ON AN APPROACH TO ZONING RISKS OF GROUNDWATER PROTECTIVE LAYER FAILURE BASED ON A SET OF GEOPHYSICAL AND GEOTECHNICAL CHARACTERISTICS

Обложка

Цитировать

Полный текст

Аннотация

The Verkhnekamsk potassium-magnesium salt deposit (VKSD) is one of the largest in the world. The primary challenge in underground salt mining is maintaining the integrity of the groundwater protective layer, which separates the mined seams from aquifers. In this context, the Verkhnekamsk deposit is mined using a chamber system room-and-pillar method, ensuring the stability of the protective layer through inter-chamber pillars. This paper presents the results of a preliminary analysis of the geological and mining conditions in one of the mines of the Verkhnekamsk deposit. The procedure for forming the initial data set is discussed. Test calculations based on a limited data set were performed, demonstrating the potential of combining artificial neural network algorithms and discrete mathematical analysis. The results achieved on the formed dataset successfully identified hazard classes. Thus, it can be concluded that this technology is fundamentally effective for assessing the risk of groundwater protective layer failure. The proposed approach establishes links between phenomena, their associated risks, and the deformations of underground workings and the Earth's surface, enabling proactive measures to protect mines from flooding.

Список литературы

  1. Agayan S. M., Losev I. V., Belov I. O., et al. Dynamic Activity Index for Feature Engineering of Geodynamic Data for Safe Underground Isolation of High-Level Radioactive Waste // Applied Sciences. — 2022. — Vol. 12, no. 4. — doi: 10.3390/app12042010.
  2. Araujo M., Rivas T., Giraldez E., et al. Use of machine learning techniques to analyse the risk associated with mine sludge deposits // Mathematical and Computer Modelling. — 2011. — Vol. 54, no. 7/8. — P. 1823–1828. — doi: 10.1016/j.mcm.2010.11.066.
  3. Baryakh A. A., Gubanova E. A. On flood protection measures for potash mines // Journal of Mining Institute. — 2019. — Vol. 240, no. 6. — P. 613–620. — doi: 10.31897/pmi.2019.6.613.
  4. Baryakh A. A., Samodelkina N. A. Water-tight stratum rupture under large-scale mining. Part II // Journal of Mining Science. — 2012. — Vol. 48, no. 6. — P. 954–961. — doi: 10.1134/s1062739148060020.
  5. Baryakh A. A., Samodelkina N. A. Geomechanical Estimation of Deformation Intensity above the Flooded Potash Mine // Journal of Mining Science. — 2018. — Vol. 53, no. 4. — P. 630–642. — doi: 10.1134/S106273911704262X.
  6. Baryakh A. A., Tenison L. O. Justification of engineering safety criteria for undermining of water-proof layer in the Upper Kama Salt Deposit // Gornyi Zhurnal. — 2021. — No. 4. — P. 57–63. — doi: 10.17580/gzh.2021.04.08. — (In Russian).
  7. Baryakh A. A., Tsayukov A. A., Evseev A. V., et al. Mathematical Modeling of Deformation and Failure of Salt Rock Samples // Journal of Mining Science. — 2021. — Vol. 57, no. 3. — P. 370–379. — doi: 10.1134/s1062739121030029.
  8. Gvishiani A. D., Agayan S. M., Bogoutdinov Sh. R. Investigation of systems of real functions on two-dimensional grids using fuzzy sets // Chebyshevskii Sbornik. — 2019a. — Vol. 20, no. 1. — P. 94–111. — doi: 10.22405/2226-8383-2019-20-1-94-111. — (In Russian).
  9. Gvishiani A. D., Agayan S. M., Losev I. V., et al. Geodynamic hazard assessment of a structural block holding an underground radioactive waste disposal facility // Mining informational and analytical bulletin. — 2021. — No. 12. — P. 5–18. — doi: 10.25018/0236_1493_2021_12_0_5. — (In Russian).
  10. Gvishiani A. D., Kaftan V. I., Krasnoperov R. I., et al. Geoinformatics and Systems Analysis in Geophysics and Geodynamics // Izvestiya, Physics of the Solid Earth. — 2019b. — Vol. 55, no. 1. — P. 33–49. — doi: 10.1134/s1069351319010038.
  11. Ibrahim A. M., Bennett B. The Assessment of Machine Learning Model Performance for Predicting Alluvial Deposits Distribution // Procedia Computer Science. — 2014. — Vol. 36. — P. 637–642. — doi: 10.1016/j.procs.2014.09.067.
  12. Kolmogorov A. N. On the representation of continuous functions of many variables by superposition of continuous functions of one variable and addition // Doklady Akademii Nauk SSSR. — 1957. — Vol. 114, no. 5. — P. 953–956. — (In Russian).
  13. Kudryashov A. I., Vasiukov V. E., Fon-der-Flass G. S., et al. Faults on the Verkhnekamskoe deposit of salts. — Perm : Mining Institute UB RAS, Perm State University, 2004. — P. 194. — (In Russian).
  14. Migoń P., Michniewicz A. Topographic Wetness Index and Terrain Ruggedness Index in geomorphic characterisation of landslide terrains, on examples from the Sudetes, SW Poland // Zeitschrift für Geomorphologie, Supplementary Issues. — 2017. — Vol. 61, no. 2. — P. 61–80. — doi: 10.1127/zfg_suppl/2016/0328.
  15. Owoseni J. O., Tamarautobou E. U., Asiwaju-Bello Y. A. Application Sequential Analysis and Geographic Information Systems for Hydrochemical Evolution Survej, Shagari Environ, Southwestern Nigeria // Amerikan International Journal of Contemporary Reserch. — 2013. — Vol. 3, no. 3. — P. 38–48.
  16. Pedregosa F., Varoquaux G., Gramfort A., et al. Scikit-learn: Machine Learning in Python // Journal of Machine Learning Research. — 2012. — Vol. 12. — P. 2825–2830. — doi: 10.48550/ARXIV.1201.0490.
  17. Phillips J. D., Schwanghart W., Heckmann T. Graph theory in the geosciences // Earth-Science Reviews. — 2015. — Vol. 143. — P. 147–160. — doi: 10.1016/j.earscirev.2015.02.002.
  18. Zhang Y., Li J., Lei Y., et al. 3D simulations of salt tectonics in the Kwanza Basin: Insights from analogue and Discrete Element numerical modeling // Marine and Petroleum Geology. — 2020. — Vol. 122. — P. 104666. — doi: 10.1016/j.marpetgeo.2020.104666.
  19. Zubov V. P., Kovalski E. R., Antonov S. V., et al. Improving the safety of mines in developing Verkhnekamsk potassium and magnesium salts // Mining Informational and analytical bulletin. — 2019. — Vol. 5. — P. 22–33. — doi: 10.25018/0236-1493-2019-05-0-22-33. — (In Russian).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Losev I., Baryakh A., Evseev A., Kamaev A., Zhukova I., Manevich A., Shevchuk R., Akmatov D., 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».