Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2024

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Prediction of Underground Mine’s Surface Subsidence using a Recursive Multi-Step Forecasting Model with an Artificial Neural Network

Le Tam Thanh Thi, Nguyen Trong Gia, Pham Chung Van, Le Canh Van, Nguyen Huy Dinh

Inżynieria Mineralna

2024

Vol. 2, no. 1

257--262

The subsidence of the surface due to mining activities is a significant issue in mining areas. Therefore, predicting surface subsidence is a necessary task to ensure safety and production efficiency. This article applied an Artificial Neural Network (ANN) model to predict surface subsidence resulting from underground mining operations in the Mong Dương mine. The ANN model proposed in this research uses a recursive multi-step forecasting model, where the predicted value at the previous step is added to the time series to forecast the next value. The experimental dataset consists of 12 monitoring cycles over 24 months, with a 2-month interval, divided into a training set containing the first 9 measurement cycles and a test set containing the last 3 cycles. First, the K-fold cross-validation method is applied to the training set to determine the best parameters for the model. Then, these parameters are used to predict surface subsidence for the values in the test set. The prediction error depends on the time gap between the last measurement cycle and the forecasting cycle. The relative errors in the tenth cycle for the four points are 0.9%, -1.7%, -1.7%, and 1.4%. These error values increase to 1.4%, -1.8%, -1.8%, and -1.7% in the eleventh cycle and further to 2.0%, -2.2%, -2.2%, and 2.5% in the twelfth cycle. The absolute errors are determined to be small, within the range of 20 mm. These results demonstrate that the proposed method and ANN model are suitable for the time-series monitoring data in mining areas.

Osuwanie się powierzchni z powodu działalności górniczej jest istotnym problemem w obszarach górniczych. Dlatego przewidywanie osiadania powierzchni jest niezbędnym zadaniem, aby zapewnić bezpieczeństwo i efektywność produkcji. W tym artykule zastosowano model sztucznej sieci neuronowej (ANN) do przewidywania osiadania powierzchni wynikającego z podziemnych operacji górniczych w kopalni Mong Dương. Proponowany w tym badaniu model ANN wykorzystuje rekurencyjny model prognozowania wieloetapowego, w którym przewidywana wartość z poprzedniego kroku jest dodawana do szeregu czasowego, aby prognozować następną wartość. Zbiór danych eksperymentalnych składa się z 12 cykli monitorowania w ciągu 24 miesięcy, z dwumiesięcznym odstępem, podzielonych na zestaw treningowy zawierający pierwsze 9 cykli pomiarowych i zestaw testowy zawierający ostatnie 3 cykle. Najpierw metoda walidacji krzyżowej K-fold jest stosowana do zestawu treningowego, aby określić najlepsze parametry dla modelu. Następnie te parametry są uży-wane do przewidywania osiadania powierzchni dla wartości w zestawie testowym. Błąd prognozy zależy od przerwy czasowej między ostatnim cyklem pomiarowym a cyklem prognozowania. Błędy względne w dziesiątym cyklu dla czterech punktów wynoszą 0,9%, -1,7%, -1,7% i 1,4%. Te wartości błędów wzrastają do 1,4%, -1,8%, -1,8% i -1,7% w jedenastym cyklu i dalej do 2,0%, -2,2%, -2,2% i 2,5% w dwunastym cyklu. Błędy bezwzględne są określane jako małe, w zakresie 20 mm. Wyniki te pokazują, że proponowana metoda i model ANN są odpowiednie dla danych monitorowania szeregów czasowych w obszarach górniczych.

Method of Predicting Surface Subsidence Caused by Underground Mining: A Review

Nguyen Huy Dinh, Tran Trong Dinh, Le Canh Van

Inżynieria Mineralna

2024

Vol. 2, no. 1

41--46

In recent years, there has been a global increase in energy demand, with the extraction of underground mineral energy sources such as coal playing a significant role in the energy supply. However, the extraction of these natural resources always faces many challenges and risks. This process has created large voids, causing an imbalance in the original stress state within the earth and resulting in surface terrain deformations. Therefore, ensuring efficient extraction must be accompanied by safety measures. Among these, predicting surface subsidence due to underground mining is a crucial task. This paper presents an overview of the current method of predicting mining subsidence and their application scope. The result synthesizes various methodologies applied to different regions worldwide. Finally, the findings of this research can provide guidelines for establishing essential requirements for the application of surface displacement forecasting technologies due to underground mining.

W ostatnich latach nastąpił globalny wzrost zapotrzebowania na energię, a wydobycie podziemnych mineralnych źródeł energii, takich jak węgiel, odgrywa znaczącą rolę w zaopatrzeniu w energię. Jednak wydobycie tych zasobów naturalnych zawsze wiąże się z wieloma wyzwaniami i ryzykiem. W procesie tym powstały duże puste przestrzenie, powodując brak równowagi pierwotnego stanu naprężeń w ziemi i powodując deformacje terenu na powierzchni. Dlatego zapewnieniu skutecznej ekstrakcji muszą towarzyszyć środki bezpieczeństwa. Wśród nich kluczowym zadaniem jest przewidywanie osiadań powierzchni na skutek eksploatacji podziem-nej. W artykule przedstawiono przegląd dotychczasowych metod prognozowania osiadań górniczych oraz zakres ich zastosowania. W rezultacie dokonano syntezy różnych metodologii stosowanych w różnych regionach świata. Wreszcie, wyniki tych badań mogą dostarczyć wskazówek do ustalenia zasadniczych wymagań dotyczących stosowania technologii prognozowania przemieszczeń powierzchni w wyniku górnictwa podziemnego.