Оперативная оценка параметров пожара в горной выработке угольной шахты с использованием машинного обучения

Пожары относятся к числу наиболее распространенных аварий в угольных шахтах России, а принятие обоснованных решений при их развитии требует информации не только о факте возгорания, но и о положении очага, текущей интенсивности пожара и ожидаемом изменении опасных факторов пожара. В связи с этим проведено исследование возможности применения нейросетевой модели для совместной оценки расстояния до очага пожара, текущей мощности тепловыделения и краткосрочного прогноза температуры и концентрации оксида углерода (CO) в контрольных точках горной выработки. Входными данными нейросетевой модели являлись временные окна предшествующих значений температуры и концентрации CO в трех последовательно расположенных точках измерения, а также скорость вентиляционного потока. Горизонт прогноза значений температуры и концентрации CO составлял 60 с. На тестовой выборке средняя абсолютная ошибка составила 99,34 кВт для оценки мощности тепловыделения пожара, 4,11 м – для оценки расстояния до очага, 2,97 °C – для прогноза температуры и 12,85 ppm – для прогноза концентрации CO. Полученные результаты показывают, что в пределах принятого в данной работе диапазона сценариев нейросетевая модель с входными данными в виде временных окон значений температуры и концентрации CO может быть использована для совместной оценки параметров очага пожара и краткосрочного прогноза значений рассматриваемых опасных факторов пожара в контрольных точках горной выработки.

Федоткин И. О. Оперативная оценка параметров пожара в горной выработке угольной шахты с использованием машинного обучения // Горный информационно-аналитический бюллетень. – 2026. – № 8. – С. 157–166. DOI: 10.25018/0236_1493_2026_8_0_157.

Федоткин Илия Олегович — аспирант, Университет науки и технологий МИСИС, e-mail: fedotkin.iliya@gmail.com, ORCID ID: 0009-0004-2399-480X. 

1. Liang Y., Yang Y., Guo S., Tian F., Wang S. Combustion mechanism and control approaches of underground coal fires: a review // International Journal of Coal Science & Technology. 2023, vol. 10, article 24. DOI: 10.1007/s40789-023-00581-w.

2. Баловцев С. В., Скопинцева О. В., Куликова Е. Ю. Анализ аварийности и тенденции развития аэрологической безопасности угольных шахт // Горный информационно-аналитический бюллетень. — 2024. — № 12. — C. 135—149. DOI: 10.25018/0236_1493_2024_12_0_135.

3. Архипов И. А., Филин А. Э. Анализ состояния аварийности на угольных предприятиях России // Горный информационно-аналитический бюллетень. — 2019. — № 1. — C. 208—215. DOI: 10.25018/0236-1493-2019-01-0-208-215.

4. Niu Y., Si R., Li Z., Wang L., Huang Z., Jia Q. Experimental study on gas and coal dust explosive overpressure and flame dynamic characteristics in an engineering-level test roadway // Frontiers in Earth Science. 2023, vol. 11, article 1330932. DOI: 10.3389/feart.2023.1330932.

5. Скопинцева О. В., Баловцев С. В., Рыбичев А. А. Исследование взрывопожароопасности угольной пыли пластов средней стадии метаморфизма // Горный информационно-аналитический бюллетень. — 2026. — № 5. — С. 80—94. DOI: 10.25018/0236_1493_2026_5_0_80.

6. Жихарев С. Я., Родионов В. А., Пихконен Л. В. Исследование технологических свойств и показателей взрывопожароопасности каменноугольной пыли инновационными методами // Горный журнал. — 2018. — № 6. — С. 45—49. DOI: 10.17580/gzh.2018.06.09.

7. Babrauskas V., Peacock R. D. Heat release rate: The single most important variable in fire hazard // Fire Safety Journal. 1992, vol. 18, no. 3, pp. 255—272. DOI: 10.1016/0379-7112(92)90019-9.

8. Salami O. B., Kumar A. R., Aamir I., Pushparaj R. I., Xu G. Enhancing fire safety in underground mines: Experimental and large eddy simulation of temperature attenuation, gas evolution, and bifurcation influence for improved emergency response // Process Safety and Environmental Protection. 2024, vol. 183, pp. 260—273. DOI: 10.1016/j.psep.2023.12.056.

