来源：期刊VIP网 时间：
作者：王猛;袁春玉;李鑫磊;胡超;袁瑞甫;尚栋煌;王成;
单位：河南理工大学能源科学与工程学院;煤炭安全生产与清洁高效利用省部共建协同创新中心;焦作煤业集团赵固(新乡)能源有限责任公司赵固二矿;
摘要：为解决巷道变形预测和破坏区定位困难等问题,建立了多重扰动底抽巷围岩数值分析模型,选取围岩强度、侧压系数等地质参数,巷道断面尺寸、抽采钻孔、支护强度等开采参数作为研究对象,获取了多因素扰动下底抽巷顶板变形数据集,采用随机森林、极端随机树、GBDT、XGBoost等机器学习算法,分别建立了单一基学习器巷道变形预测模型,以弹性网算法为元学习器,利用Stacking融合方法,对不同基学习器输出模型进行了融合处理,构建了多重扰动底抽巷围岩变形融合预测模型,评价了各特征因素对巷道变形的抑促效应,识别了影响底抽巷围岩稳定的主控因素。以赵固二矿14040运输巷底抽巷为工程背景,利用建立的巷道变形预测模型,以巷道实际生产地质条件和开采参数作为输入项,通过设置巷道期望变形量,逆向运算并输出了试验巷道建议支护强度,并指导了现场巷道支护设计及关键参数确定。现场应用结果表明,采用建议支护强度后,巷道实测变形值处于决策模型规定的允许范围内,顶板变形量仅为原支护的52%,有效控制了巷道围岩大变形。基于机器学习建立的巷道变形预测模型为巷道稳定维护提供了一条新途径,促进了煤矿巷道智能运维技术的发展。
关键词：巷道变形;;机器学习;;预测模型;;智能运维;;围岩控制
基金资助：国家自然科学基金资助项目(52174074);; 河南省自然科学基金资助项目(222300420048);; 河南省高校创新人才资助项目(23HASTIT012)
