Research progress and prospects of coal mine intelligent geological guarantee systems
-
摘要:
煤矿地质保障系统是智能化煤矿建设和生产的重要内容，地质透明化是智能地质保障的努力方向。首先从地质勘探设备、地质建模软件、地质数据处理、智能工作面装备等多方面回顾了国内外煤矿地质信息技术发展；然后重点分析了我国智能地质保障系统的技术进展，包括隐蔽致灾地质因素探测技术、地测数据动态获取与地质灾害监测技术、多源数据融合与地质大数据技术、煤矿GIS“一张图”与地质云技术、透明化地质建模与可视化技术、地质保障智能分析技术等。在此基础上，对我国智能地质保障系统建设中的难点问题进行了分析，指出煤岩层识别、地震智能解释和点云三维重建等动态地质测量数据获取技术尚未取得突破性进展，各类地质软件在数据开放性上存在不足，数据格式不能兼容和统一，多源地测数据共享与融合处理能力有待提高，基于大数据和人工智能技术开展地质预测预报和地质隐患防控还需要深入研究。最后探讨了煤矿智能地质保障系统的发展方向，认为地球物理探测装备与基于深度学习的智能解释、全要素多尺度动态地质模型及数值模拟、隐蔽致灾因素智能分析与预测、基于地质模型的矿山动态生产规划等四大方向将在智能矿山建设中发挥重要作用。综上所述，本研究能为矿山智能化地质保障系统建设和采掘应用提供有益的参考。
Abstract:The intelligent geological guarantee system is an important part of coal mines IT construction. The article first reviews the history of geological information technology at home and abroad from the respect of geological exploration equipment, geological modelling software, geological data manipulation, intelligent working face equipment, summarizes the technology progress of geological guarantee system including hidden geohazards exploration, geological and surveying data acquisition and disaster monitoring, multi-source geological data fusion and big data analytics, GIS One Map cloud service, transparent geological 3D modeling and visualization, and geological guarantee intelligent analytics, explains the current problems during the coal mine intelligent geological guarantee systems IT construction, those are: dynamic geological survey data acquisition technologies such as coal and rock stratum recognition, intelligent seismic interpretation and 3D reconstruction of point clouds have not yet made breakthroughs. The data format of various geological software is not compatible and unified, and the ability of multi-source data sharing and fusion processing needs to be improved. Further research is needed to carry out geological forecasting and prevention and control of geological hidden dangers based on big data and artificial intelligence technology. Finally, the trends of the coal mine geological guarantee system are discussed, which are higher precision geophysical equipment and AI interpretation; multi-scale 3D dynamic geological model; analysis and prediction of potential geohazards; geological model-based dynamic planning for intelligent production. Our research provides a useful reference for the IT construction of mine intelligent geological guarantee system and mining application.
-
0. 引 言
“上天容易入地难”。尽管航空航天、对地观测技术发展日新月异[1-4]，人类对地表及以上地理空间有了较为清晰的认识，建立了“数字地球”，然而建立地表以下的玻璃地球[5-6]、透明地球[7-8]至今还是世界难题。“透明”这一词用于矿山，是特指在矿山开采领域，由于探测技术条件限制，人们并不能十分清晰明了地把握地下资源赋存情况，只能通过有限的采样数据和人为推断信息对地质现象有所解释，并用信息化手段展示各类地质信息。随着地质勘探和矿山生产活动不断推进，获取的地下地质信息越来越多，从而逐渐揭示真实状态下的透明化的地质环境。
早在1992年，彭苏萍[9]就提出了高产高效矿井地质保障系统这一概念，1995年李恒堂等[10]对我国煤矿地质保障系统相关技术发展进行了分析。2002年，毛善君[11]提出了灰色地理信息系统的概念和理论，就地质体由灰变白的数据处理模型和技术进行了探讨[12-13]，认为从地质勘探到矿山开采，煤矿地质信息可以看作一个从“黑色”“灰色”到“白色”、从“未知”到“已知”、从“不透明”到“透明”的动态变化过程[14]。对透明化地质[15]、透明化矿山[16]、透明化工作面[17]技术与矿产资源开采过程应用的深度融合开展了实践研究。随着机械化和信息技术的发展，高产高效地质保障逐渐发展为智能地质保障，地质保障系统已经进入了服务于煤炭智能开采新阶段[18]。智能化地质保障是指利用钻探、物探、化探、遥感、动态监测等精细探测技术获取精准的地质信息，以云计算和大数据为基础，借助3D动态建模、人工智能和专家诊断，依托先进的“3S”技术，实现地质、工程和环境信息的精细化描述、动态表征和分布式发布；集成煤矿生产监测监控系统，最终实现矿井生产全过程动态监管和预警，为煤矿智能化开采和隐蔽致灾因素精准防控提供地质保障。此外，学界对于“地质透明化”这一概念的理解也逐渐达到共识，即矿井地质透明化是当前煤矿智能地质保障系统发展的努力方向[19]和终极目标[20],从透明地球到透明矿山、透明工作面，其核心是通过有限的探测手段获取数据建立多尺度、高分辨率、透明化三维地质模型，为矿山勘探、设计、生产、复垦提供全生命周期服务。
从煤矿信息化的发展历程和煤矿智能地质保障系统的发展现状出发，提出煤矿智能地质保障系统的主要研究内容、关键技术和难点问题，探讨了未来煤矿智能地质保障系统建设的重点研究方向。
1. 国内外煤矿地质信息化技术的发展现状
1.1 国外煤矿地质信息化发展现状
国外主要产煤国家，如美国、印度、俄罗斯、澳大利亚等国家，煤在能源结构中处于相对次要的地位，以露天煤矿生产为主[21]。露天煤矿地质条件相对简单，埋藏深度较浅，煤矿地质信息的探测和管理相对容易。在地质勘探方面，多采用遥感勘测、地质钻探、地球物理勘探等技术，依靠钻孔与三维地震进行各种煤田地质构造解释[22-23]。露天矿的地质勘探主要应用探地雷达（Ground Penetrating Radar, GPR,又称地质雷达）探测地表塌陷、露天矿台阶厚度、边坡破碎带、以及地下断层与采空区等地质构造。将地质雷达与推车结合，并配备里程计或GPS定位系统，形成一套地质勘探机器人，能够快速探查露天矿地表以下地质情况、勘测边坡和台阶的地质隐患。此外，将无人机与探地雷达天线结合，可以在植被茂密或水面等测量人员无法到达条件下进行地下地质探测。该技术具有数据采集和处理高效、成果数据分辨率高等特点。
在地质软件方面，基于三维地质建模软件进行开采工艺流程设计、爆破设计、储量计算、土石方量计算、开采边界的优化等工作。自20世纪80年代以来，国外常见的矿业三维地质软件有MicroMine、DataMine、Surpac、Vulcan、Whittle、GeoModeller等，这些软件涉及地震勘探、矿山开采、矿体三维建模、矿产资源评估、设计规划、开采评估、岩土工程、生产优化、激光点云处理等多个方面。随着三维建模技术日臻成熟，这些软件形成了以云平台为核心的应用体系，服务于矿山生产的全生命周期过程。此外，这些软件的数据均可以与AutoCAD、ArcGIS、GoogleEarth等通用软件进行格式交换。部分建模软件符合国际标准，如国际地质科学联合会（International Union of Geological Sciences，IUGS）的GeoSciML[24]标准。
