Research on Resistance Prediction Model for Coal Mining Face Supports Based on Machine Learning
تقترح هذه الورقة نموذج خوارزمية هجينة من سرب الجسيمات المناعية وتحسين الشبكة العصبية ذات الانتشار الخلفي (IA-PSO-BP) للتغلب على قيود طرق التنبؤ التقليدية، محققةً تنبؤاً عالي الدقة لمستويات الدعم والمقاومة لطبقات الفحم ضحلة الدفن في شمال شنشي بمعامل ارتباط قدره 0.966.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في أعماق الأرض، حيث تكون الصخور رقيقة وتستقر طبقات الفحم بالقرب من السطح، تواجه عمليات التعدين تحديًا فريدًا وخطيرًا. فخلافًا للمناجم العميقة حيث يتوزع ثقل الأرض ببطء وبشكل يمكن التنبؤ به، تشهد طبقات الفحم الضحلة في مناطق مثل شمال الصين تحولات مفاجئة وعنيفة في الضغط. هذه الظاهرة، المعروفة باسم ضغط المنجم، يمكن أن تسبب انهيار سقف النفق دون سابق إنذار، مما يهدد حياة العمال واستقرار الآلات الثقيلة. ولعقود من الزمن، حاول المهندسون التنبؤ بهذه التحولات باستخدام صيغ رياضية تعتمد على ميكانيكا الصخور، لكن الأرض غالبًا ما تتصرف بطرق معقدة ومتغيرة للغاية يصعب على المعادلات البسيطة استيعابها. وعندما يرتفع الضغط فجأة، يمكنه سحق هياكل الدعم، مما يؤدي إلى حوادث كانت تاريخيًا مسؤولة عن غالبية الوفيات في تعدين الفحم. إن الحاجة إلى نظام يمكنه توقع هذه الطفرات الخطيرة بدقة عالية ليست مجرد هدف تقني؛ بل هي مسألة سلامة وبقاء لآلاف الأشخاص الذين يعملون تحت الأرض كل يوم.
ولمعالجة ذلك، طور فريق من الباحثين من شركة تعدين كبرى وجامعة في "شانشي" طريقة جديدة للتنبؤ بتغيرات الضغط هذه باستخدام نوع من التعلم الحاسوبي يُعرف بالتعلم الآلي. فبدلاً من الاعتماد فقط على القوانين الفيزيائية الثابتة، بنوا نموذجًا رقميًا يتعلم من السلوك الفعلي للمنجم. وقد ركزوا على وجه عمل محدد، وهو نفق طويل يتم فيه استخراج الفحم، مجهز بمئات الدعامات الهيدروليكية — وهي أعمدة ضخمة تعمل بالمكبس وتعمل على دعم السقف. هذه الدعامات مزودة بمستشعرات تقيس باستمرار الضغط الذي تتحمله. جمع الباحثون أكثر من مليوني نقطة بيانات من هذه المستشعرات على مدار فترة خمسة أشهر، مما خلق سجلًا مفصلاً لكيفية دفع الأرض وسحبها ضد هيكل المنجم. ومع ذلك، فإن البيانات الخام من أعماق الأرض غالبًا ما تكون فوضوية، وتحتوي على فجوات حيث تعطلت المستشعرات أو طفرات ناتجة عن أعطال في المعدات وليس بسبب تحولات جيولوجية فعلية. قام الفريق أولاً بتنظيف هذه البيانات، وإزالة الأخطاء الواضحة وملء القطع المفقودة من خلال النظر في أنماط الدعامات المجاورة واللحظات الزمنية السابقة، مما يضمن امتلاك الكمبيوتر صورة كاملة ودقيقة للتعلم منها.
تضمن جوهر عملهم تعليم برنامج كمبيوتر التعرف على الأنماط المعقدة وغير الخطية لضغط المنجم. بدأوا بشبكة عصبية قياسية، وهي نظام حوسبة مستوحى من الدماغ البشري ويتميز بقدرته على إيجاد الأنماط، لكنهم أدركوا أن هذا النظام وحده غالبًا ما يعلق في تخمين الإجابة الخاطئة نفسها مرارًا وتكرارًا. ولإصلاح ذلك، دمجوه مع نظامين ذكيين آخرين. النظام الأول، المستوحى من كيفية تجمّع أسراب الطيور، يساعد الكمبيوتر على البحث عن أفضل حل ممكن من خلال مشاركة المعلومات عبر مجموعة من "الجسيمات" الافتراضية. أما النظام الثاني، فيحاكي الجهاز المناعي البشري، وهو بارع في التعرف على التهديدات وتذكرها لمحاربتها بشكل أسرع في المرة القادمة. ومن خلال مزج هذه الأساليب الثلاثة، أنشأوا نموذجًا هجينًا يمكنه استكشاف نطاق واسع من الاحتميات دون الوقوع في فخ النهايات المسدودة المحلية، مما يسمح له بإيجاد الطريقة المثلى العالمية الحقيقية للتنبؤ بالضغط.
اختبر الباحثون هذا النموذج الجديد مقابل الأساليب الأقدم والأبسط باستخدام ثلاث مجموعات مختلفة من البيانات، تتراوح من العينات الصغيرة إلى مجموعة بيانات ضخمة تغطي ما يقرب من خمسة أشهر من نشاط التعدين. وفي كل اختبار، تفوق النموذج الهجين الجديد على غيره. وبينما كافحت الطرق التقليدية للتنبؤ بالطفرات المفاجئة والحادة في الضغط التي تحدث عند تحرك السقف، تتبع النموذج الجديد هذه الذروات الخطيرة بدقة ملحوحة. وعلى أكبر مجموعة بيانات، طابقت تنبؤات النموذج القياسات الفعلية بدقة شديدة لدرجة أن الارتباط كان شبه مثالي، حيث وصل إلى درجة 0.966. وهذا يعني أن الكمبيوتر يمكنه التنبؤ بدقة بكل من فترات الضغط الهادئة والمستقرة والزيادات الدورية العنيفة التي تنذر بانهيار محتمل للسقف. وقد عمل النموذج باستمرار عبر أقسام مختلفة من المنجم، مما أثبت قدرته على تعميم تعلمه في مواقف جديدة بدلاً من مجرد حفظ الماضي.
تخلص الدراسة إلى أن هذا النهج الجديد يوفر أساسًا تقنيًا موثوقًا لمنع كوارث السقف في طبقات الفحم الضحلة. فمن خلال التنبؤ بدقة متى وأين سيرتفع الضغط، يمكن لمشغلي المناجم اتخاذ تدابير استباقية، مثل تعزيز الدعامات أو إخلاء المناطق قبل وقوع الانهيار. ورغم أنه تم اختبار النموذج في منجم واحد ويمكن تحسينه مستقبلاً عبر تضمين المزيد من العوامل الجيولوجية مثل عمق طبقة الفحم، إلا أن النتائج تظهر قفزة نوعية في تكنولوجيا السلامة. إنها توضح أنه من خلال الجمع بين قوة التعرف على الأنماط للتعلم الآلي والاستراتيجيات التكيفية للأنظمة البيولوجية، يمكن للمهندسين أخيرًا ترويض القوى غير المتوقعة للأرض، وتحويل خطر أمني كبير إلى متغير يمكن إدارته والتنبؤ به.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.