Тип публикации: статья из журнала
Год издания: 2026
Ключевые слова: geographic information systems, artificial intelligence, geotechnical monitoring, mining infrastructure, machine learning, spatial analysis, геоинформационные системы, искусственный интеллект, геотехнический мониторинг, горная инфраструктура, машинное обучение, пространственный анализ
Аннотация: Рассматривается применение интегрированного подхода к мониторингу геотехнической устойчивости объектов горной инфраструктуры на основе совместного использования геоинформационных систем и алгоритмов искусственного интеллекта. Исследование выполнено на примере участка откоса отвала вскрышных пород, где были проведены геодезические нПоказать полностьюаблюдения на сети контрольных точек и анализ данных дистанционного зондирования. Полученные пространственные и параметрические данные были интегрированы в геоинформационную среду и использованы для обучения модели машинного обучения на основе алгоритма случайного леса. В результате были выявлены пространственные закономерности распределения деформационных процессов и определены факторы, оказывающие наибольшее влияние на развитие смещений. Разработанная модель продемонстрировала высокую точность прогнозирования параметров деформаций и позволила сформировать карту вероятностного распределения зон повышенной геотехнической активности. Полученные результаты подтверждают эффективность применения интеллектуальных геоинформационных методов для анализа и прогнозирования устойчивости горных объектов. The paper considers an integrated approach to monitoring the geotechnical stability of mining infrastructure facilities based on the combined use of geographic information systems and artificial intelligence algorithms. The study was carried out on a waste dump slope area where geodetic observations at control points and remote sensing data analysis were performed. The obtained spatial and parametric data were integrated into a GIS environment and used to train a machine learning model based on the rando m forest algorithm. The analysis revealed spatial patterns in the distribution of deformation processes and identified the key factors influencing displacement dynamics. The developed model demonstrated high predictive accuracy and enabled the creation of a probabilistic map of zones with increased geotechnical activity. The results confirm the effectiveness of intelligent geoinformation approaches for analyzing and forecasting the stability of mining infrastructure facilities.
Журнал: Известия Тульского государственного университета. Науки о Земле
Выпуск журнала: № 1
Номера страниц: 354-359
ISSN журнала: 22185194
Место издания: Тула
Издатель: Тульский государственный университет