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

Profondamente sotto i paesaggi aridi e semi-aridi della Cina nord-occidentale si trova una vera abbondanza di carbone, una risorsa che ha alimentato la crescita industriale della regione per decenni. Tuttavia, l'estrazione di questo carbone comporta un prezzo elevato per l'ambiente locale. Quando i minatori scavano in profondità nella terra per rimuovere spessi strati di carbone, gli strati rocciosi sopra la miniera non rimangono semplicemente fermi; si spostano, si crepano e collassano. Questo movimento crea una colonna verticale di roccia frammentata e fessure aperte che si estende dal filone di carbone fino alla superficie. Gli scienziati chiamano questo fenomeno zona di frattura conduttrice d'acqua. Poiché queste crepe agiscono come tubi aperti, permettono all'acqua sotterranea di drenare via dal suolo superficiale verso la miniera, causando l'abbassamento della falda acquifera. In una regione dove l'acqua è già scarsa, questa perdita può devastare il fragile ecosistema, trasformando terre un tempo fertili in polvere. La domanda critica per ingegneri ed ecologisti è semplice ma vitale: quanto in alto arriveranno queste crepe? Conoscere l'altezza esatta di questa zona fratturata è l'unico modo per prevedere se una miniera prosciugherà un acquifero locale o lascerà intatta l'acqua superficiale.

Nella zona mineraria di Shendong, nota per le sue enormi riserve e i giacimenti di carbone poco profondi, i minatori si sono affidati per lungo tempo a vecchie regole empiriche per stimare questa altezza. Questi metodi tradizionali, spesso basati su semplici formule derivate da decenni di esperienza, presuppongono che l'altezza del danno dipenda principalmente dallo spessore del carbone. Ma con l'avanzamento della tecnologia mineraria, con macchine che diventano più veloci e fronti di scavo sempre più ampi, queste vecchie formule hanno iniziato a fallire. Esse non riescono a tenere conto della complessa interazione tra le moderne velocità di estrazione, gli angoli specifici dei filoni di carbone o la variazione di durezza degli strati rocciosi sovrastanti. Per risolvere questo problema, un team di ricercatori della China University of Mining and Technology si è rivolto a uno strumento diverso: un modello informatico che impara dai dati piuttosto che seguire un'equazione fissa. Cercavano di costruire un sistema che potesse osservare le condizioni specifiche di una miniera — la sua profondità, la velocità con cui viene scavata e la durezza della roccia circostante — e prevedere accuratamente l'altezza della zona di danno prima ancora che l'estrazione abbia inizio.

I ricercatori hanno raccolto dati reali da venti diversi fronti di scavo nell'area di Shendong e nelle miniere vicine. Hanno registrato ogni dettaglio pertinente: la lunghezza del fronte di scavo, l'altezza del carbone rimosso, la profondità della miniera, l'angolo del filone, la velocità con cui le macchine avanzavano e la proporzione di roccia dura negli strati superiori. Hanno anche misurato l'altezza effettiva della zona di frattura conduttrice d'acqua in ogni località, creando un insieme di venti esempi reali. Per dare un senso a questi dati, hanno prima utilizzato un metodo statistico per vedere quali fattori fossero i più rilevanti. Hanno scoperto che, sebbene tutti i fattori fossero collegati all'altezza del danno, tre si distinguevano come i più influenti: la lunghezza del fronte di scavo, la velocità di estrazione e l'altezza del carbone estratto. La durezza della roccia e la profondità della miniera giocavano un ruolo, ma erano meno dominanti rispetto ai fattori operativi.

Con l'identificazione di questi fattori chiave, il team ha costruito un modello di previsione digitale utilizzando un tipo di intelligenza artificiale noto come rete neurale. Pensate a una rete neurale come a un sistema informatico che imita il modo in cui un cervello umano impara riconoscendo schemi nei dati. Tuttavia, le reti neurali standard possono talvolta incappare in un vicolo cieco, accontentandosi di una risposta "abbastanza buona" invece della migliore possibile. Per risolvere questo problema, i ricercatori hanno utilizzato un algoritmo genetico, una tecnica ispirata all'evoluzione naturale, per addestrare la rete. Questo processo funziona come una sorta di sopravvivenza del più adatto digitale, dove migliaia di potenziali soluzioni vengono testate, le migliori vengono conservate e vengono mescolate e modificate attraverso molte generazioni finché il sistema non trova il modo più accurato per prevedere l'altezza della frattura. Il risultato è stato un modello ibrido, una rete GA-BP, che ha combinato la capacità di riconoscimento di schemi della rete neurale con la capacità di ottimizzazione dell'algoritmo genetico.

Quando il team ha testato il loro nuovo modello, la differenza è stata netta. Hanno confrontato le previsioni del loro nuovo sistema con le altezze effettivamente misurate nelle miniere, nonché con le vecchie formule empiriche e una rete neurale standard non ottimizzata. Le formule tradizionali sbagliavano di quasi il dodici per cento, e la rete neurale standard era persino peggio, mancando il bersaglio del venticinque per cento. Al contrario, il nuovo modello GA-BP era straordinariamente preciso, con un tasso di errore inferiore all'otto per cento. Per dimostrare che non si trattasse solo di una scommessa fortunata sui dati di addestramento, i ricercatori hanno portato il modello in una specifica miniera a Shangwan, dove hanno perforato due pozzi profondi per misurare l'altezza reale della zona di frattura. Il modello prevedeva un'altezza di circa sessanta metri, mentre le misurazioni fisiche nel terreno mostravano che la zona di frattura raggiungeva circa cinquanta sei metri. Questo piccolo scarto ha confermato che il modello poteva gestire la complessità del mondo reale con un'alta affidabilità.

Lo studio conclude che l'altezza della zona di frattura conduttrice d'acqua in questa regione non è un numero fisso determinato esclusivamente dallo spessore del carbone, ma un risultato dinamico di come la miniera viene gestita. Comprendendo che la velocità di estrazione e la dimensione del fronte di scavo sono i principali motori del danno, gli ingegneri possono regolare le loro operazioni per mantenere la zona di frattura al di sotto della falda acquifera. Il nuovo modello fornisce uno strumento pratico e accurato per prendere queste decisioni, offrendo un modo per bilanciare la necessità del carbone con l'urgente necessità di proteggere le risorse idriche della regione. Rappresenta un passaggio dal tirare a indovinare basandosi sull'esperienza passata al prevedere basandosi su una profonda comprensione delle specifiche condizioni presenti, garantendo che la prossima generazione di attività minerarie possa procedere senza prosciugare la terra.