2411-3336 2541-9404 Записки Горного института Journal of Mining Institute Санкт-Петербургский горный университет императрицы Екатерины ΙΙ Empress Catherine II Saint Petersburg Mining University 10.31897/PMI.2023.9 PZUUER pmi-14797 https://pmi.spmi.ru/pmi/article/view/14797 Геотехнология и инженерная геология Geotechnical Engineering and Engineering Geology Composite model of seismic monitoring data analysis during mining operations on the example of the Kukisvumchorrskoye deposit of AO Apatit Композитная модель анализа данных сейсмического мониторинга при ведении горных работ на примере Кукисвумчоррского месторождения АО «Апатит» Gospodarikov Alexander P. Господариков А. П. Gospodarikov Alexander P. revine@inbox.ru 0000-0003-1018-6841 Санкт-Петербургский горный университет (Санкт-Петербург, Россия) Saint Petersburg Mining University (Saint Petersburg, Russia) Revin Ilia E. Ревин И. Е. Revin Ilia E. revine@inbox.ru 0000-0002-4459-8724 Санкт-Петербургский горный университет (Санкт-Петербург, Россия) Saint Petersburg Mining University (Saint Petersburg, Russia) Morozov Konstantin V. Морозов К. В. Morozov Konstantin V. revine@inbox.ru 0000-0003-3597-756X Санкт-Петербургский горный университет (Россия) Saint Petersburg Mining University (Russia) 16 02 2023 2023 262 571 580 24 03 2021 15 12 2022 28 08 2023 © 2023 А. П. Господариков, И. Е. Ревин, К. В. Морозов © 2023 Alexander P. Gospodarikov, Ilia E. Revin, Konstantin V. Morozov 2023 А. П. Господариков, И. Е. Ревин, К. В. Морозов Alexander P. Gospodarikov, Ilia E. Revin, Konstantin V. Morozov Эта статья доступна по лицензии Creative Commons Attribution 4.0 International (CC BY 4.0) This article is licensed under a Creative Commons Attribution 4.0 International License (CC BY 4.0) https://pmi.spmi.ru/pmi/article/view/14797

Геомеханический мониторинг состояния массива горных пород – это активно развивающийся раздел геомеханики, в котором невозможно выделить единую методологию и подходы для решения задач, сбора и анализа данных при разработке систем сейсмического мониторинга. При ведении горных работ изменениям подвергаются все природные факторы. В процессе отработки массива горных пород наиболее явно проявляются изменения состояния структурных неоднородностей: раскрываются имеющиеся естественные структурные неоднородности; происходят подвижки по разрывным нарушениям (разломам); образуются новые техногенные нарушения (трещины), которые сопровождаются изменением естественного напряженного состояния различных блоков массива. Разработанный метод оценки результатов мониторинга геомеханических процессов в массиве горных пород на примере Объединенного Кировского рудника КФ АО «Апатит» позволил решить одну из главных задач системы геомониторинга – спрогнозировать местоположение зон возможного возникновения опасных проявлений горного давления.

Geomechanical monitoring of the rock mass state is an actively developing branch of geomechanics, in which it is impossible to distinguish a single methodology and approaches for solving problems, collecting and analyzing data when developing seismic monitoring systems. During mining operations, all natural factors are subject to changes. During the mining of a rock mass, changes in the state of structural inhomogeneities are most clearly manifested: the existing natural structural inhomogeneities are revealed; there are movements in discontinuous disturbances (faults); new man-made disturbances (cracks) are formed, which are accompanied by changes in the natural stress state of various blocks of the rock mass. The developed method for evaluating the results of monitoring geomechanical processes in the rock mass on the example of the United Kirovsk mine of the CF AO Apatit allowed to solve one of the main tasks of the geomonitoring system – to predict the location of zones of possible occurrence of dangerous manifestations of rock pressure.

