Библиографическое описание:ПРОГНОЗИРОВАНИЕ ПАРАМЕТРОВ СДВИЖЕНИЯ ЗЕМНОЙ ПОВЕРХНОСТИ ПРИ ПОДЗЕМНОЙ ДОБЫЧЕ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ : научное издание / С. О. Курашкин, Е. В. Худякова. - Текст : непосредственный // Известия Тульского государственного университета. Науки о Земле. - 2025. - № 3. - С. 216-221. - ISSN 2218-5194.
Аннотация:Рассматривается применение нейросетевых методов для прогноза параметров сдвижения земной поверхности, возникающих при подземной добыче полезных ископаемых. Построенная модель на основе многослойного персептрона показала способность выявлять нелинейные зависимости между геометрическими и геомеханическими характеристиками горных выработок и величинами осадок поверхности. Экспериментальные результаты подтвердили, что средняя погрешность расчетов не превышает 10 %, а в ряде случаев снижается до 3-4 %, что делает предложенный подход сопоставимым с натурными наблюдениями и более точным по сравнению с традиционными эмпирическими методиками. Модель показала устойчивость к сокращению обучающей выборки и корректно воспроизвела пространственные распределения деформаций. Полученные результаты свидетельствуют о высокой перспективности использования нейросетевых алгоритмов в практике прогнозирования геомеханических процессов и планирования подземных горных работ.
This study investigates the application of neural network methods for predicting ground surface subsidence parameters caused by underground mining operations. The developed multilayer perceptron model demonstrated the ability to capture nonlinear relationships between geometric and geomechanical characteristics of mine workings and the magnitude of surface settlement. Experimental results showed that the average prediction error did not exceed 10 %, and in some cases decreased to 3-4 %, making the proposed approach comparable to field measurements and more accurate than traditional empirical techniques. The model proved to be robust to reductions in the training dataset and successfully reproduced spatial patterns of deformation. These findings highlight the high potential of neural network algorithms for practical use in geomechanical process prediction and in the planning and monitoring of underground mining activities.
