CC BY
0
УДК 55
Гулханова О., студент,
Международный университет нефти и газа имени Ягшыгелди Какаева,
Ашхабад, Туркменистан Худайназарова Б., студент, Международный университет нефти и газа имени Ягшыгелди Какаева,
Ашхабад, Туркменистан Хатамов М., студент,
Международный университет нефти и газа имени Ягшыгелди Какаева,
Ашхабад, Туркменистан Машарипов Т., студент, Международный университет нефти и газа имени Ягшыгелди Какаева,
Ашхабад, Туркменистан Научный руководитель: Атажаев А., преподаватель, Международный университет нефти и газа имени Ягшыгелди Какаева,
Ашхабад, Туркменистан
МАШИННОЕ ОБУЧЕНИЕ В ГОРНОМ ДЕЛЕ Аннотация
В статье рассматривается применение методов машинного обучения (ML) в горнодобывающей промышленности. Анализируются ключевые области применения ML, включая геологоразведку, планирование горных работ, управление производством, обеспечение безопасности и оптимизацию технического обслуживания.
Ключевые слова:
машинное обучение, ML, горное дело, горнодобывающая промышленность, искусственный интеллект, ИИ, глубокое обучение, DL, нейронные сети, геологоразведка, планирование, оптимизация, безопасность, автоматизация, предиктивная аналитика, большие данные, регрессия, классификация, кластеризация.
Горнодобывающая промышленность, сталкиваясь с необходимостью повышения эффективности, снижения затрат и обеспечения безопасности в сложных условиях, все активнее внедряет цифровые технологии. Одним из наиболее перспективных направлений является применение методов машинного обучения (ML), подмножества искусственного интеллекта (ИИ), позволяющего компьютерам обучаться на данных без явного программирования. ML позволяет решать широкий спектр задач, от прогнозирования запасов полезных ископаемых до оптимизации работы горной техники.
Важно понимать место ML в более широком контексте. Искусственный интеллект (ИИ) - это общее понятие, описывающее способность машин выполнять задачи, которые обычно требуют человеческого интеллекта. Машинное обучение (ML) - это один из подходов к реализации ИИ, основанный на алгоритмах, которые учатся на данных. Глубокое обучение - это, в свою очередь, подмножество ML, использующее многослойные нейронные сети для обработки сложных данных.
Ключевые области применения ML в горном деле:
Геологоразведка:
Анализ геофизических данных: ML используется для обработки и интерпретации сейсмических, гравиметрических, магнитных и других геофизических данных, что позволяет более точно определять геологическое строение и выявлять перспективные участки. Примеры: кластеризация данных для выделения аномалий, регрессионный анализ для оценки параметров пластов.
Интерпретация данных дистанционного зондирования: Методы компьютерного зрения,
основанные на DL, позволяют автоматически анализировать спутниковые и аэрофотоснимки, распознавая геологические структуры и признаки минерализации.
Прогнозирование запасов: ML алгоритмы, обученные на данных бурения и геофизических исследований, позволяют строить модели для прогнозирования запасов полезных ископаемых. Планирование горных работ:
Оптимизация карьерного дизайна: ML может использоваться для оптимизации формы и размеров карьеров, минимизируя объемы вскрышных работ и максимизируя добычу.
Планирование маршрутов техники: Алгоритмы оптимизации и обучения с подкреплением могут использоваться для планирования оптимальных маршрутов движения горной техники, сокращая время транспортировки и расход топлива. Управление производством:
Оптимизация работы оборудования: ML используется для анализа данных с датчиков, установленных на горной технике, с целью оптимизации режимов работы и повышения производительности.
В перспективе ожидается дальнейшее развитие ML в горном деле, включая разработку более сложных и специализированных алгоритмов, интеграцию с другими цифровыми технологиями (например, цифровые двойники), а также расширение областей применения. Список используемой литературы:
1. Рассел С., Норвиг П. Искусственный интеллект: современный подход. — М.: Вильямс, 2019.
2. Берзин А.А., Костюк Ю.Л. Основы теории искусственного интеллекта. — М.: Интернет-Университет Информационных Технологий, 2004.
© Гулханова О., Худайназарова Б., Хатамов М., Машарипов Т., 2025
УДК 55
Мухаммедова Б., старший преподаватель, Международный университет нефти и газа имени Ягшыгелди Какаева,
Ашхабад, Туркменистан Геоков Б., преподаватель, Международный университет нефти и газа имени Ягшыгелди Какаева,
Ашхабад, Туркменистан Собедов Б., студент,
Международный университет нефти и газа имени Ягшыгелди Какаева,
Ашхабад, Туркменистан Ишангулыева Г., студент, Международный университет нефти и газа имени Ягшыгелди Какаева,
Ашхабад, Туркменистан Научный руководитель: Ораздурдыев Д., Кандидат геолого-минералогических наук, старший преподаватель, Международный университет нефти и газа имени Ягшыгелди Какаева,
Ашхабад, Туркменистан
СВЯЗЬ МЕЖДУ МИНЕРАЛЬНЫМ СОСТАВОМ И СЕЙСМИЧНОСТЬЮ ГОРНЫХ ПОРОД ТУРКМЕНИСТАНА
Аннотация
В статье рассматриваются современные технологии, применяемые в гидрогеологических
