Цифровые технологии и искусственный интеллект. Рубрика в журнале - Горные науки и технологии
Статья научная
Обработка данных сейсмичности, возникающей при добыче полезных ископаемых, в режиме времени, близком к реальному, остается сложной задачей, требующей глубокой экспертизы и высокой скорости принятия решений. Современные методы искусственного интеллекта в этой области ориентированы на обнаружение региональных землетрясений и их фаз, в то время как применение к локальной рудничной сейсмичности ограничено. Целью работы являлась разработка многозадачной модели искусственного интеллекта для классификации и обнаружения фаз техногенной сейсмичности Хибинского массива. Предлагаемая модель представляет собой сверточную нейронную сеть с применением механизма внимания для анализа сейсмограмм. Обучение выполнялось на данных сейсмического мониторинга Кировского и Расвумчоррского подземных рудников за 2024–2025 гг. Разработанная модель обеспечивает быструю и полностью автоматическую обработку локальной рудничной сейсмичности в реальном времени. Результаты классификации сейсмограмм показывают устойчивое разделение основных типов сигналов: сейсмических событий, различных технологических взрывов и техногенного шума с точностью от 90 до 98%, при этом средняя мера F1 составила 0,87. При обнаружении фаз, необходимых для дальнейшей локации событий, производительность модели в 2,7 раз выше, чем у эксперта, а точность на 40 % выше показателей традиционного алгоритма обнаружения фаз автоматизированной системы контроля сейсмичности, действующей на Кировском и Расвумчоррском рудниках. Скорость обработки данных позволяет использовать модель в контуре оперативного сейсмического мониторинга. Практическое применение модели позволит снизить затраты на обработку данных, ускорит принятие решений в условиях сейсмического риска и снизит нагрузку на соответствующий персонал.
Бесплатно
Статья научная
Электропотребление горнопромышленных предприятий характеризуется выраженной нестационарностью из-за повторно-кратковременных режимов оборудования и резкопеременной нагрузки электросталеплавильного производства. Отклонение фактического потребления от плановых заявок на оптовом рынке электроэнергии и мощности (ОРЭМ) влечёт значительные штрафные санкции, что делает традиционные статистические методы недостаточно точными и требует адаптивных нейросетевых подходов. Разработана и обоснована нейросетевая модель краткосрочного прогнозирования электропотребления для минимизации штрафов ОРЭМ. Проведён сравнительный анализ шести архитектур (RNN, GRU, LSTM, BiLSTM, CNN-LSTM, с механизмом внимания) в двух стратегиях многошагового прогнозирования (прямая Direct и рекурсивная Recursive). Гиперпараметры подобраны методом Hyperband. Исследование выполнено на промышленных данных за 2022–2023 гг. (17 520 почасовых измерений) крупного горно-перерабатывающего предприятия. Результаты показали, что архитектура GRU с прямой стратегией обеспечивает наилучшую точность (MAPE 5,44 %) и максимальную экономию штрафных платежей – 21,25 % относительно сезонной наивной модели, что на тестовом периоде (IV квартал 2023 г.) составляет 38,6 млн руб. квартального эффекта. Выявлен эффект избыточной сложности: простые рекуррентные сети превосходят модели с механизмами внимания на данных ограниченного объёма. Рекурсивная стратегия уступает прямой из-за кумулятивного накопления ошибки и невозможности использования стохастических экзогенных PCA-факторов. Выводы подтверждают целесообразность перехода от экспертно-статистических методов к нейросетевым подходам для горнопромышленных предприятий с резкопеременными нагрузками.
