: 15.05.2024).

14. Rousseeuw P.J. Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics. 1987;20:53–65. https://doi.org/10.1016/0377-0427(87)90125-7

15. Vaswani A., Shazeer N., Parmar N., Uszkoreit J., Jones L., Gomez A.N. et al. Attention is all you need. In: 31st Conference on Neural Information Processing Systems (NIPS 2017), Long Beach, CA, USA; 2017, pp. 1–11.

16. Liu Z., Lin Y., Cao Y., Hu H., Wei Y., Zhang Z. et al. Swin transformer: Hierarchical vision transformer using shifted windows. In: 2021 IEEE/CVF International Conference on Computer Vision (ICCV), Montreal, QC, Canada, 10–17 October 2021. IEEE; 2021, pp. 9992–10002. https://doi.org/10.1109/ICCV48922.2021.00986