Application Study of a water conducting fracture zone height prediction model based on bp neural network optimized by genetic algorithme—Shendong mining area

उत्तर-पश्चिमी चीन के शुष्क और अर्ध-शुष्क परिदृश्यों के नीचे कोयले का एक खजाना छिपा है, एक ऐसा संसाधन जिसने दशकों से इस क्षेत्र के औद्योगिक विकास को गति दी है। हालाँकि, इस कोयले को निकालने की एक भारी कीमत स्थानीय पर्यावरण को चुकानी पड़ती है। जब खनिक कोयले की मोटी परतों को हटाने के लिए जमीन में गहराई तक खुदाई करते हैं, तो ऊपर की चट्टानी परतें केवल अपनी जगह पर स्थिर नहीं रहतीं; वे खिसकती हैं, टूटती हैं और ढह जाती हैं। यह हलचल टूटी हुई चट्टानों का एक ऊर्ध्वाधर स्तंभ और खुले दरार वाले मार्ग बनाती है जो कोयले की परत से लेकर सतह तक फैला होता है। वैज्ञानिक इसे 'जल-वाहक फ्रैक्चर ज़ोन' (water-conducting fracture zone) कहते हैं। क्योंकि ये दरारें खुली पाइपों की तरह काम करती हैं, वे सतही मिट्टी से भूजल को बाहर निकाल कर खदान में जाने देती हैं, जिससे जल स्तर नीचे गिर जाता है। एक ऐसे क्षेत्र में जहाँ पानी पहले से ही कम है, यह नुकसान नाजुक पारिस्थितिकी तंत्र को तबाह कर सकता है, जिससे कभी उपजाऊ रहने वाली भूमि धूल में बदल सकती है। इंजीनियरों और पारिस्थितिकीविदों के लिए महत्वपूर्ण प्रश्न सरल लेकिन अत्यंत आवश्यक है: ये दरारें कितनी ऊँचाई तक पहुँचेंगी? इस क्षतिग्रस्त क्षेत्र की सटीक ऊँचाई जानना ही एकमात्र तरीका है जिससे यह अनुमान लगाया जा सके कि क्या कोई खदान स्थानीय जलभृत (aquifer) को सुखा देगी या सतही जल को सुरक्षित रखेगी।

शेंडोंग खनन क्षेत्र में, जो अपने विशाल भंडार और उथली कोयला परतों के लिए जाना जाता है, खनिक इस ऊँचाई का अनुमान लगाने के लिए लंबे समय से पुराने अनुभवों और नियमों (rules of thumb) पर भरोसा करते आए हैं। ये पारंपरिक तरीके, जो अक्सर दशकों के अनुभव से प्राप्त सरल सूत्रों पर आधारित होते हैं, यह मान लेते हैं कि क्षति की ऊँचाई मुख्य रूप से इस बात पर निर्भर करती है कि कोयला कितना मोटा है। लेकिन जैसे-जैसे खनन तकनीक उन्नत हुई है, मशीनों के तेज होने और कार्यक्षेत्र (working faces) के चौड़ा होने के साथ, ये पुराने सूत्र विफल होने लगे हैं। वे आधुनिक खनन की गति, कोयले की परतों के विशिष्ट कोणों, या ऊपर की चट्टानी परतों की बदलती कठोरता के बीच के जटिल अंतर्संबंधों को समझने में सक्षम नहीं हैं। इसे हल करने के लिए, चीन विश्वविद्यालय ऑफ माइनिंग एंड टेक्नोलॉजी के शोधकर्ताओं के एक दल ने एक अलग प्रकार के उपकरण की ओर रुख किया: एक कंप्यूटर मॉडल जो निश्चित समीकरणों का पालन करने के बजाय डेटा से सीखता है। उन्होंने एक ऐसी प्रणाली बनाने की कोशिश की जो खदान की विशिष्ट स्थितियों को देख सके—जैसे कि यह कितनी गहरी है, इसे कितनी तेजी से खोदा जा रहा है, और आसपास की चट्टान कितनी कठोर है—और खनन शुरू होने से पहले ही क्षति क्षेत्र की ऊँचाई का सटीक अनुमान लगा सके।

शोधकर्ताओं ने शेंडोंग क्षेत्र और पड़ोसी खदानों के बीस अलग-अलग कार्यक्षेत्रों से वास्तविक दुनिया का डेटा एकत्र किया। उन्होंने हर प्रासंगिक विवरण को दर्ज किया: खनन चेहरे की लंबाई, निकाले जा रहे कोयले की ऊँचाई, खदान की गहराई, सीम (seam) का कोण, मशीनों के आगे बढ़ने की गति, और ऊपर की परतों में कठोर चट्टान का अनुपात। उन्होंने प्रत्येक स्थान में जल-वाहक फ्रैक्चर ज़ोन की वास्तविक ऊँचाई को भी मापा, जिससे बीस वास्तविक उदाहरणों का एक सेट तैयार हुआ। इस डेटा को समझने के लिए, उन्होंने पहले एक सांख्यिकीय पद्धति का उपयोग किया ताकि यह देखा जा सके कि कौन से कारक सबसे अधिक महत्वपूर्ण हैं। उन्होंने पाया कि जबकि सभी कारक क्षति की ऊँचाई से जुड़े हुए थे, तीन कारक सबसे प्रभावशाली बनकर उभरे: खनन चेहरे की लंबाई, खनन की गति, और निकाले जा रहे कोयले की ऊँचाई। चट्टान की कठोरता और खदान की गहराई ने भी भूमिका निभाई, लेकिन वे परिचालन कारकों की तुलना में कम प्रभावी थे।

