人工智能在深部巷道围岩动力响应的应用研究进展

摘要

随着全球金属矿山深度逐步进入千米以下，深部“三高一扰动”环境诱发的岩爆、冲击地压、大变形和分区破裂等动力灾害日益频发。传统力学方法在时效性、精度与不确定性量化方面面临严峻挑战。人工智能(artificial intelligence, AI)技术为小样本、高维非线性的围岩动力响应问题提供了新的解决路径。基于Web of Science、Scopus和CNKI数据库，检索2000年至今的相关文献，经系统评价、去重与择优筛选后最终保留125篇，结合CiteSpace与VOSviewer进行计量分析，发现AI在该领域的应用呈“萌芽-发展-爆发”三阶段演化特征。将现有研究成果整合为“感知-预测-控制”三大模块系统，详细评述了多源传感网络、智能预测模型与自适应控制策略的研究进展，重点分析了物理信息神经网络(physics-informed neural network, PINN)、数字孪生(digital twin, DT)与联邦学习(federated learning, FL)等前沿技术方向，并指出当前面临的小样本、可解释性、数据融合、实时性与标准化等挑战。最后，展望了AI在深部矿山动力灾害智能防控中的未来发展方向，为相关研究与实践提供参考。

关键词

深部巷道 / 围岩动力响应 / 人工智能 / 机器学习 / 岩爆预警 / 智能支护

基金资助

国家自然科学基金重点资助项目(No.52438007); 北京建筑大学培育项目专项资金资助项目(No.X25027); 2024年北京市高层次留学人才回国资助计划(No.21997124001)