矿业研究与开发

作者：张东炜,张艺山,焦诗卉,赵永,邓文学,薛斌,文鑫

关键词：地下矿山;长短时记忆神经网络;深度卷积神经网络;迁移学习;地表沉降预测

地下矿体开采过程中,采空区坍塌会破坏岩层的应力平衡,进而引发地质灾害并危及地表设施.为在矿山未开采阶段缺乏实际监测数据的情况下提高矿山地表沉降预测的精度,保障人员安全和矿区生产,提出了一种结合神经网络和迁移学习的矿山地下开采地表沉降预测方法,融合长短时记忆神经网络准确提取时间序列特征以及深度卷积神经网络提取数据的局部特征的优点,提高预测模型的准确性.根据中干沟钒钛磁铁矿的开采设计,利用预测模型开展不同开采进度下地表沉降预测.结果表明,随着出矿量的增加,各分段的均方误差均小于0.4,所提出的模型在不同开采进度下的地表沉降预测中表现出较高的准确性.该方法能够为类似矿山的地表沉降预测和安全监测提供参考.

来源：2026年第2期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2026年第2期