Künstliche Intelligenz entwickelt sich zu einem wertvollen Instrument für die Sicherheit in Kohlebergwerken. Eine aktuelle Studie zeigt, dass es in der Lage ist, Vorfälle im Zusammenhang mit Gas mit bemerkenswerter Genauigkeit vorherzusagen, was neue Möglichkeiten für den Schutz von Minderjährigen eröffnet.
A innovative Studie In einer in chinesischen Kohlebergwerken durchgeführten Studie wurden zehn maschinelle Lernalgorithmen verglichen, um festzustellen, welche KI-Methode Änderungen des Methangehalts 30 Minuten im Voraus am effektivsten vorhersagen kann. Das Hauptziel bestand darin, Benutzer auf potenziell gefährliche Anomalien aufmerksam zu machen.
Gasexplosionen in Untertagebergwerken stellen eine großes Risiko für die Arbeitssicherheit. In China werden fast 60 % der Unfälle im Kohlebergbau durch Methan verursacht. Die Bedeutung dieser Erkenntnis wird durch die Tatsache unterstrichen, dass China im Jahr 2020 46 % der weltweiten Kohle produzierte und mehr als 3.200 Minen ein hohes Risiko durch Gasfreisetzungen bergen.
Leistungsstarke Algorithmen für präzise Vorhersagen
Laut Associate Professor Niusha Shafiabady von der Charles Darwin University (CDU), der sagte: „Es wurde festgestellt, dass die lineare Regression einer der effektivsten Algorithmen für kurzfristige Prognosen ist und andere getestete Methoden übertrifft.»
Er fügte außerdem hinzu: „Random Forest weist häufig eine statistisch geringere Fehlerleistung auf und erreicht die höchste Vorhersagegenauigkeit. Die Support Vector Machine (SVM) bietet eine gute Leistung und eine kürzere Berechnungszeit bei kleinen Datensätzen, erfordert jedoch mit zunehmender Datensatzgröße eine längere Trainingszeit.»
Die vielversprechenden Ergebnisse dieser Studie eröffnen neue Möglichkeiten für die Bergbauindustrie. Sie werden das Risiko von Unfällen wie Gasexplosionen erheblich verringern, Arbeitnehmer schützen und die Fähigkeit verbessern, Katastrophen zu verhindern und abzumildern, wodurch potenzielle finanzielle und menschliche Verluste begrenzt werden.
Auf dem Weg zu verstärkter Überwachung für mehr Sicherheit
Die Studie wurde gemeinsam von der Charles Darwin University, der University of Technology Sydney, der Australian Catholic University, der Shanxi Normal University und der Central Queensland University durchgeführt. Diese internationale Zusammenarbeit unterstreicht die Bedeutung, die diesem Thema auf globaler Ebene beigemessen wird.
Professor Shafiabady, ebenfalls Forscher an der Peter Faber School of Business der Australian Catholic University, betonte die vielfältigen Anwendungsmöglichkeiten dieser Erkenntnisse. Er erklärte: „Diese Methode funktioniert für alle Kohlebergwerke und die gleichen Prinzipien können auf andere Branchen wie Luft- und Raumfahrt, Öl und Gas, Landwirtschaft und viele andere angewendet werden.»
Abschließend betonte der Forscher das Potenzial der KI, Leben zu retten: „Dies ist eine Beispielanwendung, bei der künstliche Intelligenz eingesetzt werden kann, um Leben zu retten und Gesundheits- und Sicherheitsrisiken zu mindern.»
Die vergleichende Studie von zehn maschinellen Lernalgorithmen zur kurzfristigen Vorhersage in Gaswarnsystemen wurde in der Fachzeitschrift Scientific Reports veröffentlicht. Es baut auf früheren Forschungsarbeiten unter der Leitung von Professor Shafiabady auf, die zeigten, dass eine verstärkte Überwachung von Wind, Gasdichte und Temperaturen in Kohlebergwerken auch dazu beitragen könnte, das Risiko von Katastrophen zu verringern.
Diese Fortschritte auf dem Gebiet der künstlichen Intelligenz, angewendet auf die Bergbausicherheit, markieren ein bedeutender Wendepunkt für die Branche. Sie bieten konkrete Instrumente zur Verbesserung des Arbeitnehmerschutzes und zur Unfallverhütung und eröffnen gleichzeitig neue Möglichkeiten in anderen riskanten Industriezweigen.
Bildunterschrift: Die in Zusammenarbeit mit der Charles Darwin University durchgeführte Studie ergab, dass KI-Technologie Veränderungen des Methangehalts in Kohlebergwerken vorhersagen kann.
Artikel: „Vergleichende Untersuchung von zehn maschinellen Lernalgorithmen für kurzfristige Vorhersagen in Gaswarnsystemen“ – DOI: s41598-024-67283-4
Related News :