Тип публикации: статья из журнала
Год издания: 2025
Ключевые слова: underground structures, thermal processes, time series, recurrent neural networks, lstm, forecasting, подземные сооружения, тепловые процессы, временные ряды, рекуррентные нейронные сети, прогнозирование
Аннотация: Рассматривается применение методов искусственного интеллекта для анализа и прогнозирования тепловых процессов в подземных горных сооружениях. В качестве инструмента использовалась рекуррентная нейронная сеть архитектуры LSTM, обученная на экспериментальных данных, полученных с высокой временной дискретностью. Проведено сравнение реПоказать полностьюзультатов, полученных при помощи статистических методов и нейросетевого подхода, показавшее значительное преимущество последнего как по точности прогноза, так и по способности учитывать нелинейные зависимости и кратковременные температурные колебания. Среднеквадратическая ошибка прогноза при использовании LSTM составила менее 0,2 °C, что подтверждает высокую эффективность данного метода. Полученные результаты демонстрируют перспективность внедрения нейросетевых технологий в системы мониторинга и управления безопасностью подземных объектов. This study focuses on the application of artificial intelligence methods for analyzing and forecasting thermal processes in underground mining structures. A recurrent neural network of LSTM architecture was employed, trained on experimental data with high temporal resolution. Comparative analysis with traditional statistical approaches demonstrated a clear advantage of the neural network method in terms of prediction accuracy and its ability to capture nonlinear dependencies and short-term temperature fluctuations. The root mean square error of the forecast using LSTM was less than 0.2 °C, confirming the high efficiency of the proposed approach. The fmd-ings highlight the potential of integrating recurrent neural networks into monitoring and safety management systems for undergroundfacilities, contributing to improved reliability and operational security.
Журнал: Известия Тульского государственного университета. Науки о Земле
Выпуск журнала: № 3
Номера страниц: 205-211
ISSN журнала: 22185194
Место издания: Тула
Издатель: Тульский государственный университет