Бесплатно
Формирование зон неупругих деформаций на примере цифрового математического моделирования
Статья научная
Комплексный учет геомеханических и структурных характеристик горного массива является обязательной основой для обеспечения безопасности и эффективности подземных горных работ. Критически важными параметрами, подлежащими включению в расчетные модели, выступают физико-механические и прочностные свойства пород, степень их трещиноватости, а также исходное и техногенно-измененное напряжённое состояние массива. Исследование направлено на геомеханическое обоснование параметров крепления подготовительных выработок в условиях развития пластических деформаций. Методическая база основана на сочетании теоретического анализа, численного моделирования методом конечных элементов в программном комплексе RS2 (Rocscience) и обобщения экспериментальных данных о свойствах вмещающих пород, что позволило детально проанализировать напряжённо-деформированное состояние массива на различных стадиях проведения горных работ, включая засечку новой выработки и её последующее развитие. В результате моделирования установлены пространственные границы зон деформирования: глубина развитых неупругих деформаций составляет 0,6–0,7 м от контура выработки, область упругопластического деформирования достигает 1,8–1,9 м. Анализ напряжённого состояния показал, что в зоне опорного давления перед забоем напряжения достигают 20,48 МПа, что на 25 % превышает природный уровень на глубине 600 м. С применением коэффициента запаса прочности FoS выявлены локальные участки с FoS < 1 в районе засечки, количественно подтверждающие необходимость усиления крепи. Полученные результаты позволяют сформировать научно обоснованный подход к прогнозированию геомеханического состояния массива и выбору рациональных параметров крепи, что способствует повышению устойчивости выработок, снижению объемов ремонтных работ и увеличению уровня промышленной безопасности при подземной разработке угольных месторождений.
Бесплатно
Цифровые двойники и цифровые технологии: особенности и перспективы в угольной отрасли
Статья научная
В настоящее время широко развернулось внедрение цифровых технологий (ЦТ) во всех отраслях российской экономики. Наиболее активно в эти процессы вовлечены высокотехнологичные отрасли. Угольная отрасль, как и остальные добывающие отрасли, отстает во внедрении цифровых технологий. Тем не менее эти процессы идут как на уровне всей отрасли, так и на уровне отдельных компаний. Одним из наиболее популярных направлений развития ЦТ является внедрение цифровых двойников, которые являются частью единой цифровой системы управления компанией – технологией-интегратором всех сквозных ЦТ и субтехнологий. Статья посвящена анализу современных подходов к изучению и практике внедрения цифровых двойников в угольной отрасли. Цель статьи – показать особенности процессов цифровизации, выявить барьеры и перспективные направления внедрения цифровых двойников (ЦД) в угольной отрасли. Для реализации этой цели в статье систематизированы концептуальные и прикладные подходы к изучению ЦД, предложен авторский подход к определению, структуре и типологии ЦД на основе выделения этапов их зрелости. Выявлены общие и отраслевые закономерности развития цифровых технологий (ЦТ) и ЦД. Доказано, что ЦД – это важнейший инструмент управления цепочками создания стоимости (ЦСС), который зависит от степени зрелости производственных и цифровых технологий, а также степени их интероперабельности. Проведены сравнение и оценка опыта внедрения ЦТ и ЦД в зарубежных и отечественных горнодобывающих и угольных компаниях и в страновые модели. Выявлены барьеры внедрения ЦТ и ЦД в угольной отрасли, предложены рекомендации по их устранению. При подготовке статьи использованы следующие научные методы: системный и сравнительный анализ, библиографическое исследование, обобщение, социологический опрос экспертов. Источниками данных послужили материалы СМИ и сайтов ведущих зарубежных и отечественных угольных и горнодобывающих компаний, экспертные оценки, кейс-стади цифровых проектов, аналитические отчеты консалтинговых компаний, материалы первичного и вторичного экспертных опросов. Проведенный анализ показал, что процессы цифровой трансформации и внедрения ЦД в угольной отрасли отстают от других отраслей. Причиной тому являются барьеры как общие для всех отраслей, так и специфичные для угольной отрасли: высокая цена цифровых технологий и нехватка ресурсов, значительный эффект масштаба; отсутствие четко выстроенной модели развития угольной отрасли и стратегии ее цифровизации; низкий уровень автоматизации производства и управления, недостаточность цифровой инфраструктуры; острая нехватка кадров и цифровых компетенций у руководителей компаний.
Бесплатно
