ГЕОМЕХАНИКА


Перспективы и возможности комплексной оценки удароопасности массива с применением алгоритмов машинного обучения на рудных месторождениях

Авторы:
  • Деменков П.А. доктор техн. наук, декан Строительного факультета, ФГБОУ ВО ?Санкт-Петербургский горный университет императрицы Екатерины II?, 199106, г. Санкт-Петербург, Россия, e-mail: demenkov_pa@pers.spmi.ru
  • Силичева Е.Д. аспирант кафедры Строительства горных предприятий и подземных сооружений, ФГБОУ ВО ?Санкт-Петербургский горный университет императрицы Екатерины II?, 199106, г. Санкт-Петербург, Россия, e-mail: romnva@yandex.ru
  • Черевко М.А. канд. техн. наук, генеральный директор, ООО ?Нефтесервисные решения?, 190031, г. Санкт-Петербург, Россия, е-mail: Cherevko.MiA@gazprom-neft.ru
  • Деньгаев А.В. канд. техн. наук, ФГАОУ ВО ?Российский государственный университет нефти и газа (НИУ) им. И.М. Губкина?, 119991, г. Москва, Россия, е-mail: Dengaev.A@gubkin.ru
УДК: 622.83 c П.А. Деменков1, Е.Д. Силичева1, М.А. Черевко2, А.В. Деньгаев3, 2026
DOI: http://dx.doi.org/10.18796/0041-5790-2026-8-99-104

Аннотация

В работе рассматривается задача прогнозирования динамических проявлений горного давления на удароопасных рудных месторождениях Хибинского массива. Актуальность обусловлена сложным многофакторным характером геомеханических процессов. Анализ существующих геомеханических и геофизических методов выявил их ключевые ограничения, связанные с упрощенным учетом свойств массива. Предлагается использовать методы машинного обучения для обработки данных и выявления предвестников опасных геодинамических явлений. Описаны подход к построению композитной модели, объединяющей кластеризацию, анализ временных рядов и классификацию, а также методология формирования входных наборов данных (сейсмические, деформационные, электрометрические и технологические параметры). Показана целесообразность комплексного применения машинного обучения в сочетании с традиционными геомеханическими представлениями. Сделан вывод о перспективности разработки адаптивных систем прогнозирования для повышения достоверности оценки удароопасности и снижения риска аварий при горных работах.

Ключевые слова: Удароопасность, рудные месторождения, машинное обучение, геомеханика, прогнозирование опасных геодинамических явлений, динамические проявления горного давления, искусственный интеллект.