在数据处理方面，基于深度学习的三维地震智能识别[25]、地质雷达智能识别算法[26]可以直接从海量样本中学习特征，实现自动化数据处理和解释。矿山三维地质软件近两年也提供了基于深度学习的隐式地质建模功能[27-28],如MicroMine、开源地质建模软件Gempy已经提供隐式建模模块。隐式建模与传统显式建模方法相比，可简化地质数据处理中的人工操作过程，高效且直观地生成三维地质模型。
在智能工作面装备方面，澳大利亚联邦科学与工业研究组织(CSIRO, Commonwealth Scientific and Industrial Research Organization)于2001年首次提出了长壁自动化控制(LASC，Longwall Automation Steering Committee)技术，采用高精度光纤陀螺仪和定位导航算法获取采煤机的三维坐标，实现工作面自动找直等智能化控制和长壁自动化开采[29-31]。该技术使用了多种传感器（如高清摄像头、红外摄像头、激光扫描仪、地质雷达等）探测煤层起伏和煤厚等，采用三维地质建模软件形成工作面三维地质模型，并切割地质模型生成控制截割模型曲线（Landmark process control cut model），从而为采煤设备提供即时的地质和采矿条件数据[32]。在地质探测技术创新方面，通过惯导LASC Lite和CSIRO研制的防爆3D激光扫描设备ExScan完成工作面煤壁的扫描，对多个扫描点云进行拼接和点云数据处理，然后对煤壁与顶板交线进行自动提取和计算并发送给采煤机滚筒，为采煤机下一刀截割提供数据参考[33]。此外，为进一步了解煤层内部的裂隙扩展规律，CSRIO还联合芬兰、韩国、中国等研究机构，开展了不同压力情况下的岩体运移规律模拟研究。总之，国外在地质条件较为简单的长壁工作面已经基本实现了智能化开采，但是对于地质条件较为复杂的工作面，还需要继续深入研究。
1.2 国内地质信息化发展现状
“九五”（1996年—2000年）期间，煤矿地质保障系统作为煤矿安全高效开采的关键技术之一，被列入高产高效矿井建设的五大保障体系，并在采区开采地质条件综合评价和预测研究、高分辨三维地震勘探、仪器装备研究方面取得了重大进展[34-38]。
在信息化软件建设方面，从1998年起，北京龙软科技股份有限公司、北京大学、西安科技大学、山东科技大学等单位相继进入煤田地质信息化领域，研发出拥有自主知识产权的国产化地测软件和三维建模软件，如北京龙软的Longruan GIS、西安集灵VRMine、山东蓝光三维地质建模软件系统。地理信息系统这一概念逐渐得到了煤炭行业科研院所和生产单位的高度认可。在矿床地质、工程或环境地质等领域出现了武汉中地数码MapGIS、北京三地曼3DMine、北京理正LZGeo3D、北京超维创想Creatar、中南大学DIMINE、北京网格天地DepthInsight等应用软件，为推动我国矿山信息化建设起到了积极的作用。
矿山信息化管控的基础数据是矿山地测信息，因此地测信息系统也逐渐拓展到一通三防、采矿设计、供电设计、生产调度、安全管理、应急救援等煤矿业务[39-40]。2020年3月，国家能源局明确提出煤矿智能化建设目标。其中煤矿智能地质保障系统是智能化示范煤矿的重要组成部分，也是要率先开展的工作内容。随着煤矿机械化水平、信息化水平的进一步提高,王双明院士[41]提出西部煤炭绿色开发地质保障技术，武强院士[42]提出要建立精细智能化的煤矿安全高效开采地质保障系统，袁亮院士[43-44]提出了智能精准开采的概念。煤矿安全高效开采对地质保障系统提出了更高的要求。当前，基于地质保障系统的透明矿山管控平台已经能够利用钻探、物探、采掘工程、智能控制、虚拟现实等技术手段，实现矿山地质环境、井巷工程、监测监控、机电设备、开采环境等真实、实时信息的数字孪生可视化展示，逐步实现智能开采中的精细化地质模型动态修正和远程控制，并集成多部门、多专业、多业务数据和各类应用，为矿山的安全生产和智能开采提供统一的可视化管控服务[45-47]。
2. 我国智能煤矿地质保障系统的技术进展
2.1 隐蔽致灾地质因素探测技术
2.1.1 钻探技术
钻探是一种最直接的地质探查技术，它具有精度高、直观性强、适应面宽等优点，在构造探测、老空区探测、探放水、瓦斯泄压、火区探测以及其他隐蔽致灾因素探查中发挥着越来越重要的作用。定向钻探技术在传统钻探技术的基础上发展而来，最早起源于石油勘探领域。随着钻井技术、导向技术和探测技术的不断发展，逐渐延伸到煤矿地质勘查领域，并在水害防治、地质构造探查等方面发挥着重要作用。定向钻进技术通过调整螺杆马达工具面向角达到实时调整钻孔轨迹的目的，不仅能够勘探煤层走向，还能了解煤层周围的地质环境。由于其具有轨迹可控、可分支钻进的优点，可精准探测工作面内部隐伏断层、陷落柱等地质异常体的产状和影响范围，以及煤层顶底板界面的准确标高，为建立工作面高精度三维地质模型提供更加丰富的数据。尽管在煤矿井下近水平千米定向钻进、随钻测量等技术与装备方面已跨入国际先进行列，但与先进的石油定向钻井和测井技术相比，在装备可靠性、自动化程度、随钻测量仪器上还有一定差距[48]，在井震融合、模型自动化更新、软件一体化集成应用等方面还有较大的发展空间。
2.1.2 物探技术
煤矿的物探手段多种多样，包括三维地震、煤田测井、高密度电法、瞬变电磁、槽波探测、地质雷达、随掘探测、微震监测等，围绕安全开采，以“构造解释”为目标，圈定煤系地层中的各类构造。这些方法能够获得精细化的解释数据，成为详细查明小断层、小褶曲、陷落柱、采空区、冲刷带、煤层顶底板位置和煤厚等信息的主要手段，也能同时为建立透明矿井高精度的三维地质模型提供基础数据[49-51]。
1）高精度三维地震勘探技术。三维地震勘探技术具有覆盖面广、探测深度大、横向分辨率高的特点，是目前应用最为广泛的地球物理勘探技术。地震勘探的难题是分辨率的提高。结合地质勘探、测量等资料，开展三维地震数据精细化再解释是当前的热点和难点问题[52-53]，包括：利用地震多属性数据综合解释研究区的断裂系统，精细刻画断层、裂缝及裂隙的形态和展布；利用三维地震高精度反演技术预测煤系地层包括煤岩在内的各岩层厚度及其展布状况[54-55]。融合断裂系统、煤系地层解释成果数据，构建采区地质模型，为智能开采的透明工作面构建提供基础数据。此外，将深度学习引入地震勘探领域,可以减少人工处理工作量,因此采用深度学习等新技术开展地震勘探数据再解释，已经成为地球物理领域的热点方向[56-58]。
2）测井技术。测井技术是用各种仪器测量井下岩层的物理参数及井的技术状况，分析所记录的资料，进行地质和工程方面的研究。按测井方法的物性基础分类，测井技术主要有电法测井、放射性测井、声波测井以及地层倾角测井等。测井曲线是岩石各种物理性质沿钻孔深度变化的物理响应，反映了岩石的岩性、粒度、分选性、泥质含量及垂向序列等重要的成因标志。测井相分析是利用自然伽玛、自然电位曲线等测井响应的曲线特征，以及定量方面的测井参数值来描述地层的沉积相,并结合地层倾角测井、自然伽马能谱等多方面资料最终确定沉积相。此外采集钻孔轨迹、视频、自然伽马等数据,能够揭露地层的层位、岩性、孔壁结构等特征。实际应用表明,钻孔测井分析技术可以在施工较少钻孔的同时,准确判断地质构造的空间位置及含水性等特征[59]。
3）槽波地震探测技术。槽波探测是在工作面周边巷道布置分布式地震仪，通过激发并采集槽波信号，达到探查小断层、陷落柱、煤层分叉与变薄带、采空区及废弃巷道等地质异常的目的，具有探测距离大、精度高、抗干扰能力强、波形特征较易于识别以及最终成果直观的优点，在探测精度和距离上优于其他煤矿井下勘探方法。相比于传统地面地震勘探方法，槽波探测将观测系统直接布设在井下工作面四周，探测精度明显提高；此外，槽波是一种仅在煤层内传播的地震波，因此降低了物探的多解性，工作面煤厚解释精度能够达到米级甚至更高[60]。
4）钻孔地质雷达技术。钻孔地质雷达是地质雷达（GPR）的一种，具有高精度、高效率、高便捷性等特点[61-62]，在工作面精细探测中发挥着越来越重要的作用。该设备由一体化主机、天线及配套软件等部分组成。根据电磁波在有耗介质中的传播特性，钻孔地质雷达以宽频带短脉冲的形式向介质内发射高频电磁波(70 MHz~1 GHz)，当遇到不均匀体(界面)时会反射部分电磁波，其反射系数由介质的相对介电常数决定。通过对雷达主机接收到的工作面顺层钻孔中的反射信号进行处理和图像解译，达到识别隐蔽目标物的目的。通过对雷达数据进行处理和成像，能够较为准确的分析钻孔周边一定范围内的地质异常体和地层界面。
5）随采随掘地震监测技术。随采随掘地震监测技术是一种基于采煤机或者掘进机连续工作的被动源地震监测技术[63]。该技术利用采煤机或者掘进机切割煤壁产生的振动信号作为震源，地震波在煤层内传播的过程中，被安装在两巷（或两帮）中的检波器接收，采煤机或掘进机长时间连续“激发”信号，检波器实时获取采煤机或掘进机附近的近源子波信号，将巷道中实际记录的长时连续地震信号，与同一时段采掘机或掘进机的近源子波信号相关，利用地震干涉成像方法，对随采随掘地震信号进行处理，从而得到类似于常规地震的“脉冲”震源记录。通过对海量数据的实时处理，为后续动态成像提供有效数据。利用地震波CT图像重构技术，对采掘工作面内部成像，以探明工作面内、巷道前方的地质构造[64]。
2.2 地测数据动态获取与地质灾害监测技术
传统的地质测量数据均来源于人工，劳动强度大、时间周期长、数据更新慢。智能化矿山利用智能传感器，建设了各类实时监测系统，并充分利用工业环网、智能传感器、5G、激光雷达、图像识别、红外探测等新技术，快速获取井上下生产实时地质数据和测量数据。新型测绘装备有巷道进尺激光测距仪、激光扫描仪等；在地质数据监测处理方面，有地质编录仪、煤岩层识别设备、地面水文监测系统、井下水文动态监测系统、矿压监测系统、微震监测系统、地表位移监测系统等。这些系统通过专用通讯电缆或井下环网将实时数据传输到地面中心站，再通过局域网将数据发送到专用系统中，成为各种矿井地质工作的重要数据来源。
