№78-10
Про обчислення прогностичних параметрів газодинамічних явищ за спектрами сейсмоакустичних сигналів
Ю.М. Головко1, О.М.Шашенко1
1Національний технічний університет «Дніпровська політехніка», Дніпро, Україна
Coll.res.pap.nat.min.univ. 2024, 78:112–127
Full text (PDF)
https://doi.org/10.33271/crpnmu/78.112
АНОТАЦІЯ
Мета. Дослідження можливих вад процедури обчислення нормативно прийнятих прогностичних параметрів поточного прогнозу газодинамічних явищ у шахтах за спектральними характеристиками сейсмоакустичних сигналів, що обумовлені дією породоруйнівних механізмів на вибій.
Методика. Проаналізовані дослідження, що були основою для встановлення існуючої процедури обчислення прогностичних параметрів. Виконане комп’ютерне моделювання кривих спектрів та обчислення за ними прогностичних параметрів. Проведена оцінка відповідності між значеннями параметрів і виглядом спектральних кривих.
Результати. Показана спорідненість методів прогнозу з використанням аналогової апаратури і процедурами отримання чисельних значень прогностичних параметрів.
Детально розглянута нормативно прийнята процедура обчислення прогностичних параметрів, що впроваджена на більшості викидонебезпечних шахт України. Встановлено, що дана процедура, принаймні в окремих випадках, не спроможна відобразити перерозподіл спектру і може приводити до суперечливих значень шуканих параметрів.
Досліджена можливість використання для формування прогностичних параметрів квантилів кумулятивної функції спектру.Показано, що зміни квантилей адекватно відображають зміни форми та зміщення спектрів
Наукова новизна. Доведена наявність нестійких спектрів сейсмоакустичних сигналів, що до значень прийнятих прогностичних параметрів. Встановлено, що обчислені за прийнятою процедурою прогностичні параметри можуть не відображати реальні зміни спектру сигналу і, відповідно, бути помилковими. Запропоновано будувати прогноз небезпечного стану на підставі квантилів спектру сейсмоакустичних сигналів.
Практична значимість. Результати дослідження можуть бути використані для корегування алгоритму обчислень прогностичних параметрів за існуючою процедурою, та вдосконалення методології прогнозу завдяки використанням квантильних оцінок спектрів.
Ключові слова: прогноз ГДЯ, спектральне оцінювання, коефіцієнт викидонебезпеки, квантилі.
Перелік посилань
1. СОУ 10.1.00174088.011–2005 Правила ведення гірничих робіт на пластах схильних до газо–динамічних явищ. (2005). Мінвуглепром України.
2. Луньов, С. Г., Колчин, Г. І., & Нікіфоров, А. В. (2002). Динаміка масиву в небезпечних по газодинамічним явищам зонах. Геотехнічна механіка, (40), 132–137.
3. Нікіфоров, А. В., & Рижков, М. Ф. (2018). Дослідження динаміки зміни параметрів акустичного сигналу перед викидами вугілля та газу. Способи та засоби створення безпечних та здорових умов праці у вугільних шахтах, 1(40), 5–14.
4. Kabiesz, J., Sikora, B., Sikora, M., & Wróbel, L. (2013) Application of Rule-Based Models for Seismic Hazard Prediction in Coal Mines. Acta Montanistica Slovaca, 18(4), 262–277. https://actamont.tuke.sk/pdf/2013/n4/7sikora.pdf
5. Peng, J., & Shi, S. (2023). Hazard prediction of coal and gas outburst based on the Hamming distance artificial intelligence algorithm (HDAIA). Journal of Safety Science and Resilience, 4(2), 151–158. https://doi.org/10.1016/j.jnlssr.2022.12.001
6. Jinqiang, W., Basnet, P., & Mahtab, S. (2021). Review of machine learning and deep learning application in mine microseismic event classification. Mining of Mineral Deposits, 15(1), 19–26. http://mining.in.ua/2021vol15_1_3.html
7. Anani, A., Adewuyi, S. O., Risso, N., & Nyaaba, W. (2024). Advancements in machine learning techniques for coal and gas outburst prediction in underground mines. International Journal of Coal Geology, 285(11), 104471. https://doi.org/10.1016/j.coal.2024.104471
8. Du, J., Chen, J., Pu, Y., Jiang, D., Chen, L., & Zhang, Y. (2021). Risk assessment of dynamic disasters in deep coal mines based on multi-source multi-parameter indexes and engineering application. Process Safety and Environmental Protection, 155, 575–586. https://doi.org/10.1016/j.ssci.2018.12.025
9. Sun, H., Qi, Y., Tian, W., Chen, G., & Wang, Y. (2021). Propagation Features of Channel Wave Signal in Coal Seam with Scouring Zone. Traitement du Signal, 38(4), 1149–1160. https://doi.org/10.18280/ts.380426
