Resumen

El análisis geomecánico desempeña un papel fundamental a la hora de proporcionar un entorno de trabajo seguro en una mina activa. El análisis geomecánico incluye, entre otras cosas, la supervisión activa de las paredes de los pozos y la predicción de los fallos de los taludes. Durante el análisis del fallo de un talud, es esencial proporcionar una predicción segura, es decir, un tiempo previsto de fallo antes del fallo real. La tecnología de monitorización actual es una potente herramienta para obtener los datos de tiempo y deformación que se utilizan para predecir el momento del fallo del talud. El objetivo de esta investigación es demostrar el uso del aprendizaje automático para predecir el momento de la rotura de un talud. En este estudio se utilizaron 22 conjuntos de datos de fallos pasados recogidos de sistemas de monitorización por radar. Se utilizó una red de predicción feed-forward de dos capas para realizar predicciones de varios pasos en el futuro. Los resultados muestran una mejora del 86% en los valores predichos en comparación con el método de velocidad inversa (IV). El 82% de las predicciones de fallo realizadas con el método ML se situaron en la zona segura. Mientras que el 18% de las predicciones se situaron en la zona insegura, todas las predicciones inseguras se situaron a menos de cinco minutos del tiempo de fallo real, lo que a efectos prácticos hace que todo el conjunto de predicciones sea seguro y fiable.

• Materias:Hidrogeología Geología Sismología Geomagnetismo Impedancia eléctrica
• Subjects:Hydrogeology Geology Seismology Geomagnetism Electric impedance
• Palabras claves:tiempo, análisis geomecánico, fallo de taludes, fallos de taludes, tiempo real de fallo, tecnología de vigilancia diurna, red de predicción anticipada, sistemas de vigilancia por radar, predicciones, método ML
• Keywords:time, Geomechanical analysis, slope failure, slope failures, actual failure time, day monitoring technology, forward prediction network, radar monitoring systems, predictions, ML method