 Ключевые слова кластеризация геомониторинг сейсмика анализ данных машинное обучение композитные модели Keywords clustering geomonitoring seismics data analysis machine learning composite models Исследование проведено при финансовой поддержке Министерства науки и высшего образования, соглашение FSER-2021-0012 The study was conducted with the financial support of the Ministry of Science and Higher Education, agreement FSER-2021-0012 Господариков А.П., Морозов К.В., Ревин И.Е. О методе обработки данных сейсмического и деформационного мониторинга при ведении подземных горных работ на примере Кукисвумчоррского месторождения АО «Апатит» // Горный информационно-аналитический бюллетень. 2019. № 8. С. 157-168. DOI: 10.25018/0236-1493-2019-08-0-157-168 Gospodarikov A.P., Morozov K.V., Revin I.E. A method of data interpretation in seismicity and deformation monitoring in underground mining in terms of the Kukisvumchorr deposit of Apatit Company. Mining informational and analytical bulletin. 2019. N 8, p. 157-168 (in Russian). DOI: 10.25018/0236-1493-2019-08-0-157-168 Козырев А.А., Каспарьян Э.В., Федотова Ю.В. Концепция единой системы комплексного геомеханического мониторинга при ведении горных работ в скальных массивах горных пород // Горный информационно-аналитический бюллетень. 2016. № 4. С. 168-191. Kozyrev A.A., Kasparyan E.V., Fedotova Yu.V. Concept of a unique complex geomechanical monitoring system when mining in hard rock massifs. Mining informational and analytical bulletin. 2016. N 4, p. 168-191 (in Russian). Шабаров А.Н., Заморкина Ю.В., Попов А.Л., Багаутдинов И.И. Комплексный подxод при геодинамическом районировании шаxтныx полей // Горный информационно-аналитический бюллетень. 2018. № 49. С. 496-506. DOI: 10.25018/0236-1493-2018-11-49-496-506 Shabarov A.N., Zamorkina Yu.V., Popov A.L., Bagautdinov I.I. Integrated approach at geodynamic zoning of mine fields. Mining informational and analytical bulletin. 2018. N 49, p. 496-506 (in Russian). DOI: 10.25018/0236-1493-2018-11-49-496-506 Корчак П.А., Жукова С.А. Методика получения исходных данных для обеспечения сейсмического мониторинга на подземных рудниках ОАО «Апатит» // Горный информационно-аналитический бюллетень. 2014. № 10. С. 15-20. Korchak P.A., Zhukova S.A. Method of receiving basic data for the seismic monitoring at underground mines of JSC “Apatit”. Mining informational and analytical bulletin. 2014. N 10, p. 15-20 (in Russian). Сафиуллин Р.Н., Афанасьев А.С., Резниченко В.В. Концепция развития систем мониторинга и управления интеллектуальных технических комплексов // Записки Горного института. 2019. Т. 237. C. 322-330. DOI: 10.31897/PMI.2019.3.322 Safiullin R.N., Afanasyev A.S., Rezchenko V.V. The Concept of Development of Monitoring Systems and Management of Intelligent Technical Complexes. Journal of Mining Institute. 2019. Vol. 237, р. 322-330. DOI: 10.31897/PMI.2019.3.322 Трушко В.Л., Протосеня А.Г. Перспективы развития геомеханики в условиях нового технологического уклада // Записки Горного института. 2019. Т. 236. С.162-166. DOI: 10.31897/PMI.2019.2.162 Trushko V.L., Protosenya A.G. Prospects of Geomechanics Development in the Context of New Technological Paradigm. Journal of Mining Institute. 2019. Vol. 236, p. 162-166. DOI: 10.31897/PMI.2019.2.162 Litvinenko V.S. Digital Economy as a Factor in the Technological Development of the Mineral Sector // Natural Resources Research. 2020. Vol. 29. P. 1521-1541. DOI: 10.1007/s11053-020-09716-1 Litvinenko V.S. Digital Economy as a Factor in the Technological Development of the Mineral Sector. Natural Resources Research. 2020. Vol. 29, p. 1521-1541. DOI: 10.1007/s11053-020-09716-1 Trushko V.L., Protosenya A.G., Ochkurov V.I. Prediction of the geomechanically safe parameters of the stopes during the rich iron ores development under the complex mining and geological conditions // International Journal of Applied Engineering Research. 2016. Vol. 11. Iss. 22. P. 11095-11103. Trushko V.L., Protosenya A.G., Ochkurov V.I. Prediction of the geomechanically safe parameters of the stopes during the rich iron ores development under the complex mining and geological conditions. International Journal of Applied Engineering Research. 