Науковий вісник НГУ

Прогнозування залягання вугільного пласта з використанням чисельних методів і тривимірної геоінформаційної системи

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №5 2025

Останнє оновлення: 25 жовтня 2025

Опубліковано: 30 листопада -0001

Перегляди: 1731

Authors:

Д. С. Малашкевич*, orcid.org/0000-0002-8494-2489, Національний технічний університет «Дніпровська політехніка», м. Дніпро, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

В. В. Руських, orcid.org/0000-0002-5615-2797, Національний технічний університет «Дніпровська політехніка», м. Дніпро, Україна

В. Ю. Медяник, orcid.org/0000-0001-5403-5338, Національний технічний університет «Дніпровська політехніка», м. Дніпро, Україна

О. А. Гайдай, orcid.org/0000-0003-0825-0023, Національний технічний університет «Дніпровська політехніка», м. Дніпро, Україна

* Автор-кореспондент e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2025, (5): 005 - 013

https://doi.org/10.33271/nvngu/2025-5/005

Abstract:

Мета. Розробка й застосування методики прогнозування залягання вугільного пласта з використанням чисельних методів інтерполяції та тривимірного геоінформаційного моделювання.

Методика. Дослідження виконане на основі даних геологічної розвідки вугільного пласта c ₄² шахти «Самарська». Використані чисельні методи інтерполяції та тривимірне моделювання в AutoCAD 3D. На основі геологічних даних виконувалася побудова цифрової моделі рельєфу підошви пласта, визначалися його потужність і зміни товщини по площі. Використовуючи математичні методи, був здійснений аналіз зон потоншання й потовщення пласта, що дозволило визначити об’єми видобутку вугілля, вихід пустих порід і експлуатаційну зольність вугілля.

Результати. У результаті дослідження була побудована тривимірна модель залягання вугільного пласта c₄² шахти «Самарська» й визначена його геологічну потужність. Виявлені зони потоншання й потовщення пласта, що дозволило оптимізувати розташування виїмкових стовпів і підготовчих виробок. Проведено розрахунок об’ємів вугілля, що підлягає видобутку, та пустих порід, що присікаються. Визначена прогнозна експлуатаційна зольність вугілля, яка склала 34,4 %, що є важливим фактором для контролю якості видобутої продукції. Отримані дані дозволили оптимізувати параметри очисних робіт, адаптуючи технологічний процес до геологічних умов залягання вугільного пласта.

Наукова новизна. У роботі  запропоновано вдосконалений підхід до прогнозування параметрів залягання вугільного пласта із використанням чисельної інтерполяції та тривимірного моделювання, адаптований для умов обмежених геологічних даних. Уперше реалізована поетапна побудова з динамічним оновленням геометрії пласта, що підвищує точність оцінки запасів і ефективність проєктування гірничих робіт.

Практична значимість. Розроблена методика дає змогу мінімізувати витрати на бурові роботи, підвищити точність прогнозування залягання пластів, зменшити ризики й оптимізувати процеси видобутку. Результати можуть бути використані для проєктування технології видобутку на інших шахтах Західного Донбасу, сприяючи підвищенню ефективності гірничого виробництва.

Ключові слова: прогнозування, вугільний пласт, тривимірне моделювання, інтерполяція, геологічна потужність, видобуток

References.

1. Buzylo, V., Pavlychenko, A., & Borysovska, O. (2020). Ecological aspects of filling of worked-out area during underground coal mining. E3S Web of Conferences, (201), 01038. EDP Sciences. https://doi.org/
10.1051/e3sconf/202020101038

2. Wang, G., Ren, H., Zhao, G., Zhang, D., Wen, Z., Meng, L., & Gong, S. (2022). Research and practice of intelligent coal mine technology systems in China. International Journal of Coal Science & Technology, 9(1), 24. https://doi.org/10.1007/s40789-022-00491-3

3. Malashkevych, D., Petlovanyi, M., Sai, K., & Zubko, S. (2022). Research into the coal quality with a new selective mining technology of the waste rock accumulation in the mined-out area. Mining of Mineral Deposits, 16(4), 103-114. https://doi.org/10.33271/mining16.04.103

4. Bondarenko, V., Salieiev, I., Kovalevska, I., Chervatiuk, V., Malashkevych, D., Shyshov, M., & Chernyak, V. (2023).
A new concept for complex mining of mineral raw material resources from DTEK coal mines based on sustainable development and ESG strategy. Mining of Mineral Deposits, 17(1), 1-16. https://doi.org/
10.33271/mining17.01.001

5. Wang, L., Jia, B., & Su, G. (2025). Risk identification of coal and gas outburst based on improved CUOWGA weighting TOPSIS model. Scientific Reports, 15(1), 1-9. https://doi.org/10.1038/s41598-025-00266-1

6. Malashkevych, D., Poimanov, S., Shypunov, S., & Yerisov, M. (2020). Comprehensive assessment of the mined coal quality and mining conditions in the Western Donbas mines. E3S Web of Conferences, (201), 01013. https://doi.org/10.1051/e3sconf/202020101013

7. Salieiev, I. (2024). Organization of processes for complex mining and processing of mineral raw materials from coal mines in the context of the concept of sustainable development. Mining of Mineral Deposits, 18(1), 54-66. https://doi.org/10.33271/mining18.01.054

8. Petlovanyi, M., Ruskykh, V., Sai, K., & Malashkevych, D. (2024). Prompt determination of predictive parameters for mining-technogenic landscape objects. IOP Conference Series: Earth and Environmental Science, 1348(1), 012035. https://doi.org/10.1088/1755-1315/1348/1/012035