10. Schwardt, M., Pilger, C., Gaebler, P., Hupe, P., & Ceranna, L. (2022). Natural and anthropogenic sources of seismic hydroacoustic and infrasonic waves: Waveforms and spectral characteristics (and their applicability for sensor calibration). Surveys in Geophysics, 43(5), 1265–1361. https://doi.org/10.1007/s10712-022-09713-4
11. Chambers, D., & Shragge, J. (2023). Seismoacoustic Monitoring of a Longwall Face Using Distributed Acoustic Sensing. Bulletin of the Seismological Society of America, 113(4), 1652–1663. https://doi.org/10.1785/0120220219
12. Hu, H., Dou, L., Gong, S., He, J., Zheng, Y., & Zhang, X. (2019). Microseismic and electromagnetic coupling method for coal bump risk assessment based on dynamic static energy principles. Safety Science, 114, 30–39. https://doi.org/10.1016/j.ssci.2018.12.025
13. Cao, A., Dou, L., Cai, W., Gong, S., Liu, S., & Jing, G. (2015). Case study of seismic hazard assessment in underground coal mining using passive tomography. International Journal of Rock Mechanics and Mining Sciences, 78, 1–9. https://doi.org/10.1016/j.ijrmms.2015.05.001
14. Chen, Y., Zhang, J., Zhang, J., Xu, B., Zhang, L., & Li, W. (2021). Rockburst Precursors and the Dynamic Failure Mechanism of the Deep Tunnel: A Review. Energies, 14, 7548. https://doi.org/10.3390/en14227548
15. Meyer, S. (2024). Seismic Monitoring Systems in Mines, where are we Today? 58th U.S. Rock Mechanics/Geomechanics Symposium. https://doi.org/10.56952/arma-2024-0785
16. Brijraj, S., Moolla, S., & Lynch, R. (2024). Full-waveform automatic location of small seismic events in an underground mine using synthetic strain Greens tensors. Journal of the Southern African Institute of Mining and Metallurgy, 124, 269–278. https://doi.org/10.17159/2411-9717/1416/2024
17. Liu, F., Wang, Y., Kou, M., & Liang, C. (2024). Applications of Microseismic Monitoring Technique in Coal Mines: A State-of-the-Art Review. Applied Sciences, 14(4), 1509. https://doi.org/10.3390/app14041509
18. Луньов, С.Г., & Колчин, Г.І. (2005). Акустичний контроль викидонебезпеки в очисному вибої. Способи та засоби створення безпечних та здорових умов праці у вугільних шахтах, 1(17), 97–109.
19. Коптіков, В.П., Бокій, Б.В., Мінєєв, С.П., Южанін, І.А., & Нікіфоров, А.В. (2016). Удосконалення способів та засобів безпечної розробки вугільних пластів, схильних до газодинамічних явищ. Донецьк: «Промінь».
20. Посібник із застосування на шахтах Донбасу способу контролю викидонебезпечності привибійної частини масиву в підготовчих виробках за параметрами акустичного сигналу.(1996). Мінвуглепром України.
21. Посібник із застосування на шахтах Донбасу способу автоматизованого контролю викидонебезпеки в очисних виробках за параметрами техногенного акустичного сигналу. (2000). Державний департамент вугільної промисловості Мінпаливенерго України.
22. Посібник із застосування програмного забезпечення PROGNOZ4.0. (2013). МакНДІ.
23. Shadrin, A. V., & Kontrimas, A. A. (2017). Basic tasks for improving spectral-acoustic forecasting of dynamic phenomena in coal mines. IOP Conference Series: Earth and Environmental Science, 84, 012040. https://doi.org/10.1088/1755-1315/84/012040
24. Луньов, С. Г. (2000). Особливості прогнозу викидонебезпеки в очисних вибоях. Способи та засоби створення безпечних та здорових умов праці у вугільних шахтах, 1(7), 133–138.
25. Коваль, А. Р., Колчин, Г. І., Бондаренко, А. Д., Алексієв, Е. В., & Лукашев, А. А. (2011). Акустичні дослідження на особливо небезпечному пласті в умовах шахти ім. А. А. Скочинського. Способи та засоби створення безпечних та здорових умов праці у вугільних шахтах, 2(28), 100–106.
26. Lars, J. K., Leitao, A., & Nguyen, D. (2023). Spline local basis methods for nonparametric density estimation. Statist. Surv, 17, 75–118. https://doi.org/10.1214/23-SS142
27. Golovko, Y. М. (2023). Spectral estimation of a broadband time-limited noise signal. Matematychne modeliuvannia, 2(49), 86–97. https://doi.org/10.31319/2519-8106.2(49)2023.292638
28. Golovko, Y., & Sdvyzhkova, O. (2024). Cumulative triangle for visual analysis of empirical data. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, 4, 114–120. https://doi.org/10.33271/nvngu/2024-4/114