2.2.1 煤岩层界面识别技术
煤岩层识别技术是利用智能开采过程获取的最新煤岩层界线和相关地质信息，不断更新工作面三维地质模型，能够保证开采过程中煤壁及附近地质数据的准确性。世界各主要产煤国在煤岩分界面自动识别方面做了大量研究工作，目前业内已经提出了20多种煤岩层界面识别技术和方法，包括振动探测法、截割电流法、图像识别技术、γ射线法、超声波法、地质雷达法、激光扫描法等。其中，振动探测法是基于采煤机振动信号的模式识别方法。采煤机工作时产生3种基本形式的振动：机械振动、层内振动和声动，这些振动特性与被切割物质的机械特性、采煤机型号、截止工作状态和采煤方式有关[65]。在煤岩识别技术中，目前主要采用多源信息融合技术，例如采用支持向量机、D-S证据理论、模糊神经网络、BP神经网络等多种融合算法，提取振动、声发射、电流、温度等信号进行决策融合识别，实践证明多信息融合识别精度明显高于单一信号识别精度，能够有效识别截割过程中的煤岩界面[66]。此外，采用高分辨率图像识别技术实现煤岩分界的自动识别已具有了初步的技术条件[67]。
2.2.2 激光LiDAR数据获取技术
利用激光LiDAR进行巷道、综采面、综掘面等关键作业场所数据获取是煤矿地测工作的发展方向。激光雷达采用主动感知方式，点云精度高，受环境影响小，结合惯导技术和SLAM技术，可有效实现井下三维环境实时感知与地图重建。
智能掘进方面，蒋盛锋[68]利用自制激光扫描仪逐点获取配准室内三维场景点云数据，模拟构建煤矿掘进工作面三维地图系统，初步实现路径规划和截割窗口尺寸测量等应用。姜龙飞等[69]根据掘进工作面激光点云数据，提出了点云处理的系列化方法，包括去噪、分割、修补、重建，实现了掘进工作面的三维重建。杨健健[70]利用HectorSLAM算法提出基于激光雷达的煤矿掘进机井下巷道环境建模与障碍检测方法，但由于HectorSLAM算法自身局限性，仅能构建二维栅格地图，用于提取巷道两帮边缘形状，无法构建三维地图。
目前，以手持式、固定式激光雷达为代表的实时传输、实时建图技术正在掘进工作面、回采工作面开展应用。由于激光点云数据没有图像的纹理信息，加上点云数据本身存在的海量性、离散性、冗余性等特点，因此如何有效进行点云精简、点云分割、提取特征点和特征线是激光雷达在矿山应用的关键问题。激光雷达技术可以用于数字化巷道、巷道断面成形质量监测、煤岩层界面识别、支架碰撞检测、综采工作面定位和露天矿坑边坡监测等。
2.2.3 地质灾害监测系统
1）水文监测系统。矿井水文监测系统分为地面水文监测和井下水文监测两部分。地面水文监测利用地面水文长观孔及水源井，进行地面水体或地下含水层的水位、水温、水质、水量及气象测量功能，通过无线网络通讯系统将实时数据传回地面监测主站。包括：对主要含水层的水位、温度及水质监测；常年性河流的流量进行实时监测。井下水文监测对井下水泵房排水管路排水量、井下水仓水位、采空区排水量等重要水文参数进行实时动态监测。煤矿水文监测系统根据监测系统上传的实时数据，建立各种水文分析和预测模型，获取含水层的水质、水位以及水温等信息，建立复杂地下水环境模型，为地质技术人员预测水害和涌水量提供监测服务。
2）综采工作面矿压监测系统。综采工作面矿压监测系统是指在综采工作面电液控制液压支架上，装有压力、位移、红外定位等传感器，用于实时监测综采支架工作阻力、单体支护工作阻力、工作面顶板下沉量及支架倾角、巷道顶板和围岩的松动离层量、巷道锚杆（索）的锚护应力、煤体或岩体内部应力等矿压参数。根据矿压监测系统提供实时矿压数据，开展矿压数据分析，研究顶板来压步距与强度、动载系数，评价支架与地质条件的合理性、巷道支护参数及支护效果的合理性、煤柱宽度的合理性等，最大限度地应用矿压实测结果指导实际生产，减少顶板灾害对安全生产的困扰，提高煤矿顶板管理水平[71]。此外，矿压监测数据也可以集成到地质保障系统中，实现矿压-地层耦合的三维地质模型更新，基于三维地质模型展现矿井矿压危险性区域等级划分。
3）微震监测系统。微震是采矿活动引起的诱发地震，是煤岩介质在矿区应力作用下，聚集的弹性应变能释放，造成采掘空间周围岩体破裂的现象。因此，通过监测煤矿微震来进行冲击矿压的预防预警是一种有效的手段[72]。微震事件的实质是围岩在应力作用下产生应变、变形、开裂、失稳及破坏等一系列动态演变过程的一种能量释放的宏观表现形式。利用岩体微震的这一特点，微震监测系统成为微震信号接收及分析处理的有效工具，通过对岩体的稳定性进行监测，从而预报岩体塌方、冒顶、片帮、滑坡及岩爆等地压现象。
4）地表移动监测系统。矿区开采造成上覆岩层移动，产生植被破坏、含水层破坏、地表地裂缝、地面塌陷、滑坡等地质灾害。矿区空天地一体化的灾害监测，综合利用卫星遥感、航空遥感、地面传感器，对矿区开采的地质灾害进行协同观测。随着无人机摄影测量技术的快速普及，利用低空无人机航拍系统可以在较短时间内快速获取沉陷区高分辨率数字影像，结合图像处理技术可实现地表裂缝、地表沉陷区的精细提取和自动成图。地基和机载LiDAR系统被用于采集地表形变数据，该技术能够使激光穿透植被，用于大比例尺地形图测图、裂缝探测和土地整理质量评价。采用无人机搭载多传感的方法，与地表GNSS测量、位移实时监测开展联合实验研究，使得地质灾害监测变为空天地一体化常态化监测。
2.3 多源数据融合与地质大数据技术
当前地质数据还存在基础软件多样、数据量大、格式转换复杂、数据无法共享等很多问题[73]。无论是三维地震、槽波探测还是地质雷达、电法勘探等数据，都有各自的数据采集和处理系统，数据读取和转换较为繁琐。例如常见的地质雷达探测仪NGD格式，瞬变电磁原始格式为BIN，槽波探测原始格式为RCD，无线电波透视仪原始格式为HTD，这些数据转换和数据处理相对独立。此外，物探数据通常采用相对坐标系，而地质测量数据则采用大地坐标系，导致物探成果无法与地测数据深度融合。例如，三维地震数据SEGY反演煤层顶底板界面，能够为工作面高精度建模提供支撑数据。为实现这一要求，需要在地震数据体中每一道的指定位置准确记录该道大地坐标。然而在实际数据处理过程中，经常遇到SEGY数据体中大地坐标错误或缺失的问题，导致反演结果缺少坐标控制、无法确定煤层分布范围及煤层顶底板界面坐标问题。
物探的专业性导致数据开放性上存在不足，数据格式无法完全相互兼容和统一，很多数据库不能共享，形成了数据孤岛。现有的地质工作，需要花费大量的人力物力开展数据转换、数据处理、数据融合、数据清洗和数据入库工作，造成了海量多源地质数据不能被充分利用、挖掘和融合的难题。
在数据存储和数据管理方面，智能地质保障系统应该建设以时空基准统一的GIS系统，对多源数据进行数据预处理、分类、过滤、融合，实现地质大数据的存储与管理。一个多层次的地质大数据存储管理框架，包括存储层、元数据层、高性能计算层、查询层、交互层以及监控层。存储层采用集中式存储与分布式存储相结合的混合存储模式。例如，阵列数据库系统Rasdaman和科学数据管理平台SciDB针对多维大数据存储查询做了许多优化，可用来存储多维数据。而基于HDFS的NoSQL数据仓库（如HBase和Hive）由于对高性能计算框架（如MapReduce和Spark）具有良好的支持，并行处理的数据可存储于该类型的数据库中。NoSQL类型的分布式数据库（如MongoDB）由于其灵活的数据模型和支持高并发读写，半结构化和非结构化的数据可存储于其中。经常被访问的数据存储在硬件较好的集群中。不活跃的数据存储在普通硬件的集群中。大数据平台可以存储矿井生产部门的地质钻孔数据、测量数据、水文数据、瓦斯地质数据、矿压数据、煤质数据、三维数据等。
2.4 煤矿GIS“一张图”及地质云技术
GIS“一张图”是指以一张底图为基础,集成与地理信息相关的所有空间数据和业务数据,形成数据库并为规划设计、业务管理、工业控制服务[74]。对于煤矿地质保障系统建设而言，煤矿GIS“一张图”是采用新一代互联网、大数据、面向服务架构及GIS等技术，基于统一的数据标准体系、统一的空间数据管理平台，进行“统一存储、协同工作”模式的空间数据管理服务平台，支持相关数据的集中管理及动态更新，实现基础地理地质数据集中统一管理和开发利用。建立矿山地理信息数据规范是一张图系统的基础。基于标准和规范将矿图整合处理到一张图空间数据库后，还需要解决数据的共享、集成和更新问题。从空间数据的来源和使用来看，分专业、分部门各司其责是业务管理模式，针对这种情况，地测、通风、机电、生产设计等多部门“协同工作”理念的一张图更新机制十分重要[75]。
煤炭地质云服务平台是指支持云服务、大数据计算架构的系列化煤矿地质保障应用系统运行的技术平台[76-77]。地质云平台一般基于OpenStack、vSphere、Fusion Compute、Docker等云计算架构，以基础设施云为核心，提供地图服务、数据服务、功能服务、接口服务，形成服务资源池，建立服务引擎、地址引擎、业务流引擎、知识化引擎和服务链引擎，支持煤矿地质业务应用系统开发。
2.5 透明化地质建模与可视化技术
2.5.1 高精度三维地质建模技术
由于数据有限，地下矿体的三维模拟面临一定的困难[78]。首先，稀疏的不充足采样数据、缺乏解释的地震剖面数据等，使模型的建立十分困难，也通常导致无法准确地描述地质体空间属性的变化特征。其次，地质体及其空间关系比较复杂。由于地质体包含如逆断层、倒转褶皱等多值面的地质现象，增加了数据结构、拓扑关系以及相应算法的复杂程度，至今仍然缺乏成熟的自动化解决办法，需要地质工程师人工处理。再次，空间分析能力有一定局限性。地质现象中存在的复杂性、不连续性及不确定性等客观因素以及三维地质建模的应用目的各异等主观因素，使三维模型的建立缺乏统一而完备的理论技术，导致现有系统缺乏空间分析能力。
