Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Przegląd Górniczy

1 2020

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: roof fall hazard prediction

Sortuj według:

Ogranicz wyniki do:

Metoda oceny zagrożenia zawałowego w kopalniach LGOM z użyciem sztucznych sieci neuronowych

Małkowski Piotr, Juszyński Dariusz

Przegląd Górniczy

2020

T. 76, nr 4

10--21

W artykule przedstawiono nową metodę oceny zagrożenia zawałowego dla polskich kopalń miedzi. W tym celu wykorzystano wiele różnych mierzonych przez służby kopalniane parametrów pochodzących z działu górniczego, geologicznego i działu obudowy, jak np.: wytrzymałość skał na rozciąganie, obecność spękań pionowych, rozwarstwienie stropu, zawodnienie górotworu, jego uwarstwienie, postęp frontu eksploatacyjnego, czy też opadnięcie wskaźników SRS. Wieloparametrowa analiza przeprowadzona za pomocą sztucznych sieci neuronowych SSN pozwoliła na predykcję zaistniałych zawałów z 82-procentową skutecznością. Zaproponowana metoda jest metodą dwuetapową, w której należy wyznaczyć dwa wskaźniki: skłonność górotworu do zawału - wskaźnik CP RF , oraz możliwość utrzymania wyrobiska o danej geometrii, obudowie i przewidywanym czasie jego użytkowania - wskaźnik CM RF . Podczas analizy pierwszego wskaźnika należy wziąć pod uwagę 12 czynników, a podczas analizy drugiego dodatkowe 4 (razem 16 czynników). Na podstawie wskaźnika CM RF wyróżniono cztery kategorie zagrożenia zawałowego od I do IV. Na obu etapach analizy i wyznaczania wskaźników CP RF i CMRF podano zakres zalecanych działań inżynierskich, które mogą pomóc w ograniczeniu zagrożenia, lub też w jego właściwym monitorowaniu. Przedstawiona metoda może być dobrym narzędziem do oceny zagrożenia zawałowego w warunkach polskich kopalń miedzi dla inżynierów. Jest łatwa i szybka, a do obliczenia obu wskaźników wystarczy np. arkusz obliczeniowy w programie Excel z obsługą makr.

This paper presents a novel method of roof fall hazard assessment in copper mines in Poland. Various information, that are routinely collected by the mine geological and survey service, mining and support divisions, were used for this purpose. The data included e.g. rock tensile strength, presence of vertical fracturing, splitting of roof rocks, water condition in rock mass, rock mass stratification, excavation advance, and observations from Roof Splitting Indicators (SRS). Multiparameter analysis was carried out with the use of Artificial Neural Network (ANN), and allowed for prediction of the recorded roof falls with confidence as high as 82%. The proposed method involves two stages in which two indexes are determined: the CP RF , index that characterizes the susceptibility of rock mass to collapse, and the CM RF index that quantifies the standing up ability of the working of the specific geometry, specific support pattern and predicted time of its using. The determination of the first index requires analysis of 12 factors, and additional four factors for the second index (altogether 16 factors). Four categories, from I to IV, of roof fall hazard were distinguished based on the CM RF index. Through the two-stage analysis for CP RF and CM RF determination, there was also indicated a range of recommended engineering actions to reduce the rock fall hazard and to improve its monitoring. The presented method is a potentially useful engineering tool for roof fall hazard assessment in the conditions of Polish copper mines. It is uncomplicated and quick, and the computation of the two indexes can be performed on MS Excel worksheet with the use of Macros.