16 Международная научная школа молодых ученых и специалистов
С 23.10.2023г. по 27.10.2023г. сотрудники АО «ВНИМИ» приняли участие в 16 Международной научной школе молодых ученых и специалистов «Проблемы освоения недр в XXI веке глазами молодых», проводимой Институтом проблем комплексного освоения недр им.академика Н.В.Мельникова РАН в г. Москва.
Представители АО «ВНИМИ» приняли активное участие в пленарном заседании тема: «Гидрогеология и инженерная геология. Цифровые технологии при недропользовании» с докладом на тему: «Использование машинного обучения и нейронных сетей в задачах классификации геодинамических процессов по электромагнитному изучению горных пород и данным сейсмомониторинга». Авторы: Романевич К.В., Мулев С.Н.
На ряде месторождений России ведется непрерывный круглосуточный мониторинг сейсмоактивности, на основании данных регистрации сейсмических событий по системе сейсмопавильонов, установленных в горных выработках. Анализ сейсмической активности проводится с помощью специально разработанного АО ВНИМИ пакета программного обеспечения «GITS2».
В процессе работы системы, в частности записываются сейсмограммы сейсмических событий, зарегистрированных на контролируемом объекте. После предварительной обработки сигналов – каждое сейсмособытие должно быть классифицировано. Классификация позволяет понимать природу и источники различных сейсмических событий, а также оценивать влияние события на окружающую среду, массив и конструкции, прогнозировать дальнейшую геодинамическую активность. Классификация событий оператором «в ручном режиме» не всегда возможна в связи с многообразием возможных форм и параметров сигналов.
Для автоматизации классификации геодинамических процессов при мониторинге сейсмоактивности могут быть использованы современные методы искусственного интеллекта, в частности методы глубокого обучения и методы машинного обучения. Так, для четырех типов событий на одной из шахт, подключенных к системе удаленного мониторинга сейсмоактивности GITS2, созданная модель машинного обучения из 312 событий классифицировала верно 307 событий, показав точность классификации – 98.4%.