在建模方法方面，三维地质建模理论和技术日臻成熟。几何建模方面，根据体元规整性分为规则体元和非规则体元2个大类。规则体元最常用的是块段模型（Block）。不规则体元最常见的为四面体结构（TEN）、四面体（Pyramid）、三棱柱（TriP rism）。属性建模方面，一般采用克立格(Kriging)法、距离反比加权法和径向基函数法(Radial Basis Function,简称RBF)等。在建模流程方面，三维地质模型的构建流程包括基础数据采集→数据分析入库→平剖对应修正及地测专题图绘制→初始模型建立→模型动态更新→模型精度校验等,形成高精度、可视化的三维地质模型。在地质模型的更新方面，随着开采过程中不断出现的新的已知点、线、面。可以获取新增数据点的插值影响范围和范围内的已知数据点，对影响范围内的未知数据点或待插值点进行重新局部建模或者全局建模，更新地质模型。
除上述成熟的三维地质建模技术，深度学习的隐式建模方法是地质建模研究当前热点问题。隐式建模是将基于不同地质数据所构造的几何空间通过距离函数转换为隐式函数场，以数学函数的方式表达三维模型。该方法不需要复杂的平剖对应、人工处理的建模过程，基于原始数据采用隐式函数来表达任意复杂矿体的几何模型，因此可以快速集成和更新地质模型。该技术在区域地质以及金属矿已有了较好的研究和应用[79]。
2.5.2 透明化矿井可视化技术
三维可视化软硬件平台是地质保障系统的基础技术[80]。在地质保障系统应用中，三维系统往往存在系统打开和运行缓慢、可视化效果不佳、电脑硬件要求较高等问题。随着计算机技术发展，矿山领域的三维可视化系统从传统的桌面系统逐渐转向网络三维（Web3D）和移动端，从传统的插件技术转向无插件技术。WebGL和HTML5无需插件就能通过浏览器显示三维场景，大大提升了用户的体验。WebGL开源开发包，如Three.js、OSG.js、Cesuim.js等是一种轻量级三维开发架构，基于这些轻量级开发网络三维地质可视化系统，能够为煤矿井下人员定位、安全监测、设备管理等提供具有宏观和中观尺度的井下三维场景。此外，虚拟现实硬件与智能地质保障系统结合，可以广泛应用于矿山地质保障的培训教学、协同推演。常见VR硬件可分为：头戴式显示设备、桌面式虚拟现实设备、小型虚拟现实设备、多通道（120°、180°、360°）沉浸式虚拟现实系统等。
2.6 地质保障智能分析技术
2.6.1 三维地质空间分析工具
智能地质保障系统能够管理和显示研究区域的工程地质、水文地质、钻探资料、测井资料、电法勘探数据、地震数据、巷道数据等，也能够提供三维地质模型显示、地质剖面、栅栏图、等值线、等值面、等值体生成、空间量测、开挖分析、推进分析等三维地质空间分析工具，服务于储量估算、矿体预测、地质分析等。尤其是地质剖面图是区域地质图的重要组成部分，它能够直观、有效地展示垂向上地层的结构、岩层的属性等信息，常作为指导煤矿开采及巷道施工的重要依据。通过对三维地质模型的剖切，可以得到巷道轮廓线和地质界线、断层线、陷落柱在内的二维剖面线，自动形成地质剖面图。由于地质剖面图中的地层界线、断层线等各元素之间通常存在复杂的空间关系，通过对其拓扑关系进行分析处理，可以开展更进一步的应用，如剖面填充、剖面属性查询、剖面距离分析等。
2.6.2 层间距分析工具
层间距对于水文地质分析与预测十分重要。采掘工作面附近的含水层、采空区、积水区等严重影响安全生产，只有掌握不同层间距厚度条件下的水文显现规律，才能对矿山安全生产起到精准的指导作用。层间距分析技术根据高精度三维地质模型，通过指定层间距阈值，对选择任意煤层/地层/砂层三角网进行计算，将层间距小于给定阈值的区域自动提取圈定并高亮显示边界范围，提示层间距最小值、区域个数和面积信息，防止巷道掘进时导通上部含水层，在煤层回采进入该区域时，根据预测分析提前采取措施，防止导水裂隙导通上部含水层引发突水。
层间距对于矿压分析也十分重要。当上煤层开采完毕后，下煤层回采巷道稳定性受到多方面因素的影响。既有来自邻近工作面的影响，也有受到上下煤层的影响。层间距厚度不同矿压显现规律也不同，层间距厚度对巷道稳定性有举足轻重的影响。
2.6.3 隐蔽致灾因素空间分析与距离预警
工作面周边地质环境、围岩应力、地表情况等基础数据复杂，在掘进或回采过程中，如果对周边地质情况了解不清楚，容易发生各类安全事故。在煤矿三维地质模型基础之上，对煤矿掘进工作面和回采工作面内及周边已经探明的断层、陷落柱、积水区、采空区等危险源，以及工作面上方地表存在的沟谷、电力线、公路、村庄、地表水域等需要防范的对象进行三维空间距离计算，并根据阈值进行预警。
2.6.4 三维BIM设计
采区或工作面设计是一个复杂的综合性问题。地质条件相对简单的矿井，采区或工作面设计主要是根据矿井各系统能力及技术装备水平进行矿井设计。而对于地质条件较为复杂的矿井，除了考虑上述因素外，还需要参考地质资料、设计资料、邻近矿井或者条件类似矿井的生产情况等。采区或工作面的三维辅助设计，可以仿照工程勘察领域，基于煤层、岩层、已有巷道的高精度三维模型，开展BIM模型设计。通过获取地质模型上每个地质体元的煤厚、煤质、瓦斯地质、水文地质、矿压、岩石物理参数等等信息，统计得出采区或工作面设计时所需的相关地质信息，并生成相关设计报告和图表等。
2.6.5 水文和矿压属性模型分析
精细化三维地质模型除了展现地质结构，也需要包括水文、矿压、瓦斯、煤质等属性信息。针对主要含水层和强矿压层，构建基于沉积控水规律的顶板含水层充水强度分区评价模型，以及基于沉积控压规律的强矿压环境分区判别模型。采用空间插值算法，将真三维精细地质模型、充水强度分区评价模型、强矿压环境分区模型在三维模型上进行结合，并开展充水强度指数、矿压能量指数的三维属性建模和可视化。在工作面回采中，通过对井下测量、钻探、物探、矿建和采掘揭露等地质数据动态更新，与透明工作面三维地质模型进行数据交互和交叉验证，并结合监测数据进行模拟计算，实现工作面几何结构模型和属性模型的动态更新。
3. 煤矿智能地质保障系统建设的难点分析
尽管当前煤矿行业已经实现了从机械化、自动化到智能化的飞跃，智能地质保障开展大量科研和现场应用，然而在关键技术上仍存在瓶颈，已知的地质信息十分限制，地质保障能力不足，尚未达到智能化的层次[81]等，具体如下：
1）煤矿隐蔽致灾地质因素探测能力有待提高。在煤矿智能化开采和智能化掘进过程中，地质条件的精细探查和预测是基础，查明并重构煤炭开采所需的透明化地质条件，是实现煤炭智能化开采和高效利用的前提和保障。智能化矿井对探测装备和技术提出了更高的要求，需要在复杂开采环境下，达到探测距离远、探测精度高、质量轻、体积小、能定位、实时运行等要求。但由于井下条件有限，煤岩层识别、深度学习地震智能解释、深度学习图像语义分割和点云三维重建等技术尚未取得突破性进展。当前采煤生产过程中的地质预测预报工作还需要人工决策。
2）动态地质测量数据获取和监测能力有待提高。传统的地质测量数据主要来源于人工操作，劳动强度大、更新周期长，而如何利用各种遥感遥测装备以及新型测绘设备，结合工业环网、5G等通信技术，实现地质数据和测量数据快速获取和动态更新，是当前研究的热点和难点问题。
3）多源地测数据共享与融合处理能力有待提高。各类地质软件在数据开放性上存在不足，数据格式不能兼容和统一，数据库不能共享，导致形成了数据孤岛。现有的智能地质保障工作，需要花费大量的人力物力开展各种数据处理、转换、入库和数据融合工作，海量多源地质数据通常未被充分的利用、挖掘和融合。
4）地质大数据可视化与智能分析能力有待提高。可视化可分为2个层次：第一个层次是将矿井地质测量数据、实时监测数据、生产业务数据等在三维环境中予以可视化展示，满足透明化矿山“看一看”的基本需求；第二个层次是采用专业数学模型支撑煤矿水文、矿压、储量、煤质、生产设计等专业分析，结合最新的大数据和人工智能技术开展隐蔽致灾地质因素预测预报和地质隐患防控智能决策。很多地质保障系统已经实现了第一层次的地质数据可视化，但在第二层次专业分析和集成方面还存在不足。
4. 智能煤矿地质保障技术发展方向
4.1 矿井地球物理勘测装备与智能解释
矿井地球物理勘探作为煤矿智能开采重要的精准地质探测及监测预警方法，是实现透明化地质的重要手段。因此实现工作面地质信息的“定量”探测是矿井地球物理勘探的重要发展方向。
在全空间、多场耦合、正反演等方面，加强矿井物探方法的理论基础研究，更加重视地质异常体和工作面煤层在大地坐标下的三维空间展布、位置、富水性等信息。现阶段，煤矿工作面从设计到回采的过程中积累了大量的物探和地质资料，对各阶段物探成果数据进行系统、全面的整合研究，实现多源物探数据融合，从不同物性联合反演、多参数对比识别等方面提高矿井物探精细探查水平。
在勘探装备方面，针对井下特殊探测环境研发满足防爆要求的智能化、国产化、轻便化矿井物探设备，进行地面与巷道、巷道间、孔巷间以及孔间探测等新方法、新技术的探索与研究，并开发配套的数据处理和成果表达软件，形成实时探测和成像的工作模式才能满足煤矿智能化和透明化的要求。
此外，以深度学习等为核心算法的人工智能技术已经在语音与图像识别等多个领域取得了革命性突破,同时在地震勘探领域也展现出良好应用前景。三维地震勘探是目前地质勘探中的主流技术,但三维地震数据的数据量通常较大，使得常规方法在重建三维地震数据时往往需要面临较大的计算量,增加了数据处理的时间成本。通过对地震数据进行分析，利用不同岩性的地震反射特征，将地质构造识别定义为一个分类问题，结合人工解释的构造带标签数据，通过网络训练与预测，识别出数据中地层岩性、断层、分界线等的空间分布范围（图1）。深度学习技术已渗透到物探数据处理与解释领域,将推动物探一体化智能化的迅速发展。
4.2 全要素多尺度动态地质模型与数值模拟
构建全要素多尺度动态地质模型是地质保障的重要内容。全要素是指模型包含地层、煤层、断层等静态地质构造以及水文、矿压、瓦斯、煤质等动态属性信息。多尺度是指地质模型从宏观到微观，模型数据分辨率逐渐增大，透明化矿井地质模型涵盖所有的隐蔽致灾地质因素，服务于地质工作的资源管理、地质分析、预测预报等全过程。透明化工作面地质模型则根据精细化物探建立高精度地质模型，随采进行煤岩层识别，对模型进行动态修正，最终构建数据驱动的透明工作面数字孪生开采场景，服务于智能综采和智能综掘。整个模型的建模流程如图2所示。
![]()
