Predykcyjny model dobowej emisji energii sejsmicznej indukowanej eksploatacją górniczą

• Autorzy: Jakubowski J. , Lenart Ł. , Ożóg Ł.

Warianty tytułu

EN

Predictive model of the daily release of seismic energy induced by mining

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono budowę i ocenę predykcyjnego modelu klasyfikacyjnego dobowej emisji energii sejsmicznej indukowanej eksploatacją ścianową węgla. Model jest oparty na danych z katalogu wstrząsów i podstawowych danych o wydobyciu i ścianach eksploatowanych w partii XVI kopalni Piast w okresie od lipca 1987 do marca 2011. Zmienną prognozowaną jest dwustanowa zmienna określająca wystąpienie dobowej sumy energii sejsmicznej wstrząsów w rejonie ściany większej lub równej wartości progowej 10/5 J. Zastosowano trzy metody analityczne w schemacie data mining: regresję logistyczną, sieci neuronowe i drzewa wzmacniane. Jako najlepszy do celów prognozy wybrano model drzew wzmacnianych. Wyniki na zbiorze walidacyjnym pokazały jego dobrą zdolność predykcyjną, co zachęca do dalszych badań.

EN

This paper presents the design and evaluation of the classification predictive model of daily seismic activity induced by longwall mining. The model combines seismic catalog data, output volume and basic characteristics of the longwall faces in sector XVI of the Piast coal mine over the period of July 1987 to March 2011. The predicted variable defines the occurrence of a daily sum of seismic energy released nearby the longwall, that is greater than or equal to the threshold value of 10/5 J. Machine learning and statistical methods were applied, namely neural networks, stochastic gradient boosted trees and logistic regression. The design and evaluation of the classification predictive models were presented. The boosted tree model appeared to meet the prediction quality criteria best. The results of the model evaluation show its promising predictive capability.

Słowa kluczowe

PL

sejsmiczność indukowana; wstrząsy górnicze; hazard sejsmiczny; zagrożenie tąpaniami; drzewo wzmacniane; sieci neuronowe; regresja logistyczna; modele prognostyczne; modele klasyfikacyjne

EN

induced seismicity; mining tremors; seismic hazard; rockburst hazard; data mining; boosted trees; neural networks; logistic regression; predictive model; classification model

• Wydawca: Stowarzyszenie Inżynierów i Techników Górnictwa
• Czasopismo: Przegląd Górniczy
• Rocznik: 2014
• Tom: T. 70, nr 3
• Strony: 18--25
• Opis fizyczny: Bibliogr. 28 poz., rys., tab., wykr.

Twórcy

autor

Jakubowski J.

• AGH w Krakowie

autor

Lenart Ł.

• KWK Piast, Bieruń

autor

Ożóg Ł.