2016. Vol. 11. Iss. 22, p. 11095-11103. Господариков А.П., Выходцев Я.Н., Зацепин М.А. Метод расчета воздействия сейсмовзрывной волны на неоднородный массив горных пород, включающий горизонтальную выработку // Физико-технические проблемы разработки полезных ископаемых. 2020. № 6. С. 30-41. DOI: 10.15372/FTPRPI20200603 Gospodarikov A.P., Vykhodtsev Y.N., Zatsepin M.A. A method for calculating effect of a blast-induced seismic wave on nonuniform enclosing rock mass around a tunnel. Journal of Mining Science. 2020. Vol. 56. N 6, p. 903-913 (in Russian). Карасев М.А., Сотников Р.О. Прогноз напряженного состояния набрызг-бетонной крепи при многократном сейсмическом воздействии // Записки Горного института. 2021. Т. 251. C. 626-638. DOI: 10.31897/PMI.2021.5.2 Karasev M.A., Sotnikov R.O. Prediction of the stress state of the shotcreting support under repeated seismic load. Journal of Mining Institute. 2021. Vol. 251, p. 626-638. DOI: 10.31897/PMI.2021.5.2 Игнатьев С.А., Судариков А.Е., Имашев А.Ж. Современные математические методы прогноза условий поддержания и крепления горных выработок // Записки Горного института. 2019. Т. 238. С. 371-375. DOI: 10.31897/PMI.2019.4.371 Ignatiev S.A., Sudarikov A.E., Imashev A.Zh. Modern Mathematical Forecast Methods of Maintenance and Support Conditions for Mining Tunnels. Journal of Mining Institute. 2019. Vol. 238, p. 371-375. DOI: 10.31897/PMI.2019.4.371 Захаров Л.А., Мартюшев Д.А., Пономарева И.Н. Прогнозирование динамического пластового давления методами искусственного интеллекта // Записки Горного института. 2022. Т. 253. C. 23-32. DOI: 10.31897/PMI.2022.11 Zakharov L.А., Martyushev D.А., Ponomareva I.N. Predicting dynamic formation pressure using artificial intelligence methods. Journal of Mining Institute. 2022. Vol. 253, p. 23-32. DOI: 10.31897/PMI.2022.11 Beloglazov I.I., Petrov P.A., Bazhin V.Yu. The concept of digital twins for tech operator training simulator design for mining and processing industry // Eurasian Mining. 2020. Vol. 2 (34). P. 50-54. DOI: 10.17580/em.2020.02.12 Beloglazov I.I., Petrov P.A., Bazhin V.Yu. The concept of digital twins for tech operator training simulator design for mining and processing industry. Eurasian Mining. 2020. Vol. 2 (34), p. 50-54. DOI: 10.17580/em.2020.02.12 Zhukovskiy Yu.L., Korolev N.A., Babanova I.S., Boikov A.V. The prediction of the residual life of electromechanical equipment based on the artificial neural network // IOP Conference Series: Earth and Environmental Science. 2017. Vol. 87. № 032056. DOI: 10.1088/1755-1315/87/3/032056 Zhukovskiy Yu.L., Korolev N.A., Babanova I.S., Boikov A.V. The prediction of the residual life of electromechanical equipment based on the artificial neural network. IOP Conference Series: Earth and Environmental Science. 2017. Vol. 87. N 032056. DOI: 10.1088/1755-1315/87/3/032056 Jia Qiong, Zhessakov A. Study on ecological evaluation of urban land based on GIS and RS technology // Arabian Journal of Geosciences. 2021. Vol. 14. Iss. 4. № 261. DOI: 10.1007/s12517-021-06586-6 Jia Qiong, Zhessakov A. Study on ecological evaluation of urban land based on GIS and RS technology. Arabian Journal of Geosciences. 2021. Vol. 14. Iss. 4. N 261. DOI: 10.1007/s12517-021-06586-6 Golyandina N., Osipov E. The «Caterpillar»-SSA method for analysis of time series with missing values // Journal of Statistical Planning and Inference. 2007. Vol. 137. Iss. 8. P. 2642-2653. DOI: 10.1016/j.jspi.2006.05.014 Golyandina N., Osipov E. The “Caterpillar”-SSA method for analysis of time series with missing values. Journal of Statistical Planning and Inference. 