图 2 全要素多尺度动态地质模型建模流程Figure 2. Modeling flow of all-element multi-scale dynamic geological model全要素多尺度动态地质模型应该是一个能够与数值模拟集成的数据模型，即模型体元应该与ANSYS、ModFlow、FLAC3D等软件进行数据互操作，支持水文、矿压等数值模拟结果导入和模型更新。地质模型不仅能够直观展示煤层的空间赋存形态、覆岩厚度、含水层厚度、隔水层厚度等；而且能够开展一系列的数值模拟，如工作面推进过程、“三带”发育过程、上覆基岩应力变化过程、上覆岩层移动变形过程、地下水运移过程等。
4.3 隐蔽致灾因素智能分析与预测
矿井地质工作的重要环节是查明矿井普查与生产过程中所有隐蔽致灾地质因素，包括采空区、封闭不良钻孔、断层、裂隙、褶曲、导水断裂带、地下含水体、井下火区，古河床冲刷带、天窗等不良地质体等。结合地质规律和揭露情况，在三维地质模型的基础上提供地质预测预报是智能地质保障系统的核心功能。
针对地质数据多源异质、基准不一致、特征多元、语义复杂等特征，可结合地质专家知识、地学计算、地学专业模型、大数据分析方法等，提供GIS空间分析、传统多元统计方法、动态数据处理、机器学习、深度学习等大数据分析算法，对各类地质数据、工程数据进行有效处理与挖掘，对矿井各类地质数据、工程数据进行关联分析、统计分析，并结合具体场景及专业经验自定义拓展大数据分析模型，提供运行环境并以可视化的方式进行直观展示。地质大数据分析内容包括地质构造分类及对采掘影响程度分析、地质预报、水害预报及地质灾害统计分析、水文观测监测数据分析、地测防治水工程统计分析、贯通立交数据分析、采空区及沉陷区面积数据分析、进尺数据分析等。
通过云服务平台汇集的地质数据、监测监控、综合自动化、生产采掘接续、安全管理等数据，结合上述大数据分析处理技术及矿井水害、火灾、冲击地压等预警模型，基于大数据挖掘和决策支持，实现对地质隐患的智能诊断和预警，如图3所示。
![]()
图 3 基于三维地质模型的地质大数据智能分析Figure 3. Intelligent analysis of geological big data based on 3D geological model4.4 基于地质模型的动态生产规划
油气田领域已经将高精度油气藏三维地质模型与人工智能、专家分析、产量预测、生产规划与质量控制结合起来，实现油气藏开采的动态生产规划。
在煤矿行业，以三维地质模型为核心建立动态生产规划将具有很好的发展潜力。由于矿山企业的生产过程不连续，无法建立实时的订单反馈机制，难以达到智能制造行业对生产过程实时精准的预测，也无法做到油气田行业对生产过程的实时优化调整。也可以通过订单数据，对矿山开发生产动态信息进行智能诊断，结合大数据方法挖潜深层因素，反向开展生产计划优化等，实现更为敏捷的生产经营决策。
5. 结 语
煤矿地质保障系统建设是智能化矿山建设的基础工作。十三五期间，通过不懈的努力，我国已经初步形成以煤矿安全高效生产为重点的煤矿地质保障体系[82]。当前地质保障理论研究和关键技术研究热情高涨，地质保障系统工程建设聚焦在智能综采工作面、掘进工作面的地质构造精细化探测、多源数据融合、三维地质建模和工作面煤层及其顶底板矿压水文监测分析等方面。未来智能绿色安全开采对地质保障提出更高要求。智能地质保障系统将应用智能钻探、智能物探、智能探测机器人等新技术与新装备，以静态地质模型数据为基础，融入自动更新的高精度动态地质信息，实现地质信息透明化。针对上述地质保障的热点问题，分析了国内外地质信息化发展历程，归纳了当前智能地质保障建设中的技术进展和难点问题，最后给出了未来智能地质保障的技术的发展方向，包括地球物理探测装备与智能解释、全要素多尺度动态地质模型及数值模拟、隐蔽致灾因素智能分析与预测、基于地质模型的动态生产规划四大方向,为矿山智能地质保障系统建设和采掘应用提供了有益的参考。
-
![]()
图 2 全要素多尺度动态地质模型建模流程
Figure 2. Modeling flow of all-element multi-scale dynamic geological model
-
[1] GOODCHILD M F,GUO H,ANNONI A,et al. Next-generation Digital Earth[J]. Proceedings of the National Academy of Sciences of the USA,2012,109(28):11088−11094.
[2] CRAGLIA M,de BIE K,JACKSON D,et al. Digital Earth 2020: towards the vision for the next decade[J]. International Journal of Digital Earth,2012,5(1):4−21. doi: 10.1080/17538947.2011.638500
[3] GUO H,LIU Z,JIANG H,et al. Big Earth Data: a new challenge and opportunity for Digital Earth’s development[J]. International Journal of Digital Earth,2017,10(1):1−12. doi: 10.1080/17538947.2016.1264490
[4] 李德仁. 展望大数据时代的地球空间信息学[J]. 测绘学报,2016,45(4):379−384. doi: 10.11947/j.AGCS.2016.20160057 LI Deren. Towards geo-spatial information science in big data era[J]. Acta Geodaetica et Cartographica Sinica,2016,45(4):379−384. doi: 10.11947/j.AGCS.2016.20160057
[5] 吴冲龙,刘 刚. “玻璃地球”建设的现状、问题、趋势与对策[J]. 地质通报,2015,34(7):1280−1287. doi: 10.3969/j.issn.1671-2552.2015.07.005 WU Chonglong,LIU Gang. Current situation, existent problems, trend and strategy of the construction of “Glass Earth”[J]. Geological Bulletin of China,2015,34(7):1280−1287. doi: 10.3969/j.issn.1671-2552.2015.07.005
[6] 刘树臣. 发展新一代矿产勘探技术: 澳大利亚玻璃地球计划的启示[J]. 地质与勘探, 2003(5): 53–56. LIU Shuchen: Towards the next generation of giant minerals exploration techniques: some considerations about the glass earth[J]. Geology and Exploration, 2003(5): 53–56.
[7] 赵 平. 构建新时代“透明地球、数字地球、美丽地球”的地勘战略愿景[J]. 中国煤炭地质,2019,31(9):1−7, 36. ZHAO Ping. Aspiration to structure a “transparent earth, digital earth and beautiful earth” geological exploration strategy in new era[J]. Coal Geology of China,2019,31(9):1−7, 36.
[8] 刘福胜,马彦良,李 华. 关于煤炭地质单位“透明地球”建设的若干思考[J]. 中国煤炭地质,2019,31(11):26−30. doi: 10.3969/j.issn.1674-1803.2019.11.06 LIU Fusheng,MA Yanliang,LI Hua. Pondering on some issues in coal geological exploration unit “transparent earth” construction[J]. Coal Geology of China,2019,31(11):26−30. doi: 10.3969/j.issn.1674-1803.2019.11.06
[9] 彭苏萍. 建立与完善我国煤矿高产高效矿井地质保障系统的几个问题[C]// 中国科协“煤炭青年学者论坛”报告会, 中国煤炭学会, 1998. PENG Suping. Several problems in establishing and improving the geological guarantee system of high-yield and high-efficiency mines in China’s coal mines [C]// China Association for Science and Technology “Coal Young Scholars Forum” report meeting, China Coal Society. 1998.
[10] 李恒堂,雷宝林,杨光明. 我国煤矿地质保障系统技术发展现状和前景[J]. 煤田地质与勘探,2005(z1):9−13. LI Hengtang,LEI Baolin,YANG Guangming. Development progress and prospect of China Mine Geological Safety Guarantee System[J]. Coal Geology& Exploration,2005(z1):9−13.