9. Bondarenko, V., Kovalevs’ka, I., & Fomychov, V. (2012). Features of carrying out experiment using finite-element method at multivariate calculation of “mine massif – combined support” system. Geomechanical Processes During Underground Mining – Proceedings of the School of Underground Mining, 7-13. https://doi.org/10.1201/b13157-4

10.      Ljubić, A., & Petrović, M. (2024). Statistical analysis and mapping of imaginary coal layer using inverse distance interpolation, simple case study of recommended methods. Theory and application in geomathematics 2024: 5 ^th Croatian geomathematical scientific congress, 173-186. Retrieved from https://hrcak.srce.hr/omp/index.php/rgn-unizg/catalog/view/81/52/5239

11.      Jeuken, R., Xu, C., & Dowd, P. (2020). Improving coal quality estimations with geostatistics and geophysical logs. Natural Resources Research, 29(4), 2529-2546. https://doi.org/10.1007/s11053-019-09609-y

12.      Afzal, P. (2018). Comparing ordinary kriging and advanced inverse distance squared methods based on estimating coal deposits; case study: East-Parvadeh deposit, central Iran. Journal of Mining and Environment, 9(3), 753-760. https://doi.org/10.22044/jme.2018.6897.1522

13.      Kopacz, M., Kulpa, J., Galica, D., Dyczko, A., & Jarosz, J. (2019). Economic valuation of coal deposits – The value of geological information in the resource recognition process. Resources Policy, (63), 101450. https://doi.org/10.1016/j.resourpol.2019.101450

14.      Zhang, J., & Guangwei, L. (2024). Research on a Coal Seam Modeling Construction Method Based on Improved Kriging Interpolation. https://doi.org/10.21203/rs.3.rs-4124626/v1

15.      Maxwell, K., Rajabi, M., & Esterle, J. (2021). Spatial interpolation of coal properties using geographic quantile regression forest. International Journal of Coal Geology, (248), 103869. https://doi.org/10.1016/
j.coal.2021.103869

16.      Uyan, M., & Dursun, A. E. (2021). Determination and modeling of lignite reserve using geostatistical analysis and GIS. Arabian Journal of Geosciences, 14(4), 312. https://doi.org/10.1007/s12517-021-06633-2

17.      Zhao, X., Hao, T., Feng, H., Li, F., & Li, X. (2025). Exploration of 3D Coal Seam Geological Modeling Visualization and Gas Content Prediction Technology Based on Borehole Data. Energy Science & Engineering, 13(3), 1117-1131. https://doi.org/10.1002/ese3.2048

18.      Che, D., & Jia, Q. (2019). Three-dimensional geological modeling of coal seams using weighted Kriging method and multi-source data. IEEE Access, 7, 118037-118045. https://doi.org/10.1109/ACCESS.2019.2936811

19.      Olea, R. A., Luppens, J. A., & Tewalt, S. J. (2011). Methodology for quantifying uncertainty in coal assessments with an application to a Texas lignite deposit. International Journal of Coal Geology, 85(1), 78-90. https://doi.org/10.1016/j.coal.2010.10.001

20.      Unver, B. (2018). Fundamentals of 3D modelling and resource estimation in coal mining. Journal of Mining and Environment, 9(3), 623-639. https://doi.org/10.22044/jme.2018.6848.1515

21.      Jiskani, I. M., Siddiqui, F. I., & Pathan, A. G. (2018). Integrated 3D geological modeling of Sonda-Jherruck coal field, Pakistan. Journal of Sustainable Mining, 17(3), 111-119. https://doi.org/10.1016/
j.jsm.2018.06.001

22.      Dursun, A. E. (2023). Spatial coal seam modeling and reserve estimation using geostatistical methodologies by GIS technique in a selected coalfield in Ermenek Basin, Turkey. Acta Montanistica Slovaca, 28(4), 863-877. https://doi.org/10.46544/ams.v28i4.06

23.      Lozynskyi, V., Medianyk, V., Saik, P., Rysbekov, K., & Demydov, M. (2020). Multivariance solutions for designing new levels of coal mines. Rudarsko Geolosko Naftni Zbornik, 35(2), 23-31.
https://doi.org/10.17794/rgn.2020.2.3

24.      Wanli, L., Xueliang, Z., & Shibo, W. (2020). Modeling and dynamic correction technology of 3D coal seam model for coal-mining face. Journal of China Coal Society, 45(6). https://doi.org/10.13225/
j.cnki.jccs.ZN20.0364

25.      Bartoszek, S., Stankiewicz, K., Kost, G., Ćwikła, G., & Dyczko, A. (2021). Research on Ultrasonic Transducers to Accurately Determine Distances in a Coal Mine Conditions. Energies, 14(9), 2532. https://doi.org/10.3390/en14092532

26.      Dychkovskyi, R., Falshtynskyi, V., Ruskykh, V., Cabana, E., & Kosobokov, O. (2018). A modern vision of simulation modelling in mining and near mining activity. E3S Web of Conferences, (60), 00014. Retrieved from http://ir.nmu.org.ua/handle/123456789/153425

27.      Yuan, J., Liu, G., & Chai, S. (2024). 3D geological fine modeling and dynamic updating method of fault slope in open-pit coal mine. Scientific Reports, 14(1), 1-16. https://doi.org/10.1038/s41598-024-81872-3

28.      Chen, J., He, Y., Liang, Y., Wang, W., & Duan, X. (2024). Estimation of gross calorific value of coal based on the cubist regression ­model. Scientific Reports, 14(1), 23176. https://doi.org/10.1038/s41598-024-74469-3

• Наступна >