Список литературы

  1. Синегубов В.Ю. Разработка комплексного подхода к прогнозу напряженного состояния породного массива и апробация на месторождении Олений ручей // Вестник Кузбасского государственного технического университета. 2025. № 2. C. 68-79. DOI: 10.26730/1999-4125- 2025-2-68-79. Sinegubov V.Yu. Development of a Comprehensive Approach for Predicting the Stress State of the Rock Mass and Its Testing at the Oleniy Ruchey Deposit. Bulletin of Kuzbass State Technical University. 2025;(2):68-79. (In Russ.). DOI: 10.26730/1999-4125-2025-2-68-79.
  2. Оценка влияния очистных работ на формирование нарушенных зон в массиве на контурах выработок большого сечения при освоении месторождений апатит-нефелиновых руд / В.Ю. Синегубов, М.Г. Попов, М.А. Вильнер и др. // Горный журнал. 2021. № 8. С. 24-30. DOI: 10.17580/gzh.2021.08.04. Sinegubov V.Yu., Popov M.G., Vilner M.A., Sotnikov R.O. Assessment of the Influence of Extraction Works on the Formation of Disturbed Zones in the Rock Mass Around Large Cross-Section Mine Workings During the Development of Apatite-Nepheline Ore Deposits. Gornyij Zhurnal. 2021;(8):24-30. (In Russ.). DOI: 10.17580/ gzh.2021.08.04.
  3. Trushko V.L., Baeva E.K., Blinov A.A. Experimental Investigation on the Mechanical Properties of the Frozen Rocks at the Yamal Peninsula, Russian Arctic. Eng. 2025;(6):76. DOI: 10.3390/eng6040076.
  4. Протосеня А.Г., Кумов В.В. Влияние структуры массива грунта в смешанном забое тоннеля на форму и размер мульды осадок земной поверхности // Горный информационно-аналитический бюллетень (научно-технический журнал). 2024. № 4. C. 5-21. DOI: 10.25018/0236_1493_2024_4_0_5. Protosenya A.G., Kumov V.V. Effect of soil body structure of mixedtype tunnel face on shape and size of subsidence trough on ground surface. MIAB. Mining Inf. Anal. Bull. 2024;(4):5-21. (In Russ.). DOI: 10.25018/0236_1493_2024_4_0_5.
  5. Protosenya A., Ivanov A. Data-Driven Prediction of Stress-Strain Fields Around Interacting Mining Excavations in Jointed Rock: A Comparative Study of Surrogate Models. Mining. 2026;6(1):4. DOI: 10.3390/mining6010004.
  6. Моделирование полей напряжений и оценка удароопасности конструктивных элементов системы разработки Южно-Хинганского месторождения марганцевых руд / М.И. Рассказов, И.Ю.Рассказов, М.И. Потапчук и др. // Горная промышленность.
  7. № 5S. C. 72-79. DOI: 10.30686/1609-9192-2023-5s-72-79. Rasskazov M.I., Rasskazov I.Yu., Potapchuk M.I., Tsoi D.I., Tereshkin A.A. Modeling of stress fields and estimation of the impact hazard of structural elements of the mining system of the Yuzhno-Khingansk manganese ore deposit. Russian Mining Industry. 2023;(5S):72-79. (In Russ.). DOI: 10.30686/1609-9192-2023-5S-72-79.
  8. Господариков А.П., Зацепин М.А., Киркин А.П. Определение потенциала удароопасности горных пород Норильского промышленного района // Записки Горного института. 2025. № 272. С. 83-90. Gospodarikov A.P., Zatsepin M.A., Kirkin A.P. Determination of impact hazard potential of rocks in the Norilsk Industrial Region. Journal of Mining Institute. 2025;(272):83-90. (In Russ.).
  9. Козырев А.А., Кузнецов Н.Н., Шоков А.Н. Оценка удароопасности скальных горных пород Ждановского месторождения (Кольский полуостров). // Горная промышленность. 2022. № 6. C. 75-82. DOI: 10.30686/1609-9192-2022-6-75-82. Kozyrev A.A., Kuznetsov N.N., Shokov A.N. Rockburst hazard assessment of hard rocks in the Zhdanovskoe deposit (Kola Peninsula). Russian Mining Industry. 2022;(6):75-82. (In Russ.). DOI: 10.30686/1609-9192-2022-6-75-82.
  10. Гусев В.Н., Одинцов Е.Е., Жерлыгина Е.С. Расчет сдвижений и деформаций массива горных пород с учетом натурных данных // Горный журнал. 2025. № 4. С.18-25. DOI: 10.17580/gzh.2025.04.03. Gusev V.N., Odintsov E.E., Zherlygina E.S. Calculation of displacements and deformations in rock mass with regard to field data. Gornyij Zhurnal. 2025;(4):18-25 (In Russ). DOI: 10.17580/gzh.2025.04.03.
  11. Алгоритмы и измерительный комплекс классификации источников сейсмических сигналов, определения расстояния и азимута до пункта возбуждения поверхностных волн / Д.Л. Зайцев, В.М. Брыксин, К.С. Белотелов и др. // Информатика и автоматизация. 2022. Т. 21. №. 6. С. 1211-1239. DOI: https://doi.org/10.15622/ia.21.6.5. Zaitsev D.L., Bryksin V.M., Belotelov K.S., Kompaniets Yu.I., Yakovlev R.N. Algorithms and Measuring Complex for Classification of Seismic Signal Sources, Determination of Distance and Azimuth to the Point of Excitation of Surface Waves. Informatics and Automation. 2022;21(6):1211-1239. (In Russ.). DOI: https://doi.org/10.15622/ia.21.6.5.