[11] 毛善君. 灰色地理信息系统: 动态修正地质空间数据的理论和技术[J]. 北京大学学报:自然科学版,2002,38(4):556−562. MAO Shanjun. Gray geographical information system—the theory and technology of correct geological spatial data dynamically[J]. Acta Scientiarum Naturalium Universitatis Pekinensis,2002,38(4):556−562.
[12] 毛善君. “高科技煤矿”信息化建设的战略思考及关键技术[J]. 煤炭学报,2014,39(8):1572−1583. MAO Shanjun. Theory and method of Gray Geographic Information System[J]. Journal of China Coal Society,2014,39(8):1572−1583.
[13] 毛善君,李 梅. 灰色地理信息系统的理论及应用[J]. 同煤科技,2017(5):1−5. MAO Shanjun,LI Mei. Theory and application of gray geographic information system[J]. Datong Coal Science & Technology,2017(5):1−5.
[14] 孙振明,毛善君,祁和刚,等. 煤矿三维地质模型动态修正关键技术[J]. 煤炭学报,2014,39(5):918−924. SUN Zhenming,MAO Shanjun,QI Hegang,et al. Dynamic correction of coal mine three-dimensional geological model[J]. Journal of China Coal Society,2014,39(5):918−924.
[15] 祁和刚, 毛善君, 王昌傲, 等. 煤矿高精度三维动态地质模型的研究与应用[M]. 北京: 科学出版社, 2016. QI Hegang, MAO Shanjun, WANG Aochang, et al. Research and application of high precision 3D dynamic geological model in coal mine[M]. Beijing: Science Press, 2016.
[16] 毛善君,崔建军,令狐建设,等. 透明化矿山管控平台的设计与关键技术[J]. 煤炭学报,2018,43(12):3539−3548. MAO Shanjun,CUI Jianjun,LINGHU Jianshe,et al. System design and key technology of transparent mine management and control platform[J]. Journal of China Coal Society,2018,43(12):3539−3548.
[17] 毛善君,鲁守明,李存禄,等. 基于精确大地坐标的煤矿透明化智能综采工作面自适应割煤关键技术研究及系统应用[J]. 煤炭学报,2022,47(1):515−526. MAO Shanjun,LU Shouming,LI Cunlu,et al. Key technologies and system of adaptive coal cutting in transparent intelligent fully mechanized coal mining face based on precise geodetic coordinates[J]. Journal of China Coal Society,2022,47(1):515−526.
[18] 王国法. 分类分级推进智能化矿山建设: 祝贺《智能矿山》创刊[J]. 智能矿山,2020,1(1):4−20. WANG Guofa. Promote development of intelligent mines by classification for the issue of intelligent mines[J]. Journal of Intelligent Mine,2020,1(1):4−20.
[19] 彭苏萍. 我国煤矿安全高效开采地质保障系统研究现状及展望[J]. 煤炭学报,2020,45(7):2331−2345. doi: 10.13225/j.cnki.jccs.DZ20.1089 PENG Suping. Current status and prospects of research on geological assurance system for coal mine safe and high efficient mining[J]. Journal of China Coal Society,2020,45(7):2331−2345. doi: 10.13225/j.cnki.jccs.DZ20.1089
[20] 程建远,朱梦博,王云宏,等. 煤炭智能精准开采工作面地质模型梯级构建及其关键技术[J]. 煤炭学报,2019,44(8):2285−2295. CHENG Jianyuan,ZHU Mengbo,WANG Yunhong,et al. Cascade construction of geological model of longwall panel for intelligent precision coal mining and its key technology[J]. Journal of China Coal Society,2019,44(8):2285−2295.
[21] 王家臣,PENG Syd S,李 杨. 美国煤炭地下开采与自动化技术进展[J]. 煤炭学报,2021,46(1):36−45. doi: 10.13225/j.cnki.jccs.2020.1641 WANG Jiachen,PENG Syd S,LI Yang. State-of-the-art in underground coal mining and automation technology in the United States[J]. Journal of China Coal Society,2021,46(1):36−45. doi: 10.13225/j.cnki.jccs.2020.1641
[22] GOCHIOCO Lawrence M. Seismic surveys for coal exploration and mine planning[J]. The Leading Edge,1990,9:25. doi: 10.1190/1.1439738
[23] WIBOWO R C, SARKOWI M, MULYATNO B S, et al. Thinned coal distribution modeling based on integrated geological and geophysical data: Case study CBM resources in Central Palembang Sub-Basin[C]//AIP Conference Proceedings, 2020, 2245(1): 070011.
[24] 许亚峰,花卫华,李 毅. 基于GeoSciML的地学数据互操作服务研究[J]. 地质学刊,2020,44(4):337−344. XU Yafeng,HUA Weihua,LI Yi. Study on geoscience data interoperability service based on GeoSciML[J]. Journal of Geology,2020,44(4):337−344.
[25] WRONA T,INDRANIL P. Seismic facies analysis using machine learning[J]. Geophysics,2018,83(5):1−34. doi: 10.1190/geo2018-0815-tiogeo.1
[26] 赵 勇. 基于CNN的探地雷达数据反演与道路病害自动识别[D]. 长春: 吉林大学, 2022. ZHAO Yong. Research on inversion of ground penetrating radar data and automatic detection of road diseases based on CNN [D]. Changchun: Jilin University, 2022.
[27] LINDSAY M D, AILLÈRES L, JESSELL M W, et al. Locating and quantifying geological uncertainty in three dimensional models: Analysis of the Gippsland Basin, southeastern Australia[J]. Tectonophysics, 2012, 546–547: 10–27.
[28] WELLMANN F, CAUMON G. Chapter One - 3D Structural geological models: Concepts, methods, and uncertainties[M]. Schmelzbach C. Advances in Geophysics. Elsevier, 2018: 1–121.
[29] 李 森. 基于惯性导航的工作面直线度测控与定位技术[J]. 煤炭科学技术,2019,47(8):169−174. LI Sen. Measurement & control and localisation for fully-mechanized working face alignment based on inertial navigation[J]. Coal Science and Technology,2019,47(8):169−174.
[30] RALSTON JC, REID DC, DUNN MT, et al. Longwall automation: delivering enabling technology to achieve safer and more productive underground mining[J]. International Journal of Mining Science and Technology 2015, 25(6): 865–876.
[31] PENG S S,DU F,CHENG J,et al. Automation in US longwall coal mining: A state-of-the-art review[J]. International Journal of Mining Science and Technology,2019,29(2):151−159. doi: 10.1016/j.ijmst.2019.01.005
[32] RALSTON C Jonathon,HARGRAVE Chad O,DUNN T Mark. Longwall automation: trends, challenges and opportunities[J]. International Journal of Mining Science and Technology,2017,27(5):733−739.
[33] DUNN Mark,REID Peter,MALOS John. Development of a protective enclosure for remote sensing applications—case study: laser scanning in underground coal mines[J]. Resources,2020,9(5):1−10.
[34] 彭苏萍. 煤矿安全高效开采地质保障系统[C]//煤矿安全高效开采地质保障体系. 北京: 煤炭工业出版社, 2001. PENG Suping. Geological assurance system for coal mine safe and high efficient mining[C]// Geological assurance system for coal mine safe and high efficient mining. Beijing: Coal Industry Press, 2001.
[35] 韩德馨, 彭苏萍. 我国煤矿高产高效矿井地质保障系统研究回顾及发展构想[J]. 中国煤炭, 2002, 28(2): 4–9. HAN Dexin, PENG Suping. Review and outlook for mine geological assurance system for China’s high-efficiency coal Mines[J]. China Coal, 2002, 28(2): 4–9.
[36] 董书宁. 煤矿安全高效生产地质保障的新技术新装备[J]. 中国煤炭,2020,46(9):15−23. doi: 10.3969/j.issn.1006-530X.2020.09.003 DONG Shuning. New technology and equipment of geological guarantee for safe and efficient production in coal mine[J]. China Coal,2020,46(9):15−23. doi: 10.3969/j.issn.1006-530X.2020.09.003
[37] 董书宁,刘再斌,程建远,等. 煤炭智能开采地质保障技术及展望[J]. 煤田地质与勘探,2021,49(1):21−31. doi: 10.3969/j.issn.1001-1986.2021.01.003 DONG Shuning,LIU Zaibin,CHENG Jianyuan,et al. Technologies and prospect of geological guarantee for intelligent coal mining[J]. Coal Geology & Exploration,2021,49(1):21−31. doi: 10.3969/j.issn.1001-1986.2021.01.003
[38] 程建远,王会林. 煤矿地质保障技术现状与智能探测前景展望[J]. 智能矿山,2020,1(1):35−45. CHENG Jianyuan,WANG Huilin. Status of coal mine geological guarantee system technology and prospect of Intelligent Detection[J]. Journal of Intelligent Mine,2020,1(1):35−45.
[39] 王 佟,邵龙义,夏玉成,等. 中国煤炭地质研究取得的重大进展与今后的主要研究方向[J]. 中国地质,2017,44(2):242−262. WANG Tong,SHAO Longyi,XIA Yucheng,et al. Major achievements and future research directions of the coal geology in China[J]. Geology in China,2017,44(2):242−262.
