炭鉱におけるボーリング孔–配管–ポンプ型排気システムのインテリジェント監視とCNNに基づく性能評価

鉱山ガスを管理することが重要な理由

地下深くでは、爆発を防ぎ有用なエネルギー資源を回収するために常にメタンガスを除去する必要があります。その役割は、岩盤からガスを吸い出すボーリング孔、配管、ポンプのネットワークによって果たされています。しかし、漏洩や閉塞、不安定な運転は、誰かが気づくよりずっと前にシステムの性能を静かに低下させることがあります。本研究は、慎重に設計された実験と現代の人工知能を用いれば、日常的なセンサー読み取り値を坑内ガス排出の自動「健康診断」へと変えられ、鉱夫の安全確保と回収ガスの有効利用に役立つことを示します。

石炭層からガスがどのように引き出されるか

典型的な鉱山では、石炭層に孔を掘り、強力な真空ポンプに向かう配管網に接続します。これらのポンプは負圧――すなわち吸引力を生み出し、メタンと空気を岩盤から引き抜きます。混合ガスは鋼製パイプラインを通って地表に運ばれ、処理または利用されます。理論的には、配管に沿って配置したセンサーで圧力、流量、ガス濃度を追跡し、システムが正常に機能しているかを判断できます。しかし実際には、過酷な地下環境、腐食、複雑な配管配置がデータをノイズ化し、人の判断だけに頼ると解釈が難しくなります。

配管が漏れたり詰まったりすると何が起きるか

システムがストレス下でどのように振る舞うかを理解するために、研究者たちは実際の地下排気ネットワークを模した制御実験を構築しました。配管の特定箇所に漏れや閉塞を意図的に導入し、ラインに沿った圧力と流量の変化を監視しました。ポンプ付近の主配管が漏れた場合、吸引力は急落し測定流量は上昇しました――多量の余分な空気（有用なメタンではないもの）が引き込まれている兆候です。側枝の漏れは一方でポンプ自体にはほとんど影響を与えませんが、下流のボーリング孔における吸引力とガス除去を大幅に低下させました。閉塞は独特のパターンを示しました：配管に沿った圧力減衰の速度が突然変化し、その後部分的に回復するというものです。これらの実験で得られた特徴は、異なる故障タイプごとの指紋ライブラリを形成します。

専門家ルールを単純なスコアに変える

実用的な鉱山基準に基づき、チームは多くの要因を0から1の満足度スコアに統合する評価システムを設計しました。指標は安全性と有効性の2つの主題にまとめられました。安全性は作業区域での空気の分布や鉱夫付近で依然として放出されるガス量を扱います。有効性は1日あたりに排出されるガス量、吸引力の強さ、メタン濃度、実際に回収された純ガス量を反映します。構造化意思決定法を用いて経験豊かな技術者が各要因の相対的重要度を割り当てました。最終スコアは優（Grade I）から不合格（Grade V）までの五段階にマッピングされ、実際の鉱山が国の基準を満たしているかどうかを評価する方法を踏襲しています。

ニューラルネットがシステムの「感覚」を学ぶ仕組み

これらのルールを人間に常時適用させる代わりに、著者らは畳み込みニューラルネットワーク（CNN）――時系列センサー値から直接排気品質を認識する一種のディープラーニングモデル――を訓練しました。7つの監視変数の時系列を短いウィンドウに切り取り、各ウィンドウを小さな行列（画像のような）として配置しました。この形式により、CNNは圧力、流量、ガス濃度が時間とともにどのように連動して変化するかの微妙なパターンを抽出でき、漏洩実験で見つかった指紋も捉えられます。各データサンプルの等級はまず専門家ベースの評価方法で得られ、それがCNNの教師信号として用いられました。中国の新発（Xinfa）炭鉱からの1万サンプルを用い、ネットワーク構成と訓練設定は精度と計算コストのバランスをとるよう調整されました。

インテリジェント監視の性能

最適設定下で、CNNは優・良・可に分類されたサンプルをすべて正しく識別し、最低限合格のサンプルもほとんど正しく分類しました。最も弱かったのは稀で深刻に不合格なケースで、正しく識別できたのは約半分でした。この欠点は部分的にはそのような危険状態が稀であること――鉱山はそれを避けるために努力している――に起因し、部分的にはそれらのセンサー読み値が境界に近いが許容される状態と重なり得ることに起因します。それでも、このモデルは標準的な鉱山コンピュータでリアルタイムに実行できるほど軽量で、ほとんどの現場に既に設置されている圧力、流量、ガスセンサーをそのまま利用できます。著者らは、他の鉱山からのデータで再訓練すればこの手法を広く適用でき、稀な事象を扱うための追加手法が最も深刻な故障の検出を改善し得ると論じています。

より安全でクリーンな採炭への意味

物理実験、専門知識、ディープラーニングを組み合わせることで、本研究は複雑なガス排出ネットワークを自らの性能をほぼ自己診断できるシステムへと変えます。このアプローチは、ボーリング孔–配管–ポンプシステムがどれだけうまく機能しているかの連続的かつ自動的な評価を鉱山運営者に提供し、重大な危険に発展する前の微妙な劣化を検出して警告します。それによりガス事故のリスクを低減し、石炭の生産安定化を支え、回収されるメタンの割合を大気へ放出される割合よりも有用燃料として増やすことに寄与します。要するに、坑内ガスの賢い監視は鉱夫を守るだけでなく、石炭採掘をよりクリーンで効率的にする助けとなります。

引用: Tong, Y., Yang, Y., Niu, J. et al. Intelligent monitoring and CNN-based performance evaluation of borehole-pipe-pump gas drainage systems in coal mines. Sci Rep 16, 11802 (2026). https://doi.org/10.1038/s41598-026-42294-5

キーワード: 炭鉱の安全, ガス排出, 配管漏洩, ディープラーニング監視, メタン回収