Madencilik çalışma yüzeyindeki akifer su seviyesi tahmini için VMD-LSTM tabanlı yöntem

Daha güvenli madencilik, altındaki suyu bilmeye bağlı

Derin yeraltında, kömür madenleri sıklıkla suyla doymuş kaya tabakalarının üstünde bulunur. Bu su bir tünele aniden akarsa, ekipmanları su basabilir, işçilerin güvenliğini tehdit edebilir ve üretimi durdurabilir. Bu çalışma, aktif bir çalışma yüzeyine yakın bu yeraltı tabakalarındaki su seviyelerinin nasıl yükseleceğini ve düşeceğini daha akıllı bir şekilde tahmin etmenin yollarını inceliyor; böylece maden işletmecileri tehlikeli sürprizleri önceden öngörüp önlem alabilirler.

Madende gizli dalgalar

İncelenen madende, bir kömür damarının altında yer alan ve yeraltı suyunu gizli bir rezervuar gibi depolayan bir kireçtaşı tabakası vardır. Kömür çıkarıldıkça, kayadaki gerilmeler değişir ve su tünellere doğru hareket edebilir. Bir tünele akan suyu doğrudan ölçmek zordur çünkü birçok faktör sensörleri etkiler. Buna karşılık, yakın kireçtaşı tabakasındaki su seviyesini izlemek daha temiz ve daha stabildir. Bu nedenle yazarlar, ani su akış riski yerine bu akifer seviyesini tahmin etmeye odaklanırlar.

Karmaşık bir sinyali daha basit parçalara ayırmak

Günlük su seviyesi kaydı düzensiz ve engebelidir; yavaş eğilimler keskin dalgalanmalarla karışır. Bunu ele almak için araştırmacılar önce verileri temizler, belirgin hataları giderir ve eksik günleri doldurur. Ardından varyasyonel mod ayrıştırma (variational mode decomposition) adlı bir yöntem kullanırlar; bu yöntem su seviyesi kaydını birkaç örtüşen dalganın karışımı gibi ele alır. Orijinal eğriyi, uzun dönem eğilimlerden kısa dönem dalgalara kadar farklı zaman ölçeklerindeki değişimleri temsil eden sekiz daha basit bileşene ayırır. Bu, bilgisayar modelinin aksi takdirde gürültü içinde kaybolabilecek örüntüleri tanımasını kolaylaştırır.

Ağlara geçmişi hatırlamayı öğretmek

Ayrıştırma işlemi sonrasında her bir daha basit su seviyesi eğrisi, zaman serileri için tasarlanmış bir yapay sinir ağı türü olan uzun-kısa vadeli bellek ağına (long short term memory) verilir. Bu ağ, çok gün öncesinden gelen önemli bilgileri hatırlayacak, daha az faydalı ayrıntıları ise göz ardı edecek şekilde kuruludur. Model, kaydedilen verilerin çoğu üzerinde eğitilir ve sonra kalan günlerde test edilir. Ekip, diğer popüler sıra modelleriyle kurulmuş sürümler ve ayrıştırma adımını tamamen atlayan sürümler dahil olmak üzere çeşitli yaklaşımları karşılaştırır.

Tahmin doğruluğunda belli kazanımlar

Varyasyonel mod ayrıştırma ile uzun-kısa vadeli belleğin birleşimi, test edilen yöntemler arasında en doğru tahminleri sağlar. Akifer seviyesinin genel yükseliş ve düşüşünü takip eder ve özellikle büyük düşüşler veya ani zirveler gibi seviye hızlı değiştiğinde iyi performans gösterir. Yazarlar standart hata ölçütlerini karşılaştırdığında, hibrit modelleri ayrıştırma olmayan modellerden veya diğer ağ tasarımlarını kullananlardan tutarlı şekilde daha düşük hatalar ve gerçek ölçümlerle daha yakın uyum gösterir. Bu, önce karışık sinyali çözmenin, sonra bellek tabanlı bir ağ kullanmanın yeraltı suyunun gerçek davranışını yakalamayı kolaylaştırdığını gösterir.

Madencilik güvenliği için anlamı

Maden işletmecileri için çalışma, çalışma yüzeylerinin altındaki gizli suyu izlemeye yönelik pratik bir araca işaret eder. Gelecekteki su seviyeleri hakkında daha erken ve daha güvenilir uyarılar sağlayarak model, suyun tünellere girmesinden önce sondaj, pompalama ve takviye kararlarını destekleyebilir. Yöntem kurulduktan sonra nispeten basit olduğundan ve günlük ölçümlerle çalıştığından, su tehlikesi önleme çabalarını güçlendirmek ve daha güvenli, daha verimli kömür üretimini desteklemek için kullanışlı bir yol sunar.

Atıf: Zhang, G., Jiao, B., Ji, X. et al. VMD-LSTM based water level prediction of aquifer in mining working face. Sci Rep 16, 15088 (2026). https://doi.org/10.1038/s41598-026-45287-6

Anahtar kelimeler: maden suyu, akifer seviyesi, zaman serisi tahmini, derin öğrenme, kömür madenciliği güvenliği