[40] 李 梅,杨帅伟,孙振明,等. 智慧矿山框架与发展前景研究[J]. 煤炭科学技术,2017,45(1):121−128,134. doi: 10.13199/j.cnki.cst.2017.01.021 LI Mei,YANG Shuaiwei,SUN Zhenming,et al. Study on framework and development prospects of intelligent mine[J]. Coal Science and Technology,2017,45(1):121−128,134. doi: 10.13199/j.cnki.cst.2017.01.021
[41] 王双明,段中会,马 丽,等. 西部煤炭绿色开发地质保障技术研究现状与发展趋势[J]. 煤炭科学技术,2019,47(2):1−6. WANG Shuangming,DUAN Zhonghui,MA Li,et al. Research status and future trends of geological assurance technology for coal green development in Western China[J]. Coal Science and Technology,2019,47(2):1−6.
[42] 武 强. 我国矿井水防控与资源化利用的研究进展、问题和展望[J]. 煤炭学报,2014,39(5):795−805. doi: 10.13225/j.cnki.jccs.2014.0478 WU Qiang. Progress, problems and prospects of prevention and control technology of mine water and reutilization in China[J]. Journal of China Coal Society,2014,39(5):795−805. doi: 10.13225/j.cnki.jccs.2014.0478
[43] 袁 亮. 煤炭精准开采科学构想[J]. 煤炭学报,2017,42(1):1−7. doi: 10.13225/j.cnki.jccs.2016.1661 YUAN Liang. Scientific conception of precise coal mining[J]. Journal of China Coal Society,2017,42(1):1−7. doi: 10.13225/j.cnki.jccs.2016.1661
[44] 袁 亮,张平松. 煤炭精准开采地质保障技术的发展现状及展望[J]. 煤炭学报,2019,44(8):2277−2284. YUAN Liang,ZHANG Pingsong. Development status and prospect of geological guarantee technology for precise coal mining[J]. Journal of China Coal Society,2019,44(8):2277−2284.
[45] 毛善君, 李 祥, 景 超. 基于地质测量保障系统的矿山智能化管控平台建设方法[P]. 中国: ZL202210511857.4, 2022-08-09. [46] 毛善君, 张鹏鹏, 李 振, 等. 用于透明化矿山的构建方法[P]. 中国: ZL201711339845.3, 2019-01-04. [47] 毛善君, 李 振, 张鹏鹏, 等. 一种回采工作面煤层透明化三维地质模型构建方法及装置[P]. 中国: ZL2020102520364, 2021-07-20. [48] 马新平,刘 伯. 煤矿井下钻探装备和钻探施工技术发展与探索[J]. 煤炭与化工,2021,44(2):55−58. doi: 10.19286/j.cnki.cci.2021.02.014 MA Xinping,LIU Bo. Development and exploration of underground coal mine drilling equipment and drilling construction technology[J]. Coal and Chemical Industry,2021,44(2):55−58. doi: 10.19286/j.cnki.cci.2021.02.014
[49] 程久龙,李 飞,彭苏萍,等. 矿井巷道地球物理方法超前探测研究进展与展望[J]. 煤炭学报,2014,39(8):1742−1750. doi: 10.13225/j.cnki.jccs.2014.9007 CHENG Jiulong,LI Fei,PENG Suping,et al. Research progress and development direction on advanced detection in mine roadway working face using geophysical methods[J]. Journal of China Coal Society,2014,39(8):1742−1750. doi: 10.13225/j.cnki.jccs.2014.9007
[50] 刘盛东,刘 静,岳建华. 中国矿井物探技术发展现状和关键问题[J]. 煤炭学报,2014,39(1):19−25. doi: 10.13225/j.cnki.jccs.2013.0587 LIU Shengdong,LIU Jing,YUE Jianhua. Development status and key problems of Chinese mining geophysical technology[J]. Journal of China Coal Society,2014,39(1):19−25. doi: 10.13225/j.cnki.jccs.2013.0587
[51] XUE Guoqiang,WEN Chen,CHENG Jiulong,et al. A review of electrical and electromagnetic methods for coal mine exploration in China[J]. IEEE Access,2019,7:177332−177341. doi: 10.1109/ACCESS.2019.2951774
[52] 程建远,李淅龙,张广忠,等. 煤矿井下地震勘探技术应用现状与发展展望[J]. 勘探地球物理进展,2009,32(2):79,96−100,111. CHENG Jianyuan,LI Xilong,ZHANG Guangzhong,et al. Current status and outlook of seismic exploration applied underground in coal mine[J]. Progress in Exploration Geophysics,2009,32(2):79,96−100,111.
[53] 彭苏萍,杜文凤,赵 伟,等. 煤田三维地震综合解释技术在复杂地质条件下的应用[J]. 岩石力学与工程学报,2008(S1):2760−2765. PENG Suping,DU Wenfeng,ZHAO Wei,et al. 3D coalfield seismic integrated interpretation technique in complex geological condition[J]. Chinese Journal of Rock Mechanics and Engineering,2008(S1):2760−2765.
[54] 彭苏萍,邹冠贵,李巧灵. 测井约束地震反演在煤厚预测中的应用研究[J]. 中国矿业大学学报,2008(6):729−733. PENG Suping,ZOU Guangui,LI Qiaoling. Seam thickness prediction methods based on the logging constrained seismic inversion[J]. Journal of China University of Mining & Technology,2008(6):729−733.
[55] 陈柏平,崔 凡,刘 波,等. 基于地质统计学反演的透明化矿山岩性建模参数研究及应用[J]. 矿业科学学报,2022,7(4):427−436. doi: 10.19606/j.cnki.jmst.2022.04.004 CHEN Baiping,CUI Fan,LIU Bo,et al. Research and application of inversion parameters based on geological statistics inversion in transparent mines rock major modeling[J]. Journal of Mining Science and Technology,2022,7(4):427−436. doi: 10.19606/j.cnki.jmst.2022.04.004
[56] 袁 峰,申 涛,谢晓深,等. 基于深度学习的地震多属性融合技术在导水裂隙带探测中的应用[J]. 煤炭学报,2021,46(10):3234−3244. doi: 10.13225/j.cnki.jccs.2020.0902 YUAN Feng,SHEN Tao,XIE Xiaoshen,et al. Application of deep learning-based seismic multi-attribute fusion technology in the detection of water conducting fissure zone[J]. Journal of China Coal Society,2021,46(10):3234−3244. doi: 10.13225/j.cnki.jccs.2020.0902
[57] 左仁广,彭 勇,李 童,等. 基于深度学习的地质找矿大数据挖掘与集成的挑战[J]. 地球科学,2021,46(1):350−358. ZOU Renguang,PENG Yong,LI Tong,et al. Challenges of geological prospecting big data mining and integration using deep learning algorithms[J]. Earth Science,2021,46(1):350−358.
[58] GUNDERSON L Kellen,ZHANG Zhao,PAYNE Barton,et al. Machine learning applications to seismic structural interpretation: Philosophy, progress, pitfalls, and potential[J]. AAPG Bulletin,2022,106(11):2187−2202. doi: 10.1306/12162121016
[59] 马庆勋,李贤志,张泽奇. 一种以自然伽玛参数为主的综合煤矿井下测井系统[J]. 煤矿开采,2015,20(2):16−19. doi: 10.13532/j.cnki.cn11-3677/td.2015.02.005 MA Qingxun,LI Xianzhi,ZHANG Zeqi. Comprehensive underground logging system dominated by natural gamma parameters[J]. Coal Mining Technology,2015,20(2):16−19. doi: 10.13532/j.cnki.cn11-3677/td.2015.02.005
[60] 李松营,廉 洁,滕吉文,等. 基于槽波透射法的采煤工作面煤厚解释技术[J]. 煤炭学报,2017,42(3):719−725. doi: 10.13225/j.cnki.jccs.2016.0595 LI Songying,LIAN Jie,TENG Jiwen,et al. Interpretation technology of coal seam thickness in mining face by ISS transmission method[J]. Journal of China Coal Society,2017,42(3):719−725. doi: 10.13225/j.cnki.jccs.2016.0595
[61] 许献磊,杨 峰,夏云海,等. 矿井超深探测地质雷达天线的开发及应用[J]. 煤炭科学技术,2016,44(4):124−129. doi: 10.13199/j.cnki.cst.2016.04.025 XU Xianlei,YANG Feng,XIA Yunhai,et al. Development and application of mine geological radar antenna for mine ultra-deep detection[J]. Coal Science and Technology,2016,44(4):124−129. doi: 10.13199/j.cnki.cst.2016.04.025
[62] 刘四新,曾昭发. 频散介质中地质雷达波传播的数值模拟[J]. 地球物理学报,2007(1):320−326. LIU Sixin,ZENG Zhaofa. Numerical simulation for Ground Penetrating Radar wave propagation in the dispersive medium[J]. Chinese Journal of Geophysics,2007(1):320−326.
[63] 张平松,李圣林,邱 实,等. 巷道快速智能掘进超前探测技术与发展[J]. 煤炭学报,2021,46(7):2158−2173. ZHANG Pingsong,LI Shenglin,QIU Shi,et al. Advance detection technology and development of fast intelligent roadway drivage[J]. Journal of China Coal Society,2021,46(7):2158−2173.
[64] 王 季,覃 思,陆 斌,等. 基于掘进机随掘震源的巷道侧前方断层成像技术[J]. 煤炭科学技术,2021,49(2):232−237. WANG Ji,QIN Si,LU Bin,et al. Tomographic imaging technology of front side of roadway based on excavation source of roadheade[J]. Coal Science and Technology,2021,49(2):232−237.
