Badania nad przewidywaną wysokością strefy szczelin przewodzących wodę w oparciu o model BO-RFR i analizę SHAP

Dlaczego pęknięcia nad kopalniami węgla mają znaczenie

Głęboko pod ziemią wydobycie węgla cicho przekształca skały nad nim. Gdy te skały pękają aż do warstw zawierających wodę, podziemne cieki mogą nagle wlać się do kopalni, zagrażając pracownikom, sprzętowi i pobliskim ekosystemom. W tym badaniu postawiono praktyczne pytanie o konsekwencjach być albo nie być: jak wysokie stają się te strefy szczelin i czy można wiarygodnie przewidzieć ich rozmiar, by bezpiecznie eksploatować złoża pod warstwami wodonośnymi?

Ukryte drogi dla wody pod powierzchnią

Gdy złoże węgla zostaje wyeksploatowane, strop nad nim zgina się, obniża i w końcu pęka. To uszkodzenie tworzy pionową strefę rozdrobnionych i spękanych skał, nazywaną strefą szczelin przewodzących wodę. Jeśli ta strefa sięga leżącego wyżej wodonośnego poziomu, pęknięcia mogą stworzyć ukrytą drogę, przez którą woda gwałtownie napłynie do kopalni. Chiny, silnie uzależnione od węgla, mierzą się z tym problemem w bardzo zróżnicowanych warunkach geologicznych. W regionach centralnych i wschodnich większość złóż leży w starszych skałach karbon–permu, które są głębsze i twardsze. W rejonach zachodnich złoża występują w młodszych skałach jury, które są płytsze i mechanicznie słabsze. Te kontrasty powodują, że ta sama działalność górnicza może wytworzyć bardzo różne wysokości stref szczelin w różnych częściach kraju.

Od reguł kciuka do prognoz opartych na danych

Przez dekady inżynierowie szacowali wysokość stref szczelin prostymi wzorami albo symulacjami komputerowymi. Metody te często skupiały się na jednym czynniku, na przykład grubości eksploatowanego pokładu, i pomijały inne istotne wpływy. Trudno im było też dostosować się do złożonej, zmiennej geologii. W tym badaniu autorzy zgromadzili 258 rzeczywistych pomiarów wysokości stref szczelin z reprezentatywnych kopalń: 147 ze starszych wschodnich zagłębi i 111 z młodszych zachodnich. Dla każdego stanowiska zarejestrowano pięć praktycznych zmiennych dobrze znanych planistom: grubość wydobytego pokładu (wysokość eksploatacji), głębokość pokładu, długość wydobywanego ściany, udział twardych skał w pokładach nadkładu (wskaźnik twardej skały) oraz zastosowana metoda wydobycia.

Nauczanie lasu algorytmów odczytywania skał

Aby zrozumieć te mieszane, nieidealne dane, zespół zastosował podejście uczenia maszynowego zwane regresją lasu losowego, metodę łączącą wiele drzew decyzyjnych w jeden solidny predyktor. Następnie użyto optymalizacji bayesowskiej — wydajnej strategii poszukiwania — aby automatycznie dostroić parametry modelu tak, by działał dobrze nawet przy stosunkowo niewielkiej liczbie próbek. Połączony model BO‑RFR trenowano oddzielnie dla wschodnich i zachodnich zagłębi, a następnie rygorystycznie testowano i weryfikowano na niewidocznych danych, w tym na „ślepych” próbkach z dodatkowych kopalń. We wszystkich testach zoptymalizowany model przewidywał wysokość stref szczelin znacznie dokładniej niż tradycyjne wzory i kilka innych zaawansowanych algorytmów, uchwycając złożony, nieliniowy sposób, w jaki geologia i projekt górniczy wzajemnie na siebie wpływają.

Rozpakowywanie tego, co ma największe znaczenie

Mocne modele są użyteczne tylko wtedy, gdy inżynierowie mogą je zrozumieć i zaufać im. Aby otworzyć „czarną skrzynkę”, autorzy użyli nowoczesnego narzędzia interpretowalności o nazwie SHAP, które szacuje, jak bardzo każdy czynnik wejściowy wypycha prognozę w górę lub w dół dla pojedynczego przypadku. Analiza ta wykazała, że w obu typach skał dominuje jeden dźwignia: wysokość eksploatacji jest zdecydowanie najsilniejszym czynnikiem wpływającym na wzrost wysokości stref szczelin. Drugi pod względem ważności czynnik różni się między regionami. W starszych, twardszych skałach karbon–permu wskaźnik twardej skały zajmuje miejsce tuż za wysokością eksploatacji, co odzwierciedla kluczową rolę grubych, sztywnych warstw w utrzymaniu spoistości masy skalnej. W młodszych, słabszych skałach jury większe znaczenie ma głębokość eksploatacji, wiążąc wzrost szczelin bardziej z ciężarem i naprężeniami pokrywy niż z pojedynczymi mocnymi warstwami.

Przekuwanie wglądów w bezpieczniejsze kopalnie

Łącząc dane terenowe, starannie dostrojony model uczenia maszynowego i przejrzysty sposób wyjaśniania jego decyzji, badanie to oferuje planerom kopalń praktyczną mapę drogową. W wschodnich, starszych zagłębiach o twardych skałach bezpieczne projekty powinny koncentrować się na mapowaniu i rozumieniu kluczowych mocnych warstw oraz ograniczaniu wysokości eksploatacji pod nimi. W zachodnich, miększych basenach jury inżynierowie powinni zwracać większą uwagę na naprężenia związane z głębokością i ryzyko dużych, niestabilnych zapadów, traktując wysokość eksploatacji i głębokość jako wspólne czynniki sterujące. Ogólnie rzecz biorąc, praca pokazuje, że zaawansowane, wyjaśnialne algorytmy mogą przesunąć branżę poza uniwersalne reguły w stronę dostosowanych, opartych na dowodach strategii lepiej chroniących zarówno górników, jak i zasoby wodne.

Cytowanie: 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

Słowa kluczowe: bezpieczeństwo w górnictwie węglowym, zagrożenia wodno‑gruntowe, pęknięcia skalne, modele uczenia maszynowego, chińskie zagłębia węglowe