融合非对称物理特征与代价敏感学习的孤岛长壁巷道智能安全评估

《Applied Sciences》：Intelligent Safety Assessment of Island Longwall Roadway Integrating Asymmetric Physical Features and Cost-Sensitive Learning

　　

为孤岛长壁工作面服务的巷道在多邻近采空区极端偏心荷载作用下极易发生严重的非对称变形。针对围岩荷载不平衡难以表征以及极端不平衡监测数据下常规算法漏报率高的问题，研究人员开发了一种将空间非对称物理特征与代价敏感学习相结合的智能评估方法。隐式方程分析与数值模拟阐明了主应力轴偏转诱发蝶形非对称旋转破坏的力学机制，从而构建了无量纲集成非对称系数与结构传递非对称系数。通过重构代价敏感目标函数，危险样本的召回率由基线模型的37.5%提高至92.2%，同时精确率保持在96.7%。三级差异化巷道控制方案的现场实施后，临界偏心受载测站（即测站12与测站07）的集成非对称系数在监测期内保持在0.2以下，实现了复杂偏心荷载巷道的实时智能感知与主动稳定性控制。最终，本研究证实了物理信息特征与机器学习相融合的可行性，为复杂地下工程向智能化、主动安全管理转型展现了重要潜力。

融合非对称物理特征与代价敏感学习的孤岛长壁巷道智能安全评估研究解读

孤岛长壁工作面由跳采形成，可最大程度提高煤炭资源回收率。然而，孤岛工作面两侧或多侧为采空区，围岩常遭受强烈的静载与动载叠加，并承受偏心荷载，极易诱发巷道严重非对称变形、帮部挤出与底鼓，威胁矿井安全。现有研究已在围岩力学演化、煤柱与巷道承载特性、采空区侧向支承压力与工作面前方支承压力叠加效应、塑性区非对称扩展等方面建立了复杂开采扰动下的物理力学框架，但基于围岩变形的实时、分区、精准支护研究仍不充分。同时，物联网与数据科学的发展推动了基于多源监测数据的巷道稳定性智能评估，但纯数据驱动算法存在缺乏力学先验、难以提取表征围岩荷载不平衡的空间非对称物理特征，以及极端不平衡时间序列监测数据下常规算法对危险事件漏报率高等突出问题。针对上述问题，研究人员以山西小回沟煤矿2206回风巷这一典型孤岛工作面巷道为对象，将非对称物理特征与代价敏感学习相结合，开展智能安全评估与差异化控制研究。研究通过隐式方程分析与数值模拟阐明了主应力轴偏转诱发蝶形非对称旋转破坏的力学机制，构建了无量纲集成非对称系数与结构传递非对称系数，重构代价敏感目标函数建立了四级智能安全评估模型，并提出三级差异化控制方案进行现场验证。研究表明，力学机制向机器学习特征空间的转化，为复杂偏心荷载条件下孤岛工作面巷道安全监测与稳定性控制提供了系统框架，对推动复杂地下工程向智能化、主动安全管理转变具有重要意义。该论文发表在《Applied Sciences》。

主要技术方法方面，研究人员采用了以下关键方法：①基于隐式方程的理论分析与FLAC3D三维数值模拟，再现了多采空区顺序开采条件下2206回风巷围岩应力演化与塑性区发育过程；②构建了应力空间非对称系数、支护空间非对称系数、集成非对称系数（K_AFC）与结构传递非对称系数（K_STA）四个无量纲物理特征指标