Resumen

La predicción de los baches de carbón es uno de los problemas clave en la ingeniería de la minería profunda del carbón. Para predecir el desastre del bache de carbón de forma precisa y fiable, proponemos un modelo de predicción de red neuronal de profundidad (DNN) basado en el método de abandono y el algoritmo Adam mejorado. Se contaron los ejemplos de accidentes de baches de carbón para analizar los factores de influencia, las características y las causas de este tipo de accidentes. Por último, se seleccionaron cuatro índices de tensión tangencial máxima de la roca circundante, resistencia a la compresión uniaxial de la roca, resistencia a la tracción uniaxial de la roca y energía elástica de la roca para formar el sistema de índices de predicción del golpe de carbón. Sobre la base de los resultados de la investigación de la explosión de la roca, se recogen 305 grupos de datos de casos de ingeniería de explosión de la roca como los datos de muestra de la predicción de la protuberancia del carbón y, a continuación, se establece el modelo de predicción basado en una red neuronal profunda basada en Adam y mejorada (DA-DNN) mediante el uso de la tecnología de aprendizaje profundo. El modelo DA-DNN evita el problema de determinar el peso del índice, se basa completamente en los datos, reduce la influencia de los factores humanos y puede realizar el aprendizaje de relaciones profundas complejas y sutiles en conjuntos de datos limitados incompletos, imprecisos y ruidosos. Se utiliza una mina de carbón de la provincia de Shanxi para predecir el bache de carbón con el método de aprendizaje en profundidad mejorado. Los resultados de la predicción verifican la eficacia y la corrección del modelo de predicción de baches de carbón DA-DNN. Por último, se demuestra que el modelo puede proporcionar eficazmente una base científica para la predicción de baches de carbón en proyectos similares.

• Materias:Dióxido de carbono Perforación de pozos de minas Yacimientos minerales Minería Minas y minería Geofluidos
• Subjects:Carbon dioxide Shaft sinking Mineral deposits Mining Mines and mining Geofluids
• Palabras claves:predicción de baches de carbón, resistencia de la roca, modelo de predicción, ejemplo de accidente de baches, baches de carbón dnn, tensión tangencial máxima, ingeniería de minas de carbón, relación profunda sutil, datos de carbón, métodos de aprendizaje en profundidad
• Keywords:coal bump prediction, strength of rock, prediction model, bump accident example, dnn coal bump, maximum tangential stress, coal mining engineering, subtle deep relationship, data of coal, depth learning methods