炭鉱におけるガス抽出性能のフルサイクル評価のための機械学習ベースの方法

科学分野:

• 鉱山工学
• 地盤工学
• 計算科学

背景:

• 石炭採掘の深度が増加し、重大なガス関連災害につながっています。
• 現在のガス抽出は、科学的評価、動的監視、および適時の有効性評価が不足しています。
• これらの制限は、安全で効率的な石炭資源の抽出を妨げています。

研究 の 目的:

• 石炭鉱山のガス抽出のための包括的なフルサイクル評価フレームワークを確立する。
• 予備的な計画評価と動的監視のための予測モデルを開発する。
• 石炭鉱山の安全性の向上とインテリジェント管理のための科学的な意思決定支援を提供する。

主な方法:

• 予備的な計画評価のためのベイジアン最適化ベースのランダムフォレスト回帰（BO-RFR）。
• 残留ガス圧力場の動的予測と再構築のためのディープニューラルネットワークと畳み込みオートエンコーダー（DNN-CAE）。
• 設計から実装までのフルサイクル評価フレームワークへのこれらのモデルの統合。

主要な成果:

• BO-RFRモデルは、残留ガス圧力予測誤差を0.02 MPa未満に達成しました。
• DNN-CAE動的評価モデルは、MSE 2.73 × 10^-5、MAE 0.00493で高い精度を示しました。
• 現場試験により、実用的なアプリケーションにおける提案手法の精度と信頼性が確認されました。

結論:

• 開発されたフレームワークとモデルは、石炭鉱山のガス制御の課題に対する効果的なソリューションを提供します。
• ガス抽出プロセスの正確な制御とインテリジェント管理が可能になります。
• 石炭鉱山の生産安全性の向上に大きな実用的価値が実証されています。