Wyniki wyszukiwania - Biblioteka Nauki

1

Dobór wielkości pola elementarnego do numerycznego obliczania obniżeń

100%

Kwinta A.

|

tom R. 32, z. 1

163-168

PL

Do obliczania wskaźników deformacji wykorzystuje się pojęcia: funkcji elementarnej, wpływów elementarnych i pola elementarnego. Podział pola eksploatacyjnego na pola elementarne pozwala na przejście z całkowania na sumowanie. Uzyskane w pracy wyniki wykazują, że jedynie wielkość, a nie kształt pola elementarnego ma znaczenie dla dokładności obliczanych obniżeń.

EN

To calculation deformation coefficient we used notions: elementary function, elementary influence, elementary field. In consequence of partition exploitation field for elementary field we can change integration for summation. Results of calculations placed in the paper indicate that only size, not form of elementary field have influence for subsidence calculation precision.

2

Investigation about the contribution of tectonic conditions to mining subsidence parameters

88%

Babaryka A. , Benndorf J.

|

2022

|

tom Vol. 29

105--118

EN

Underground infrastructure of any kind can affect the surface by inducing ground movements. The ability of precise subsidence prediction is crucial for environmental management. Prediction methods in practice are mainly based on influence functions that are symmetrical and provide comparably smooth profiles. In the past, deviations from the predictions have been detected. The ability of modern geomonitoring data makes the deviation even more obvious today. One of the reasons for the deviations are the regional tectonic stress conditions. To justify further investigation into the impact of tectonic conditions on the subsidence parameters, numerical experiments were conducted based on a hypothetical case of a homogenous sedimentary rock under different stress conditions. As a result, deviation of up to 7% of the subsidence profile parameters was detected. The results can be considered significant and encourage researchers to investigate the topic further to extend the currently used prediction methods to take into count the tectonic conditions. The research is based on numerical simulation and provides only theoretical result, implementation and validation of the theory in the field are left for further investigation.

3

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

63%

Le T. T. T. , Nguyen T. G. , Pham C. V. , Le C. V. , Nguyen H. D.

|

tom Vol. 2, no. 1

257--262

EN

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.

PL

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.

4

The influence of rock mass disturbance on surface subsidence in urban areas

63%

Majcherczyk T. , Kryzia K. , Niedbalski Z.

Technical Transactions

|

2018

|

tom Vol. 115, iss. 5

83--93

EN

This paper presents an analysis of the parameters of surface deformation prediction theory carried out for a hard coal mine in the Upper Silesian Coal Basin. Two areas of the coal mine were used as the subject of this analysis – in these areas, underground mining with roof caving was carried out in similar geological conditions for various numbers of seams, and consequently, for various rock mass disturbance rates. In order to estimate the parameters of the surface deformation prediction theory, i.e. the exploitation coefficient and the angle of the main range of influences, geodesic measurements of subsidence along the observation lines were used. The study shows that rock mass disturbance affects the values of the Knothe theory parameters and the values of the surface deformation indicators. In the case of a larger number of selected seams, the determined value of the exploitation coefficient was larger than the determined value in the case of a less disturbed rock mass. Assuming inappropriate parameters for surface subsidence prediction may cause unexpected damage to surface objects.

PL

W artykule przedstawiono analizę parametrów teorii prognozowania deformacji powierzchni terenu, którą wykonano dla jednej z kopalń węgla kamiennego w Górnośląskim Zagłębiu Węglowym. Analizie poddano dwa rejony kopalni, dla których w zbliżonych warunkach geologicznych prowadzono eksploatację z zawałem stropu dla różnej liczby pokładów, a więc różnego zruszenia górotworu. W celu oceny wartości parametrów teorii prognozowania, czyli współczynnika eksploatacji oraz kąta zasięgu wpływów głównych, posłużono się pomiarami geodezyjnymi obniżeń na liniach obserwacyjnych. Na podstawie przeprowadzonych badań stwierdzono, że zruszenie górotworu wpływa na wartości parametrów teorii Knothego, a więc i wartości wskaźników deformacji powierzchni terenu. Przy większej liczbie wybranych pokładów uzyskano większą wartość współczynnika eksploatacji niż przy mniejszym zruszeniu górotworu. Przyjęcie niewłaściwych parametrów do prognozy może powodować, że zakładane uszkodzenia w obiektach znajdujących się na powierzchni terenu będą inne niż oczekiwane.