2007. Vol. 137. Iss. 8, p. 2642-2653. DOI: 10.1016/j.jspi.2006.05.014 Golyandina, N., Stepanov D. SSA-based approaches to analysis and forecast of multidimensional time series // Proceedings of the 5th Saint Petersburg Workshop on Simulation, 26 June – 2 July 2005, Saint Petersburg, Russia. P. 293-298. Golyandina N., Stepanov D. SSA-based approaches to analysis and forecast of multidimensional time series. Proceedings of the 5th Saint Petersburg Workshop on Simulation, 26 June – 2 July 2005, Saint Petersburg, Russia, p. 293-298. Golyandina N.E., Usevich K.D. 2D-extension of Singular Spectrum Analysis: algorithm and elements of theory // Matrix Methods: Theory, Algorithms and Applications. World Scientific Publishing, 2010. P. 449-473. Golyandina N.E., Usevich K.D. 2D-extension of Singular Spectrum Analysis: algorithm and elements of theory. Matrix Methods: Theory, Algorithms and Applications. World Scientific Publishing, 2010, p. 449-473. Golyandina N., Shlemov A. Variations of Singular Spectrum Analysis for separability improvement: non-orthogonal decompositions of time series // Statistics and its interface. 2015. Vol. 8. P. 277-294. DOI: 10.4310/SII.2015.v8.n3.a3 Golyandina N., Shlemov A. Variations of Singular Spectrum Analysis for separability improvement: non-orthogonal decompositions of time series. Statistics and its interface. 2015. Vol. 8, p. 277-294. DOI: 10.4310/SII.2015.v8.n3.a3 Опарин В.Н. Багаев С.Н., Маловичко А.А. Методы и системы сейсмодеформационного мониторинга техногенных землетрясений и горных ударов. Т. 1. Новосибирск: Сибирское отделение РАН, 2009. 304 c. Oparin V.N., Bagaev S.N., Malovichko A.A. Methods and systems of seismodeformation monitoring of man-made earthquakes and rock bursts. Vol. 1. Novosibirsk: Sibirskoe otdelenie RAN, 2009, p. 304 (in Russian). Bhattacharjee P., Mitra P. A survey of density based clustering algorithms // Frontiers of Computer Science. 2021. Vol. 15. № 151308. DOI: 10.1007/s11704-019-9059-3 Bhattacharjee P., Mitra P. A survey of density based clustering algorithms. Frontiers of Computer Science. 2021. Vol. 15. N 151308. DOI: 10.1007/s11704-019-9059-3 Malzer C., Baum M. A Hybrid Approach To Hierarchical Density-based Cluster Selection // IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI), Karlsruhe, Germany, 2020. P. 223-228. DOI: 10.1109/MFI49285.2020.9235263 Malzer C., Baum M. A Hybrid Approach to Hierarchical Density-based Cluster Selection. IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI), Karlsruhe, Germany, 2020, p. 223-228. DOI: 10.1109/MFI49285.2020.9235263 Абрамович Б.Н., Бабанова И.С. Разработка нейросетевых моделей в целях управления и прогнозирования режимов электропотребления предприятий минерально-сырьевого комплекса // Горный информационно-аналитический бюллетень. 2018. № 5. С. 206-221. DOI: 10.25018/0236-1493-2018-5-0-206-213 Abramovich B.N., Babanova I.S. Development of neural network models to predict and control power consumption in mineral mining industry. Mining informational and analytical bulletin. 2018. N 5, p. 206-213 (in Russian). DOI: 10.25018/0236-1493-2018-5-0-206-213 Deb K., Pratap A., Agarwal S., Meyarivan T. A fast and elitist multiobjective genetic algorithm: NSGA-II // IEEE Transactions on Evolutionary Computation. 2002. Vol. 6. № 2. P. 182-197. DOI: 10.1109/4235.996017 Deb K., Pratap A., Agarwal S., Meyarivan T. A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation. 2002. Vol. 6. N 2, p. 182-197. DOI: 10.1109/4235.996017 Comaniciu D., Meer P. Mean shift: A Robust Approach Toward Feature Space Analysis // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2002. Vol. 24. № 5. P. 603-619. DOI: 10.1109/34.1000236 Comaniciu D., Meer P. Mean shift: A Robust Approach Toward Feature Space Analysis. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2002. Vol. 24. N 5, p. 603-619. DOI: 10.1109/34.1000236 Sander J., Ester M., Kriegel H. P., Xu X. Density-Based Clustering in Spatial Databases: The Algorithm GDBSCAN and Its Applications // Data Mining and Knowledge Discovery. Berlin: Springer-Verlag, 1998. Vol. 2. P. 169-194. DOI: 10.1023/A:1009745219419 Sander J., Ester M., Kriegel H. P., Xu X. Density-Based Clustering in Spatial Databases: The Algorithm GDBSCAN and Its Applications. Data Mining and Knowledge Discovery. Berlin: Springer-Verlag, 1998. Vol. 2, p. 169-194. DOI: 10.1023/A:1009745219419 Кочнев А.А., Козырев Н.Д., Кочнева О.Е., Галкин С.В. Разработка комплексной методики прогноза эффективности геолого-технических мероприятий на основе алгоритмов машинного обучения // Георесурсы. 