突(透)水位置和水量是控制矿井水害灾情演变的直接因素,也是充水水源、充水通道和充水强度特征的综合体现。

　　

　　研究位置和水量控制下的灾情演变规律能够提升灾后矿井局部淹没监测和观测数据的使用效率,提高灾害分析的定量化水平。数值模拟仿真灾情演变过程,利用机器学习挖掘灾情演变规律,基于有限的灾情监测和观测数据快速、准确地研判矿井水害灾情并预测演变趋势是矿大（北京）武强院士团队研究成果《基于人工智能的矿井水害灾情研判及预测研究》最核心的内容。

　　

　　1)利用物联网监测、机器学习等人工智能技术构建了矿井水害灾情的智能研判及预测:充分利用矿井突(透)水危险性评价理论与数值模拟技术,在水害发生之前分析灾情演变规律,构建研判模型;在水害发生后由灾情监测触发灾情研判,回归分析灾情变化特征,预测灾情演变趋势,提高矿井水害应急救援与处置的针对性。

　　

　　2)在北辛窑矿进行了示范性应用,验证了基于人工智能的矿井水害灾情研判及预测方法的可操作性与有效性。

　　

　　3)矿井水害灾情的监测技术是制约研判及预测精度的重要因素,在矿井信息化程度不断提高的同时,相信越来越充分的多源数据能够服务于灾情研判及预测。

　　

　　4)为矿井水害的应急救援与处置提供了全新的研究思路与定量化基础:a.灾情研判结果可用于矿井突(透)水量计算,进而与水源和通道分析相互支撑、验证;b.灾情演变趋势预测能够直接服务于矿井水害应急救援与处置;c.水害灾情的实时记录能够为矿井水害防治研究提供数据基础。

矿井水害灾情研判及预测流程框架

论文链接