基于GRU和XGBoost的礦壓顯現規律預測

柴敬， 劉義龍， 王安義， 屈世甲， 歐陽一博

(1.西安科技大學 能源學院， 陜西 西安 710054； 2.西安科技大學 西部礦井開采及災害防治教育部 重點實驗室， 陜西 西安 710054； 3.西安科技大學 通信與信息工程學院, 陜西 西安 710054； 4.天地(常州)自動化股份有限公司， 江蘇 常州 213015)

0 引言

煤炭開采過程破壞了巖層間原始的應力平衡狀態，在重力影響下，巖體會產生新的應力場，通常稱為礦壓顯現。劇烈的礦壓會誘發巷道變形失穩、瓦斯突出、沖擊地壓等地質災害，為煤礦生產帶來巨大的損失[1-2]。因此，為減少地質災害的發生，掌握礦壓顯現的規律并對礦壓進行有效預測和控制是煤礦安全生產的重要課題之一。

近年來，分布式光纖傳感技術[3-5]的興起有效解決了礦壓難以監測的問題。但是，由于采動過程中巖層變形具有隨機性、非線性的特點，導致礦壓規律難以預測。為解決該問題，許多學者采用光纖傳感器監測的光纖頻移值對礦壓顯現規律進行表征。王潤沛[6]基于光纖平均頻移變化度表征礦壓的原理，結合機器學習算法對礦壓進行預測。鞏師鑫等[7]基于液壓支架工作阻力數據表征礦壓的原理，采用MRDA FLPEM(流形正則域適應函數鏈接預測誤差)集成算法預測了綜采工作面礦壓。趙毅鑫等[8]利用液壓支架阻力數據分析了大采高工作面的礦壓顯現規律并采用深度學習算法預測了礦壓。常峰[9]基于工作面頂板礦壓數據，采用遺傳算法優化后的BP神經網絡模型預測了綜采工作面頂板的來壓規律。……