2020. Т. 22. № 3. C. 79-86. DOI: 10.18599/grs.2020.3.79-86 Kochnev A.A., Kozyrev N.D., Kochneva O.E., Galkin S.V. Development of a comprehensive methodology for the forecast of effectiveness of geological and technical measures based on machine learning algorithms. Georesursy. Vol. 22. Iss. 3, p. 79-86 (in Russian). DOI: 10.18599/grs.2020.3.79-86 Hoang Nguyen, Xuan-Nam Bui, Tran Quang Hieu et al. A comparative study of empirical and ensemble machine learning algorithms in predicting air over-pressure in open-pit coal mine // Acta Geophysica. 2020. Vol. 68. Iss. 2. P. 325-336. DOI: 10.1007/s11600-019-00396-x Hoang Nguyen, Xuan-Nam Bui, Tran Quang Hieu et al. A comparative study of empirical and ensemble machine learning algorithms in predicting air over-pressure in open-pit coal mine. Acta Geophysica. 2020. Vol. 68. Iss. 2, p. 325-336. DOI: 10.1007/s11600-019-00396-x Campello R., Kröger P., Sander J., Zimek A. Density-based clustering // Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. 2020. Vol. 10. Iss. 2. DOI: 10.10.1002/widm.1343 Campello R., Kröger P., Sander J., Zimek A. Density-based clustering. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. 2020. Vol. 10. Iss. 2. DOI: 10. 10.1002/widm.1343 Moulavi D., Jaskowiak P., Campello R. et al. Density-Based Clustering Validation // SIAM Proceedings of the 2014 SIAM International Conference on Data Mining (SDM). 2014. P. 839-847. DOI: 10.1137/1.9781611973440.96 Moulavi D., Jaskowiak P., Campello R. et al. Density-Based Clustering Validation. SIAM Proceedings of the 2014 SIAM International Conference on Data Mining (SDM). 2014, p. 839-847. DOI: 10.1137/1.9781611973440.96 Ke-ping Zhou, Yun Lin, Hong-wei Deng et al. Prediction of rockburst classification using cloud model with entropy weight // Transactions of Nonferrous Metals Society of China. 2016. Vol. 26. Iss. 7. P. 1995-2002. DOI: 10.1016/S1003-6326(16)64313-3 Ke-ping Zhou, Yun Lin, Hong-wei Deng et al. Prediction of rockburst classification using cloud model with entropy weight. Transactions of Nonferrous Metals Society of China. 2016. Vol. 26. Iss. 7, p. 1995-2002. DOI: 10.1016/S1003-6326(16)64313-3 Ma T.H., Tang C.A., Tang L.X. et al. Rockburst characteristics and micro-seismic monitoring of deep-buried tunnels for Jinping II Hydropower Station // Tunnelling and Underground Space Technology. 2015. Vol. 49. P. 345-368. DOI: 10.1016/j.tust.2015.04.016 Ma T.H., Tang C.A., Tang L.X. et al. Rockburst characteristics and micro-seismic monitoring of deep-buried tunnels for Jinping II Hydropower Station. Tunnelling and Underground Space Technology. 2015. Vol. 49, p. 345-368. DOI: 10.1016/j.tust.2015.04.016 Garza-Fabre M., Toscano P.G., Coello Coello C.A. Ranking Methods for Many-Objective Optimization // MICAI 2009: Advances in Artificial Intelligence 8th Mexican International Conference on Artificial Intelligence Guanajuato, 9-13 November 2009, México. 2009. Vol. 5845. P. 633-645. DOI: 10.1007/978-3-642-05258-3_56 Garza-Fabre M., Toscano P.G., Coello Coello C.A. Ranking Methods for Many-Objective Optimization. MICAI 2009: Advances in Artificial Intelligence 8th Mexican International Conference on Artificial Intelligence Guanajuato, 9-13 November 2009, México. 2009. Vol. 5845, p. 633-645. DOI: 10.1007/978-3-642-05258-3_56 Zitzler E., Laumanns M., Thiele L. SPEA2: Improving the Strength Pareto Evolutionary Algorithm // TIK-Report. Vol. 103. ETH Zurich: Computer Engineering and Networks Laboratory. DOI: 10.3929/ETHZ-A-004284029 Zitzler E., Laumanns M., Thiele L. SPEA2: Improving the Strength Pareto Evolutionary Algorithm. TIK-Report. Vol. 103. ETH Zurich: Computer Engineering and Networks Laboratory. DOI: 10.3929/ETHZ-A-004284029 Гладырь А.В., Курсакин Г.А., Рассказов М.И., Константинов А.В. Разработка метода выделения опасных участков в массиве горных пород по данным сейсмоакустических наблюдений // Горный информационно-аналитический бюллетень. 2019. № 8. С. 21-32. DOI: 10.25018/0236-1493-2019-08-0-21-32 Gladyr A.V., Kursakin G.A., Rasskazov M.I., Konstantinov A.V. Method to detect hazardous areas in rock mass from seismoacoustic observations. Mining informational and analytical bulletin. 2019. N 8, p. 21-32 (in Russian). DOI: 10.25018/0236-1493-2019-08-0-21-32