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

中国北西部の乾燥した、あるいは半乾燥した景観の遥か下に、この地域の産業成長を数十年にわたって支えてきた資源である、石炭の宝庫が眠っています。しかし、この石炭を採掘することは、地域の環境に深刻な代償をもたらします。採掘者が厚い石炭層を取り除くために地中深くを掘り進めると、坑道上部の岩層は単にそのまま留まるわけではありません。岩層はずれ、ひび割れ、崩落します。この動きによって、石炭層から地表に向かって垂直に伸びる、砕けた岩石と開いた亀裂の柱が形成されます。科学者たちはこれを「透水性破砕帯」と呼んでいます。これらの亀裂は開いたパイプのような役割を果たすため、地表の土壌から地下水を排水し、地下水位を低下させてしまいます。水がすでに不足している地域において、この損失は脆弱な生態系を壊滅させ、かつては生命を育んでいた土地を塵へと変えてしまう可能性があります。エンジニアや生態学者が直面する極めて重要かつ単純な問いは、「これらの亀裂はどこまで高く達するのか？」というものです。この破砕帯の正確な高さを知ることこそが、鉱山が地域の帯水層を枯渇させるのか、それとも地表の水資源を維持できるのかを予測する唯一の方法なのです。

大規模な埋蔵量と浅い石炭層で知られるシェンドン採掘エリアでは、採掘者たちは長年、この高さを推測するために古い経験則に頼ってきました。これらの伝統的な手法は、多くの場合、数十年の経験から導き出された単純な公式に基づいており、損傷の高さは主に石炭の厚さに依存すると仮定しています。しかし、採掘技術が進歩し、機械が高速化し、作業面（ワーキングフェイス）が広くなるにつれ、これらの古い公式は機能しなくなってきました。それらは、現代の採掘速度、石炭層の特定の角度、あるいは上部にある岩層の多様な硬さといった複雑な相互作用を考慮することができないのです。これを解決するため、中国採鉱科技大学の研究チームは、固定された方程式に従うのではなく、データから学習する別の種類のツール、すなわちコンピュータモデルに目を向けました。彼らは、鉱山の特定の条件（深さ、採掘速度、周囲の岩の硬さ）を見て、採掘が始まる前に損傷帯の高さを正確に予測できるシステムを構築しようと試みました。

研究者たちは、シェンドンエリアおよび近隣の鉱山における20の異なる作業面から、現実世界のデータを収集しました。彼らは、作業面の長さ、除去される石炭の高さ、鉱山の深さ、層の角度、機械の進行速度、そして上層にある硬い岩の割合など、関連するあらゆる詳細を記録しました。また、各地点における透水性破果帯の実際の高さを測定し、20の現実の事例セットを作成しました。このデータを理解するために、彼らはまず統計的手法を用いて、どの要因が最も重要であるかを確認しました。その結果、すべての要因が損傷の高さに関連しているものの、3つの要因が最も影響力を持っていることが判明しました。それは、作業面の長さ、採掘速度、そして抽出される石炭の高さでした。岩の硬さと鉱山の深さも役割を果たしていましたが、運用上の要因ほど支配的ではありませんでした。

これらの主要な要因を特定した後、チームはニューラルネットワークとして知られる人工知能の一種を用いて、デジタル予測モデルを構築しました。ニューラルネットワークとは、データのパターンを認識することで人間の脳の学習方法を模倣するコンピュータシステムだと考えてください。しかし、標準的なニューラルネットワークは、時に「十分に良い」答えで満足してしまい、最善の答えに到達できずに停滞してしまうことがあります。これを修正するために、研究者たちは自然界の進化に触発された技術である「遺伝的アルゴリズム」を使用して、ネットワークを訓練しました。このプロセスは、デジタルな「適者生存」のように機能します。数千もの潜在的な解決策がテストされ、最良のものが保持され、システムが破砕の高さを予測する最も正確な方法を見つけ出すまで、多くの世代にわたって混合・微調整されます。その結果、パターン認識能力を持つニューラルネットワークと、最適化能力を持つ遺伝的アルゴリズムを組み合わせたハイブリッドモデルである「GA-BPネットワーク」が誕生しました。

チームがこの新しいモデルをテストした際、その差は歴然としていました。彼らは、新しいシステムの予測値を、鉱山での実際の測定値、および従来の経験公式や最適化されていない標準的なニューラルネットワークと比較しました。従来の公式は12%近く誤差があり、標準的なニューラルネットワークはさらに悪く、25%の誤差が生じていました。対照的に、新しいGA-BPモデルは驚くほど精密であり、誤差率は8%未満でした。これが訓練データによる単なる偶然の的中ではないことを証明するために、研究者たちはモデルをシャンワンの特定の鉱場に持ち込み、2本の深いボーリング孔を掘って、実際の破砕帯の高さを測定しました。モデルは高さ約60メートルと予測しましたが、地中の物理的な測定値では、破砕帯は約56メートルに達していました。このわずかな差は、このモデルが現実世界の複雑さを高い信頼性で扱うことができることを裏付けました。

本研究は、この地域における透水性破砕帯の高さは、石炭の厚さのみによって決定される固定値ではなく、鉱山がどのように運営されるかによる動的な結果であると結論付けています。採掘速度や作業面のサイズが損傷の主な要因であることを理解することで、エンジニアは破砕帯を地下水面以下に保つように操業を調整することができます。この新しいモデルは、意思決定を行うための実用的かつ正確なツールを提供し、石炭の必要性と地域の水資源を保護するという緊急のニーズとのバランスを取る手段を提示しています。これは、過去の経験に基づく「推測」から、目の前の特定の条件に対する深い理解に基づいた「予測」への転換を意味しており、次世代の採掘が土地を枯渇させることなく進行することを保証するものなのです。