9. Zhang M., Li Z. Experiments on a mine system subjected to ascensional airflow fire and countermeasures for mine fire control // Fire. 2024, vol. 7, no. 7, article 223. DOI: 10.3390/fire7070223.

10. Yuan L., Zhou L., Smith A. C. Modeling carbon monoxide spread in underground mine fires // Applied Thermal Engineering. 2016, vol. 100, pp. 1319—1326. DOI: 10.1016/j.applthermaleng.2016.03.007.

11. Li B., Li Y., Sun Y., Zhang W., Li J., Zhang Z., Cui Y., Dong J., Liu H. Study on the influence of forced ventilation on the maximum fire temperature in roadway heading // Scientific Reports. 2025, vol. 15, article 9830. DOI: 10.1038/s41598-025-94169-w.

12. Копылов Н. П., Федоткин Д. В., Карпов А. В., Сушкина Е. Ю. Моделирование тушения пожаров нефтепродуктов в резервуарах с применением водопенных огнетушащих веществ // Безопасность труда в промышленности. — 2020. — № 8. — С. 14—22. DOI: 10.24000/0409-2961-2020-8-14-22.

13. Nematollahi Sarvestani A., Oreste P., Gennaro S. Fire scenarios inside a room-and-pillar underground quarry using numerical modeling to define emergency plans // Applied Sciences. 2023, vol. 13, no. 7, article 4607. DOI: 10.3390/app13074607.

14. Weisenpacher P., Glasa J., Valasek L. Investigation of various fire dynamics simulator approaches to modelling airflow in road tunnel induced by longitudinal ventilation // Fire. 2025, vol. 8, no. 2, article 74. DOI: 10.3390/fire8020074.

15. Fernández-Alaiz F., Castañón A.M., Gómez-Fernández F., Bascompta M. Mine fire behavior under different ventilation conditions: Real-scale tests and CFD modeling // Applied Sciences. 2020, vol. 10, no. 10, article 3380. DOI: 10.3390/app10103380.

16. Haghighat A., Luxbacher K. Tenability analysis for improvement of firefighters’ performance in a methane fire event at a coal mine working face // Journal of Fire Sciences. 2018, vol. 36, no. 3, pp. 256—274. DOI: 10.1177/0734904118767066.

17. Ang C. D., Rein G., Peiró J., Harrison R. Simulating longitudinal ventilation flows in long tunnels: Comparison of full CFD and multi-scale modelling approaches in FDS6 // Tunnelling and Underground Space Technology. 2016, vol. 52, pp. 119—126. DOI: 10.1016/j.tust.2015.11.003.

18. Yuan L., Mainiero R. J., Rowland J. H., Thomas R. A., Smith A. C. Numerical and experimental study on flame spread over conveyor belts in a large-scale tunnel // Journal of Loss Prevention in the Process Industries. 2014, vol. 30, pp. 55—62. DOI: 10.1016/j.jlp.2014.05.001.

19. Tan P., Zhang C., Xia J., Fang Q.-Y., Chen G. Estimation of higher heating value of coal based on proximate analysis using support vector regression // Fuel Processing Technology. 2015, vol. 138, pp. 298—304. DOI: 10.1016/j.fuproc.2015.06.013.

20. Mowrer F. W., Williamson R. B. Methods to characterize heat release rate data // Fire Safety Journal. 1990, vol. 16, no. 5, pp. 367—387. DOI: 10.1016/0379-7112(90)90009-4.

21. Ingason H. Design fire curves for tunnels // Fire Safety Journal. 2009, vol. 44, no. 2, pp. 259—265. DOI: 10.1016/j.firesaf.2008.06.009.

22. Dubey S. R., Singh S. K., Chaudhuri B. B. Activation functions in deep learning: A comprehensive survey and benchmark // Neurocomputing. 2022, vol. 503, pp. 92—108. DOI: 10.1016/j.neucom.2022.06.111.

23. Kapoor S., Narayanan A. Leakage and the reproducibility crisis in machine-learning-based science // Patterns. 2023, vol. 4, no. 9, article 100804. DOI: 10.1016/j.patter.2023.100804.