Тип публикации: статья из журнала
Год издания: 2026
Ключевые слова: deep learning, neural networks, geomechanics, stress-strain state, rock mass, prediction, глубокое обучение, нейронные сети, геомеханика, напряженно-деформированное состояние, горный массив, прогнозирование
Аннотация: Исследована возможность применения методов глубокого обучения для прогнозирования напряженно-деформированного состояния массивов горных пород. В качестве исходных данных использованы результаты численного моделирования, выполненного в программном комплексе RS2 для различных сочетаний прочностных и деформационных характеристик породПоказать полностью, а также глубины расположения горных выработок. Для прогнозирования максимальных эквивалентных напряжений разработана полносвязная нейронная сеть с несколькими скрытыми слоями. Проведена подготовка данных, обучение модели и оценка ее точности по тестовой выборке. Установлено, что предложенный подход обеспечивает высокую степень соответствия результатам численного моделирования при средней относительной ошибке менее 5 % и коэффициенте детерминации 0,947. Показано существенное сокращение времени получения прогнозов, что подтверждает перспективность использования нейросетевых методов для решения прикладных задач геомеханического анализа. Investigates the applicability of deep learning methods for predicting the stress-strain state of rock masses. Numerical simulation results obtained using the RS2 software package for various combinations of rock strength parameters, elastic properties, and excavation depths were used as input data. A fully connected neural network with several hidden layers was developed to predict maximum equivalent stresses. Data preprocessing, model training, and accuracy assessment were performed using a test dataset. The results demonstrated a high level of agreement between neural network predictions and numerical modeling outcomes, with an average relative error below 5% and a coefficient of determination of 0.947. A significant reduction in computation time was also achieved. The obtained results confirm the potential of neural network approaches as an effective tool for solving applied geomechanical prediction problems.
Журнал: Известия Тульского государственного университета. Науки о Земле
Выпуск журнала: №2
Номера страниц: 416-421
ISSN журнала: 22185194
Место издания: Тула
Издатель: Тульский государственный университет