[65] 刘俊利,赵豪杰,李长有. 基于采煤机滚筒截割振动特性的煤岩识别方法[J]. 煤炭科学技术,2013,41(10):93−95, 116. doi: 10.13199/j.cnki.cst.2013.10.032 LIU Junli,ZHAO Haojie,LI Changyou. Coalp-rock recognition method based on cutting vibration features of coal shearer drums[J]. Coal Science and Technology,2013,41(10):93−95, 116. doi: 10.13199/j.cnki.cst.2013.10.032
[66] 张 强,张润鑫,刘峻铭,等. 煤矿智能化开采煤岩识别技术综述[J]. 煤炭科学技术,2022,50(2):1−26. ZHANG Qiang,ZHANG Runxin,LIU Junming,et al. Review on coal and rock identification technology for intelligent Mining in coal mines[J]. Coal science and technology,2022,50(2):1−26.
[67] 孙继平. 基于图像识别的煤岩界面识别方法研究[J]. 煤炭科学技术,2011,39(2):77−79. SUN Jiping. Study on Identified Method of Coal and Rock Interface Based on Image Identification[J]. Coal Science and Technology,2011,39(2):77−79.
[68] 蒋盛锋. 基于三维激光扫描仪的三维点云地图构建研究[D]. 武汉: 华中科技大学, 2016. JIANG Shengfeng. Research on 3D Point Cloud Map Construction Using 3D Laser Scanner[D]. Wuhan: Huazhong University of Science and Technology, 2016.
[69] 姜龙飞,李宝余,赵晓卡. 基于激光点云的巷道三维重建关键技术研究[J]. 价值工程,2020,39(16):207−210. doi: 10.3969/j.issn.1006-4311.2020.16.090 JIANG Longfei,LI Baoyu,ZHAO Xiaoka. Research on Key Technology of Roadway 3D Reconstruction Based on Laser Point Cloud[J]. Value Engineering,2020,39(16):207−210. doi: 10.3969/j.issn.1006-4311.2020.16.090
[70] 杨健健,张 强,王 超,等. 煤矿掘进机的机器人化研究现状与发展[J]. 煤炭学报,2020,45(8):2995−3005. doi: 10.13225/j.cnki.jccs.2019.1452 YANG Jianjian,ZHANG Qiang,WANG Chao,et al. Status and development of robotization research on roadheader for coal mines[J]. Journal of China Coal Society,2020,45(8):2995−3005. doi: 10.13225/j.cnki.jccs.2019.1452
[71] 程敬义,万志军,PENG Syd S,等. 基于海量矿压监测数据的采场支架与顶板状态智能感知技术[J]. 煤炭学报,2020,45(6):2090−2103. CHENG Jingyi,WAN Zhijun,PENG Syd S,et al. Technology of intelligent sensing of longwall shield supports status and roof strata based on massive shield pressure monitoring data[J]. Journal of China Coal Society,2020,45(6):2090−2103.
[72] 夏永学,康立军,齐庆新,等. 基于微震监测的5个指标及其在冲击地压预测中的应用[J]. 煤炭学报,2010,35(12):2011−2016. doi: 10.13225/j.cnki.jccs.2010.12.013 XIA Yongxue,KANG Lijun,QI Qingxin,et al. Five indexes of microseismic and their application in rock burst forecastion[J]. Journal of China Coal Society,2010,35(12):2011−2016. doi: 10.13225/j.cnki.jccs.2010.12.013
[73] 吴冲龙,刘 刚,张夏林,等. 地质科学大数据及其利用的若干问题探讨[J]. 科学通报,2016,61(16):1797−1807. doi: 10.1360/N972015-01035 WU Chonglong,LIU Gang,ZHANG Xialin,et al. Discussion on geological science big data and its applications[J]. Chinese Science Bulletin,2016,61(16):1797−1807. doi: 10.1360/N972015-01035
[74] 郭理桥. 新型城镇化与基于“一张图”的“多规融合”信息平台[J]. 城市发展研究,2014,21(3):1−3,13. doi: 10.3969/j.issn.1006-3862.2014.03.020 GUO Liqiao. New patter urbanization and “multiple planning integration” information platform on the base of “one blueprint”[J]. Urban Development Studie,2014,21(3):1−3,13. doi: 10.3969/j.issn.1006-3862.2014.03.020
[75] 毛善君,杨乃时,高彦清,等. 煤矿分布式协同“一张图”系统的设计和关键技术[J]. 煤炭学报,2018,43(1):280−286. MAO Shanjun,YANG Naishi,GAO Yanqing,et al. Design and key technology research of coal mine distributed cooperative “one map” system[J]. Journal of China Coal Society,2018,43(1):280−286.
[76] 杨兴科,苗霖田,段中会,等. 煤炭地质云(CGC)在线地图服务技术与应用[J]. 中国煤炭地质,2019,31(8):17−21,39. YANG Xingke,MIAO Lintian,DUAN Zhonghui,et al. Online map service technology and application of Coal Geological Cloud(CGC)[J]. Coal Geology of China,2019,31(8):17−21,39.
[77] 陈建平,李 婧,崔 宁,等. 大数据背景下地质云的构建与应用[J]. 地质通报,2015,34(7):1260−1265. CHEN Jianping,LI Jing,CUI Ning,et al. The construction and application of geological cloud under the big data background[J]. Geological Bulletin of China,2015,34(7):1260−1265.
[78] 李青元,张洛宜,曹代勇,等. 三维地质建模的用途、现状、问题、趋势与建议[J]. 地质与勘探,2016,52(4):759−767. LI Qingyuan,ZHANG Luoyi,CAO Daiyong,et al. Usage, status, problems, trends and suggestions of 3D geological modeling[J]. Geology and Exploration,2016,52(4):759−767.
[79] 郭甲腾,代欣位,刘善军,等. 一种三维地质体模型的隐式剖切方法[J]. 武汉大学学报(信息科学版),2015,436(11):219−222. GUO Jiateng,DAI Xinwei,LIU Shanjun,et al. An implicit cutting method for 3D geological body model[J]. Geomatics and Information Science of Wuhan University,2015,436(11):219−222.
[80] 李 梅,姜 展,姜龙飞,等. 三维可视化技术在智慧矿山领域的研究进展[J]. 煤炭科学技术,2021,49(2):153−162. LI Mei,JIANG Zhan,JIANG Longfei,et al. Research progress on 3D visualization technology for intelligent mine[J]. Coal Science and Technology,2021,49(2):153−162.
[81] 贾建称, 贾 茜, 桑向阳, 等. 我国煤矿地质保障系统建设30年: 回顾与展望[J]. 煤田地质与勘探, 2023,51（1）: 86−106. JIA Jiancheng, JIA Qian, SANG Xiangyang, et al. Review and prospect: construction of coal mine geological guarantee system in China during past 30 years[J]. Coal Geology & Exploration,2023,51（1）: 86−106.
[82] 袁 亮. 我国煤炭主体能源安全高质量发展的理论技术思考. 中国科学院院刊, 2023, 38(1): 11–22. YUAN L. Theory and technology considerations on high-quality development of coal main energy security in China. Bulletin of Chinese Academy of Sciences, 2023, 38(1): 11–22.
-
期刊类型引用(14)
1. 赵正阳，臧传伟. 矿井智能地质保障系统研究与应用. 中国煤炭. 2025(02): 135-142 . 
百度学术
2. 张村，贾胜，华埜，宋启. 矿山三维地质建模研究进展：原理、方法与应用. 煤炭科学技术. 2025(02): 222-238 . 本站查看
3. 文广超，王一博，冯雅杰，周彦斌，张一帆，赵梦余. 煤矿井下三维透明地质环境建设探索. 河南理工大学学报(自然科学版). 2025(03): 71-80 . 百度学术
4. 张铁聪，陈华州，赵俊杰，王利景，贾冬冬. 基于数字孪生技术的煤矿掘进机自动截割方法研究. 中国煤炭. 2024(01): 93-100 . 百度学术
5. 张瑞，郭红星，马彦龙，曹思华，耿民. 顾桥煤矿随掘地震实时超前探测技术. 现代矿业. 2024(02): 218-221 . 百度学术
6. 占文锋，李文，武玉梁，刘芳彬，郑佳荣，牛学超. 工作面内地质异常无线电磁波透视规律研究. 煤炭工程. 2024(03): 189-196 . 百度学术
7. 李宁. 断层破碎带巷道破坏及支护技术研究. 山东煤炭科技. 2024(04): 6-9+14 . 百度学术
8. 杨胜利，张燊，王旭东，张凯，辛德林，翟瑞昊. 煤与天然气协同开采理论与技术构想. 煤炭科学技术. 2024(04): 50-68 . 本站查看
9. 李鑫超，周脉勇，李轩，祝永涛，秦涛. 基于工作面地质模型自适应开采的碰撞检测方法研究. 煤炭工程. 2024(07): 159-164 . 百度学术
10. 樊子恒. 融合透明地质与灾害预警的煤矿综合管控平台研究. 矿业安全与环保. 2024(04): 168-174+180 . 百度学术
11. 于斌，邰阳，徐刚，李勇，李东印，王世博，匡铁军，孟二存. 千万吨级综放工作面智能化放煤理论及关键技术. 煤炭科学技术. 2024(09): 48-67 . 本站查看
12. 刘超，李川田，付玉平. 物联网技术在煤矿工作面标准化应用研究. 内蒙古煤炭经济. 2024(21): 112-114 . 百度学术
13. 戴春雷. 我国矿山智能化研究进展及大模型应用前景. 工矿自动化. 2024(S2): 1-11+22 . 百度学术
14. 陈根深，刘刚，陈麒玉，赵力行，向世泽，罗庆，张俊杰. 基于多源数据集成与WebGIS的三维矿山空间数据管理系统关键技术及应用. 软件导刊. 2023(11): 18-28 . 百度学术
其他类型引用(3)
下载:
计量
- 文章访问数: 251
- HTML全文浏览量: 107
- PDF下载量: 143
- 被引次数: 17
