Исследование прогнозируемой высоты водопроницаемых зон трещиноватости на основе модели BO-RFR и анализа SHAP

Почему трещины над угольными шахтами имеют значение

Глубоко под землей угледобыча незаметно перестраивает породы над пластом. Когда эти породы растрескиваются вплоть до водоносных горизонтов, подземные потоки воды могут внезапно хлынуть в шахту, ставя под угрозу работников, оборудование и прилегающие экосистемы. В этом исследовании поставлен практический, порой жизненно важный вопрос: насколько высокими становятся такие зоны трещиноватости и можно ли достоверно прогнозировать их размеры, чтобы безопасно вести добычу под водоносными породами?

Скрытые пути для воды под землей

Когда пласт угля вырабатывают, кровля над ним прогибается, проседает и в конечном счёте разрушается. Это повреждение образует вертикальную зону разрушенных и треснувших пород, называемую водопроводящей зоной трещиноватости. Если такая зона достигает лежащего выше водоносного горизонта, трещины могут стать скрытым маршрутом для поступления воды в шахту. Китай, сильно зависящий от угля, сталкивается с этой проблемой в самых разных геологических условиях. В центральных и восточных районах уголь залегает в более древних карбон-пермских породах, которые глубже и прочнее. В западных районах уголь находится в более молодых юрских породах, которые залегают мельче и имеют меньшую механическую прочность. Эти различия означают, что одинаковые горные работы могут вызывать очень разные высоты зон трещиноватости в разных частях страны.

От эмпирики к предсказаниям, основанным на данных

Десятилетиями инженеры оценивали высоту трещиноватости с помощью простых формул или компьютерных моделирований. Такие методы часто учитывали лишь один фактор, например толщину выработанного пласта, игнорируя другие важные влияния, и испытывали трудности при адаптации к сложной, переменчивой геологии. В этом исследовании авторы собрали 258 реальных измерений высоты трещиноватости с репрезентативных шахт: 147 из старых восточных угольных бассейнов и 111 из молодых западных. Для каждого участка они зафиксировали пять практических переменных, хорошо известных планировщикам шахт: высоту выработанного слоя (минная высота), глубину залегания пласта, длину вырабатываемой панели, долю прочных пород в перекрывающих породах (коэффициент твёрдой породы) и применяемый метод горных работ.

Обучение «леса» алгоритмов чтению пород

Чтобы разобраться в этой смешанной, неполной информации, команда применила метод машинного обучения — регрессию на основе случайного леса, который объединяет множество решающих деревьев в один устойчивый предиктор. Затем они использовали Байесовскую оптимизацию — эффективную стратегию поиска — для автоматической настройки внутренних параметров модели, чтобы она хорошо работала даже при относительно небольшом объёме выборки. Комбинированная модель BO-RFR обучалась отдельно для восточных и западных бассейнов, а затем строго тестировалась и проверялась на невидимых данных, включая «слепые» образцы из дополнительных шахт. Во всех тестах оптимизированная модель предсказывала высоту трещиноватости значительно точнее, чем традиционные формулы и несколько других продвинутых алгоритмов, улавливая сложную, нелинейную взаимосвязь геологии и проектирования горных работ.

Выявление наиболее важных факторов

Мощные модели полезны только в том случае, если инженеры могут понять и доверять им. Чтобы открыть «чёрный ящик», авторы использовали современный инструмент интерпретируемости SHAP, который оценивает, насколько каждый входной фактор повышает или понижает прогноз в каждом отдельном случае. Этот анализ показал, что и в старых, и в молодых породах доминирует один рычаг: минная высота является безусловно наиболее значимым фактором, определяющим рост высоты зоны трещиноватости. Но второй по важности фактор меняется в зависимости от региона. В более старых, прочных карбон-пермских породах коэффициент твёрдой породы занимает второе место после минной высоты, что отражает ключевую роль толстых, жёстких слоёв в удержании массива пород. В более молодых, слабых юрских породах большую роль играет глубина залегания, связывая рост трещиноватости скорее с общей нагрузкой и напряжениями от перекрывающих пород, чем с наличием отдельных прочных слоёв.

Перевод выводов в более безопасную добычу

Объединив полевые данные, тщательно настроенную модель машинного обучения и прозрачный способ объяснения её решений, исследование даёт планировщикам шахт практическую дорожную карту. В восточных, старых и твёрдых угольных районах Китая безопасные проекты должны сосредотачиваться на картировании и учёте ключевых прочных слоёв и ограничении минной высоты под ними. В западных, более мягких юрских бассейнах инженерам следует уделять больше внимания напряжённо-деформированному состоянию, связанному с глубиной, и риску крупных нестабильных обрушений, рассматривая минную высоту и глубину как совместные факторы управления. В целом работа показывает, что современные объяснимые алгоритмы могут вывести отрасль за пределы универсальных эмпирических правил к адаптированным, основанным на данных стратегиям, которые лучше защищают и горняков, и водные ресурсы.

Цитирование: 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

Ключевые слова: безопасность угледобычи, опасности подземных вод, расколы в горных породах, модели машинного обучения, угольные бассейны Китая