Forschung zur prognostizierten Höhe wasserleitender Klüfte basierend auf dem BO‑RFR‑Modell und SHAP‑Analyse

Warum Risse über Kohlegruben wichtig sind

Tief unter der Erde verändert der Kohlebergbau still und stetig das Gestein darüber. Wenn diese Gesteinsschichten bis zu wasserführenden Lagen aufreißen, können unterirdische Wasserläufe plötzlich in eine Grube stürzen und damit Arbeiter, Geräte und nahe Ökosysteme gefährden. Diese Studie stellt eine praktische Frage mit lebenswichtiger Bedeutung: Wie hoch wachsen diese Kluftzonen und lassen sich ihre Ausmaße zuverlässig genug vorhersagen, um gefahrlos unter wasserführenden Gesteinen zu bauen?

Verborgene Wasserwege unter der Erde

Wenn eine Kohleflöz abgebaut wird, biegt sich das Dach darüber, sackt ein und bricht schließlich. Diese Schäden erzeugen eine vertikale Zone aus zerbrochenem und geklüftetem Gestein, die als wasserleitende Kluftzone bezeichnet wird. Erreicht diese Zone einen überlagerten Aquifer, können die Risse einen verborgenen Weg bilden, über den Wasser in die Grube strömt. China, das stark von Kohle abhängig ist, steht vor dieser Herausforderung in sehr unterschiedlichen geologischen Verhältnissen. In den zentralen und östlichen Regionen liegen die meisten Kohlen in älteren karbon‑permischen Schichten, die tief und fest sind. Im Westen befindet sich Kohle in jüngeren jurassischen Gesteinen, die flacher und mechanisch schwächer sind. Diese Gegensätze bedeuten, dass dieselbe Bergbautätigkeit in verschiedenen Regionen sehr unterschiedliche Klufthöhen erzeugen kann.

Von Erfahrungswerten zu datengetriebener Vorhersage

Jahrzehntelang schätzten Ingenieure Klufthöhen mit einfachen Formeln oder Computersimulationen. Diese Methoden konzentrierten sich oft nur auf einen Faktor, etwa die abgebaute Flözdicke, und vernachlässigten andere wichtige Einflüsse. Außerdem fiel es ihnen schwer, sich an komplexe, wechselnde geologische Verhältnisse anzupassen. In dieser Studie fassten die Autoren 258 reale Messungen von Klufthöhen aus repräsentativen Bergwerken zusammen: 147 aus den älteren östlichen Kohlerevieren und 111 aus den jüngeren westlichen. Für jede Stelle wurden fünf praxisrelevante Variablen erfasst, die Planer gut kennen: die abgebaute Kohleflözdicke (Abbauhöhe), die Lage des Flözes in der Tiefe, die Länge des abgebauten Panels, der Anteil starker Gesteinsschichten im Hangend (Anteil Hartgestein) und das angewandte Abbauverfahren.

Einem Wald von Algorithmen beibringen, das Gestein zu lesen

Um diese gemischten, unvollkommenen Daten zu interpretieren, wandte das Team einen maschinellen Lernansatz namens Random Forest Regression an, eine Methode, die viele Entscheidungsbäume zu einem robusten Vorhersager vereint. Anschließend nutzten sie Bayessche Optimierung — eine effiziente Suchstrategie — um die internen Einstellungen des Modells automatisch zu optimieren, sodass es auch mit relativ wenigen Stichproben gut arbeitet. Dieses kombinierte BO‑RFR‑Modell wurde getrennt für die östlichen und westlichen Kohlereviere trainiert und dann sorgfältig auf ungesehenen Daten getestet und validiert, einschließlich „blinder“ Proben aus zusätzlichen Bergwerken. In allen Tests sagte das optimierte Modell die Klufthöhen deutlich genauer voraus als traditionelle Formeln und mehrere andere fortgeschrittene Algorithmen und erfasste dabei die komplexen, nichtlinearen Wechselwirkungen zwischen Geologie und Bergbauplanung.

Aufschlüsseln, was am wichtigsten ist

Leistungsfähige Modelle sind nur nützlich, wenn Ingenieure sie verstehen und ihnen vertrauen können. Um die „Black Box“ zu öffnen, verwendeten die Autoren ein modernes Interpretierbarkeitswerkzeug namens SHAP, das abschätzt, wie sehr jeder Eingabefaktor eine einzelne Vorhersage nach oben oder unten drückt. Diese Analyse zeigte, dass in sowohl alten als auch jungen Gesteinen ein Hebel dominiert: Die Abbauhöhe ist mit Abstand der stärkste Treiber dafür, wie hoch Klufthöhen wachsen. Der zweitwichtigste Faktor kehrt jedoch zwischen den Regionen um. In den älteren, stärkeren karbon‑permischen Gesteinen rangiert der Anteil an Hartgestein direkt hinter der Abbauhöhe und spiegelt die Schlüsselrolle dicker, steifer Schichten bei der Stabilisierung der Gesteinsmasse wider. In den jüngeren, schwächeren jurassischen Gesteinen spielt die Abbautiefe eine größere Rolle und verknüpft das Klufthöhenwachstum stärker mit dem Gesamtüberlagerungsgewicht und den Spannungen als mit einzelnen starken Schichten.

Erkenntnisse in sicherere Bergwerke übersetzen

Durch die Kombination von Felddaten, einem sorgfältig abgestimmten maschinellen Lernmodell und einer transparenten Methode zur Erklärung seiner Entscheidungen bietet diese Studie Planern im Bergbau eine praktische Roadmap. In den älteren, hartgesteinsreichen Kohlerevieren Ostchinas sollten sichere Konzepte darauf abzielen, wichtige feste Schichten zu kartieren und zu verstehen und die Abbauhöhe unter diesen Schichten zu begrenzen. In den weicheren jurassischen Becken im Westen sollten Ingenieure stärker auf die tiefenbezogenen Spannungen und das Risiko großräumiger, instabiler Einstürze achten und Abbauhöhe und Tiefe als gemeinsame Steuergrößen behandeln. Insgesamt zeigt die Arbeit, dass fortgeschrittene, erklärbare Algorithmen die Branche über Einheitslösungen hinaus zu maßgeschneiderten, evidenzbasierten Strategien führen können, die Bergleute und Wasserressourcen besser schützen.

Zitation: Qiu, M., Wen, Y., Teng, C. et al. Research on the predicted height of water-conducting fracture zones based on the BO-RFR model and SHAP analysis. Sci Rep 16, 7230 (2026). https://doi.org/10.1038/s41598-026-38043-3

Schlüsselwörter: Sicherheit im Kohlebergbau, Grundwassergefahren, Gesteinsklüfte, Maschinelle Lernmodelle, chinesische Kohlereviere