  12. Обоснование и разработка отклонителя непрерывного действия с полным отбором керна для бурения геологоразведочных скважин / П.А. Блинов, Н.М. Силичев, В.В. Никишин и др. // Известия Томского плитехнического университета. Инжиниринг георесурсов. 2025. Т. 336 № 7. С. 17-28. DOI: 10.18799/24131830_2025_7_4780. Blinov P.A., Silichev N.M., Nikishin V.V., Gorelikov G.G. Justification and Development of a Continuous-Action Deviator with Full Core Extraction for Drilling Geological Exploration Wells. Izvestiya of Tomsk Polytechnic University. Engineering of Georesources. 2025;336(7): 17-28. (In Russ). DOI: 10.18799/24131830_2025_7_4780.
  13. Исследование возможности применения методов неразрушающего контроля для оценки прочностных свойств горных пород в условиях подземного рудника Гремячинского месторождения / Д.Н. Петров, В.И. Абашин, М.А. Карасев и др. // Горный информационно-аналитический бюллетень (научно-технический журнал). 2024. № 12-1. С. 227-244. DOI: 10.25018/0236_1493_2024_121_0_227. Petrov D.N., Abashin V.I., Karasev M.A., Selikhov A.A. Non-destructive testing applicability in rock mass strength estimation in underground mine at the Gremyachinsk deposit. MIAB. Mining Inf. Anal. Bull. 2024;12(1): 227-244. (In Russ.). DOI: 10.25018/0236_1493_2024_121_0_227.
  14. Господариков А.П., Ревин И.Е., Морозов К.В. Композитная модель анализа данных сейсмического мониторинга при ведении горных работ на примере Кукисвумчоррского месторождения АО ?Апатит? // Записки Горного института. 2023. №. 262. С. 571-580. DOI: 10.31897/PMI.2023.9. Gospodarikov A.P., Revin I.E., Morozov K.V. Composite model of seismic monitoring data analysis during mining operations on the example of the Kukisvumchorrskoye deposit of AO Apatit. Journal of Mining Institute. 2023;(262):571-580. (In Russ.). DOI: 10.31897/PMI.2023.9.
  15. Tadeusiewicz R. Neural networks in mining sciences-general overview and some representative examples. Archives of Mining Sciences. 2015;60(4):971-984. DOI: 10.1515/amsc-2015-0064.
  16. Reshetnyak S., Zotov V., Kuziev D., Kozlova O. Enhancing performance efficiency of electric consumers within surface infrastructure of coal mines. Eurasian Mining. 2025;(1):100-104. DOI: 10.17580/em.2025.01.20.
  17. Basnet P.M.S., Mahtab S., Jin A. A comprehensive review of intelligent machine learning based predicting methods in long-term and short-term rock burst prediction. Tunnelling and Underground Space Technology. 2023;(142):105434. DOI: 10.1016/j.tust.2023.105434.
  18. Zhou J., Koopialipoor M., Li E., Armaghani D.J. Prediction of rockburst risk in underground projects developing a neuro-bee intelligent system. Bull. Eng. Geol. Environ. 2020;79(8):4265-4279. DOI: 10.1007/s10064-020-01788-w.
  19. Cai M. Rockburst risk control and mitigation in deep mining. Deep Resources Engineering. 2024;1(2):100019. DOI: 10.1016/j.deepre. 2024.100019.
  20. Zhang Y. et al. Rockburst prediction using artificial intelligence techniques: A review. Rock Mechanics Bulletin. 2024;3(3):100129. DOI: 10.1016/j.rockmb.2024.100129.
  21. Zhang Junming Xia, Qiyuan Wu, Hai Wei, Sailei Hu, Zhen Du, Bing Yang, Yuejing Xiong, Huaixing. Research on rock burst prediction based on an integrated model. Scientific Reports. 2025. DOI: 15. 10.1038/s41598-025-91518-7.
  22. Blah?t Jan, Racek, Ond?ej. Modern Methods of Rock Mass Characterisation and Rockfall Monitoring: A Review. Landslides: detection, prediction and monitoring: technological developments. 2023:1-38. DOI: 10.1007/978-3-031-23859-8_1.
  23. Di Y., Wang E., Li Z., Liu X., Huang T., Yao J. Comprehensive early warning method of microseismic, acoustic emission, and electromagnetic radiation signals of rock burst based on deep learning. International Journal of Rock Mechanics and Mining Sciences. 2023;(170):105519 DOI: 10.1016/j.ijrmms.2023.105519.
  24. Pu Y., Apel D.B., Prusek S., Walentek A., Cichy T. Back-analysis for initial ground stress field at a diamond mine using machine learning approaches. Natural Hazards. 2021;105(1):191-203. DOI: 10.1007/s11069-020-04304-1.

Для цитирования

Перспективы и возможности комплексной оценки удароопасности массива с применением алгоритмов машинного обучения на рудных месторождениях / П.А. Деменков, Е.Д. Силичева, М.А. Черевко и др. // Уголь. 2026;(8):99-104. DOI: 10.18796/0041-5790-2026-8-99-104.

Информация о статье
Поступила в редакцию: 24.06.2026
Поступила после рецензирования: 17.07.2026
Принята к публикации: 30.07.2026
СПЕЦИАЛЬНЫЙ ВЫПУСК



Свежий выпуск
Партнеры

ООО «Редакция журнала «Уголь»
119049 Москва, Ленинский проспект, д.2А, офис 819,
Тел./факс: +7 (499) 237-22-23
E-mail: ugol1925@mail.ru
www.ugolinfo.ru
Copyright © 2026 Все права защищены


ОРИГИНАЛ_МАКЕТ - Типография «РОЛИКС»,
117105, г. Москва, Нагорный проезд, д. 7, стр. 5
ТИРАЖ – 3000-3500 экз.