इन प्रमुख कारकों की पहचान करने के बाद, टीम ने एक कृत्रिम बुद्धिमत्ता (artificial intelligence) का उपयोग करके एक डिजिटल भविष्यवाणी मॉडल बनाया, जिसे 'न्यूरल नेटवर्क' कहा जाता है। एक न्यूरल नेटवर्क को एक ऐसे कंप्यूटर सिस्टम के रूप में सोचें जो डेटा में पैटर्न पहचानकर मानव मस्तिष्क के सीखने के तरीके की नकल करता है। हालाँकि, मानक न्यूरल नेटवर्क कभी-कभी एक ही ढर्रे में फंस सकते हैं, और सर्वोत्तम संभव उत्तर के बजाय केवल एक "काफी अच्छा" उत्तर देकर रुक जाते हैं। इसे ठीक करने के लिए, शोधकर्ताओं ने एक 'जेनेटिक एल्गोरिदम' (genetic algorithm) का उपयोग किया, जो प्राकृतिक विकास से प्रेरित एक तकनीक है, ताकि नेटवर्क को प्रशिक्षित किया जा सके। यह प्रक्रिया 'डिजिटल सर्वाइवल ऑफ द फिटेस्ट' (survival of the fittest) की तरह काम करती है, जहाँ हजारों संभावित समाधानों का परीक्षण किया जाता है, सर्वश्रेष्ठ को रखा जाता है, और कई पीढ़ियों तक उन्हें मिलाया और बदला जाता है जब तक कि सिस्टम फ्रैक्चर की ऊँचाई का सबसे सटीक अनुमान लगाने का तरीका न खोज ले। परिणाम एक हाइब्रिड मॉडल था, एक GA-BP नेटवर्क, जिसने न्यूरल नेटवर्क की पैटर्न-पहचानने की शक्ति को जेनेटिक एल्गोरिदम की अनुकूलन (optimization) शक्ति के साथ जोड़ा।

जब टीम ने अपने नए मॉडल का परीक्षण किया, तो अंतर स्पष्ट था। उन्होंने अपने नए सिस्टम के अनुमानों की तुलना खदानों से मापी गई वास्तविक ऊंचाइयों के साथ-साथ पुराने अनुभवजन्य सूत्रों (empirical formulas) और एक मानक, गैर-अनुकूलित (unoptimized) न्यूरल नेटवर्क के साथ की। पारंपरिक सूत्र लगभग बारह प्रतिशत तक गलत थे, और मानक न्यूरल नेटवर्क और भी खराब था, जो पच्चीस प्रतिशत की चूक कर रहा था। इसके विपरीत, नया GA-BP मॉडल उल्लेखनीय रूप से सटीक था, जिसकी त्रुटि दर आठ प्रतिशत से भी कम थी। यह सिद्ध करने के लिए कि यह केवल प्रशिक्षण डेटा के साथ एक भाग्यशाली अनुमान नहीं था, शोधकर्ताओं ने अपने मॉडल को शांगवान के एक विशिष्ट खदान में ले जाकर परीक्षण किया, जहाँ उन्होंने फ्रैक्चर ज़ोन की वास्तविक ऊँचाई मापने के लिए दो गहरे बोरहोल ड्रिल किए। मॉडल ने लगभग साठ मीटर की ऊँचाई का अनुमान लगाया, जबकि जमीन में भौतिक माप से पता चला कि फ्रैक्चर ज़ोन लगभग छप्पन मीटर तक पहुँचा था। इस छोटे से अंतर ने पुष्टि की कि मॉडल उच्च विश्वसनीयता के साथ वास्तविक दुनिया की जटिलताओं को संभाल सकता है।

अध्ययन यह निष्कर्ष निकालता है कि इस क्षेत्र में जल-वाहक फ्रैक्चर ज़ोन की ऊँचाई केवल कोयले की मोटाई द्वारा निर्धारित एक निश्चित संख्या नहीं है, बल्कि यह इस बात का गतिशील परिणाम है कि खदान का संचालन कैसे किया जाता है। यह समझते हुए कि खनन की गति और कार्यक्षेत्र का आकार क्षति के प्राथमिक चालक हैं, इंजीनियर अपने संचालन को इस तरह समायोजित कर सकते हैं कि फ्रैक्चर ज़ोन जल स्तर से नीचे रहे। नया मॉडल इन निर्णयों को लेने के लिए एक व्यावहारिक और सटीक उपकरण प्रदान करता है, जो कोयले की आवश्यकता और क्षेत्र के जल संसाधनों की रक्षा की तत्काल आवश्यकता के बीच संतुलन बनाने का एक तरीका है। यह पिछले अनुभवों के आधार पर अनुमान लगाने से हटकर, वर्तमान विशिष्ट स्थितियों की गहरी समझ के आधार पर भविष्यवाणी करने की दिशा में एक बदलाव है, जो यह सुनिश्चित करता है कि अगली पीढ़ी का खनन भूमि को सूखा बनाए बिना आगे बढ़ सके।