• KWK Piast, Bieruń

Bibliografia

• 1. Barański A., Drzewiecki J., Kabiesz J., Konopko W., Kornowski J., Krzyżowski A., Mutke G.: Zasady stosowania metody kompleksowej i metod szczegółowych oceny stanu zagrożenia tapaniami w kopalniach węgla kamiennego, GIG Seria lnstrukcje nr 20, Katowice 2007.
• 2. Lasocki S.: Statistical prediction of strong mining tremors. Acta Geophys. Pol. 41, 1993, 197-234.
• 3. Gołda I., Kornowski J.: Zastosowanie rozkładu Gutenberga-Richtera do prognozy zagrożenia sejsmicznego, wraz z oceną jego niepewności. „Górnictwo i Geologia" 2011, t. 6, z. 3, s. 49-62.
• 4. Lasocki S.: Weibull distribution for time intervals between mining tremors. Publ. Inst. Geophys. Polish Acad. Sci. M-16 (245), 1992, 241-260.
• 5. Idziak A., Sagan G., Zuberek W.M.: An analysis of frequency distributions of shocks from the Upper Silesian Coal Basis. Publ. Inst. Geophys, Pol. Acad. Sci, M-15 (235), 1991, 163-182.
• 6. Lasocki S., Orlecka-Sikora B.: Seismic hazard assessment under complex source size distribution of mining-induced seismicity. Tectonophysics 456, 2008, 28-37.
• 7. Orlecka-Sikora B.: Resampling methods for evaluating the uncertainty of the nonparametric magnitude distribution estimation in the Probabilistic Seismic Hazard Analysis. Tectonophysics 456, 2008, 38-51.
• 8. Idziak, A., Zuberek, W. M.: Fractal analysis of mining induced seismicity in the Upper Silesia Coal Basin. W: Mechanics of Jointed and Faulted Rocks (H. P. Rossmanith, ed.). Balkema, Rotterdam, 1995, pp. 679-682.
• 9. Leśniak A., Isakow Z.: Space-time clustering of seismic events and hazard assessment in the Zabrze-Bielszowice coal mine, Poland. International Journal of Rock Mechanics & Mining Sciences 46, 2009, 918-928.
• 10. Głowacka E.: Application of the extracted volume as a measure of deformation for the seismic hazard evaluation in mines. Tectonophysics 202, 1993, 285-290.
• 11. Stec K: Statystyczna zależność aktywności sejsmicznej górotworu od parametrów eksploatacji w kopalniach Górnośląskiego Zagłębia Węglowego. „Przegląd Górniczy" 2008, t. 64, nr 4, s. 26-34
• 12. Marcak H.: The use of pattern recognition method for predicting of the rockbursts. W: R.R Young, (ed.) Rockbursts and Seismicity in Mines. Balkema, Rotterdam, 1993, pp. 222-226.
• 13. Kapiesz J.: Badanie kategoryzacji zagrożenia tąpaniami z wykorzystaniem sieci neuronowych. Górnicze zagrożenia naturalne 2008. Prace naukowe GIG. „Górnictwo i Środowisko" nr 7, Katowice 2008.
• 14. Sikora M.: Induction and pruning of classification rules for prediction of microseismic hazards in coal mines. Expert Systems with Applications 38, 2011, 6748-6758.
• 15. Kornowski J., Kurzeja J.: Krótkookresowa prognoza zagrożenia sejsmicznego w górnictwie. Główny Instytut Górnictwa, Katowice 2008.
• 16. Gibowicz S.J., Lasocki S.: Seismicity induced by mining: Ten years later. Adv. Geophys. 44, 2001, 39-181.
• 17. Gibowicz S. J., Kijko A.: An Introduction to Mining Seismology. Academic Press, San Diego, 1994.
• 18. Dubiński J., Konopko W.: Tąpania. Ocena, prognoza, zwalczanie. GIG Katowice 2000.
• 19. Cabena P., Hadjinian P., Stadler R., Verhees J., Zanasi A.: Discovering Data Mining: From Concept to Implementation. Prentice Hall, NY,1998.
• 20. Larose D.T.: Metody i modele eksploracji danych. PWN, Warszawa, 2008.
• 21. Migut G., Harańczyk G.: Zastosowania statystyki i data mining w badaniach naukowych i inne materiały, StatSoft Polska, Kraków 2011.
• 22. Pilecka E., Kudela J., Pituła J.: Analiza wpływu przerw w eksploatacji ścian na zagrożenie sejsmiczne na przykładzie kopalni „Piast". „Przegląd Górniczy" 2012, nr 7.
• 23. Gołda A., Gębiś T., Śladowski G., Moszko M.: Aktywność sejsmiczna w górotworze o niskich parametrach wytrzymałościowych na przykładzie KWK „Ziemowit", Górnictwo i Geoinżynieria, 2009, R. 33, z. 1.
• 24. Jakubowski J.: Predictive model of seismic activity induced by mining, developed with data mining methods. Seminarium Komisji Geoinformatyki Polskiej Akademii Umiejętności, maj 2013.
• 25. StatSoft, Inc.: STATISTICA (data analysis software system), version 10, 2011
• 26. Tadeusiewicz R., Gąciarz T., Borowik B., Leper B.: Odkrywanie właściwości sieci neuronowych przy użyciu programów w języku C#. Wydawnictwo PAU, Kraków 2007.
• 27. Harańczyk G., Stępień M.: Ilustrowana sztuka podejmowania decyzji. „Matematyka Społeczeństwo Nauczanie" 2008, nr 41, s. 12-15
• 28. Bradley A. P.: The use of the area under the ROC curve in the evaluation of machine learning algorithms, Pattern Recognition, 30 (7), 1997, 1145-59.