Temperature Prediction of Underground Working Place Using Artificial Neural Networks

인공신경망을 이용한 심부 갱내온도 예측

  • 김윤광 (대한석탄공사 기술연구소) ;
  • 김진 (인하대학교 환경공학과)
  • Published : 2007.08.31

Abstract

The prediction of temperature in the workings for the propriety examination for the development of a deep coal bed and the ventilation design is fairly important. It is quite demanding to obtain precise thermal conductivity of rock due to the variety and the complexity of the rock types contiguous to the coal bed. Therefore, to estimate the thermal conductivity corresponding to this geological situation and complex gallery conditions, a computing program which is TemPredict, is developed in this study. It employs Artificial Neural Network and calculates the climatic conditions in galleries. This advanced neural network is based upon the Back-Propagation Algorithm and composed of the input layers that are acceptant of the physical and geological factors of the coal bed and the hidden layers each of which has the 5 and 3 neurons. To verify TemPredict, the calculated result is compared with the measured one at the entrance of -300 ML 9X of Jang-sung production department, Jang-sung Coal Mine. The difference between the results calculated by TemPredict ($25.65^{\circ}C$) and measured ($25.7^{\circ}C$) is only $0.05^{\circ}C$, which is less than the allowable error 5%. The result has more than 95% of very high reliability. The temperature prediction for the main carriage gallery 9X in -425 ML under construction when it is completed is made. Its result is $28.2^{\circ}C$. In the future, it would contribute to the ventilation design for the mine and the underground structures.

심부 탄광 개발의 타당성 검토나 통기계획 수립시 갱내 작업장의 온도를 예측하는 것은 매우 중요하다. 심부의 탄광주변의 암반은 매우 다양하고 여러 암종으로 구성되어 있어 암반의 열 전도율(thermal conductivity)를 구하는 일은 매우 어려운 작업이다. 이에 본 연구에서는 복잡한 갱내여건에 상응한 열전도율을 도출하기 위해 artificial neural network(인공신경망)를 새롭게 도입하여 갱내 기상 예측을 위한 전산 프로그램을 개발하였다. 인공 신경망을 이용한 열전도율 계산 프로그램은 back-propagation algorithm을 사용하였으며 9개의 인자를 받아들이는 input layer와 5개와 3개의 뉴런을 가지는 두 개의 hidden layer로 구성되어져 있다. 개발된 TemPredict를 이용하여 장성광업소의 심부온도를 검증한 결과 장성생산부 -300 ML 하반구 입구의 온도가 $25.65^{\circ}C$로 산출되었고 실제 온도($25.7^{\circ}C$)와 $0.05^{\circ}C$의 차이를 나타냈다. 이는 오차 범위 5% 이내에 포함되는 것으로 검증결과 95% 이상의 높은 신뢰도를 나타냈다. 위의 검증결과를 통해 TemPredict를 이용하여 현재 굴진중인 -425 ML이 관통이 되었을때의 장성생산부 주운반갱도 9X지점의 온도를 예측하였다. 예측 결과 장성생산부 주운반갱도 9X지점의 온도는 $28.2^{\circ}C$로 예측되었다. 향후 TemPredict를 통한 온도예측을 통하여 광산이나 지하구조물의 설계시 통기계획에 많은 도움을 줄 것으로 기대된다.

Keywords

References

  1. 김진 외, 2000, '심부 석탄광산의 냉각방법에 관한 연구', 대한석탄공사
  2. 이상엽, 1998, 'Visual C++5 programming 2주 완성', 영진출판사
  3. 이상용, 1998, '인공지능', 상조사
  4. 이상원, 1998, '학습하는 기계 신경망', Ohm 사
  5. 임태균, 1993, '다층 신경회망을 이용한 GMA 용접공정에서의 용융지의 크기 예측 및 제어에 관한 연구', 한국과학 기술원 박사학위논문
  6. 조원재, 강창희, 이상권, 이종림, 김충한, 홍성규, 1995, '가행광산 갱내 안전진단 및 대책 연구', 한국자원연구소
  7. 조원재, 강창희, 이상권, 이종림, 김충한, 홍성규, 1996, '가행광산 갱내 안전진단 및 대책 연구(II)', 한국자원연구소
  8. 천야훈삼, 1987, '심부탄광의 기술적 문제점', 흙의 기초, 35(6), pp. 39-44
  9. D.W.Dixon, C.S.Ozveren, A.T.Sapulek & M.A.Tuck, 'The application of neural networks to underground methane prediction'
  10. G.E. Hinton, T.J. Sejnowski, and D.H. Ackley, 'Boltzmann machines: Constraint Satisfaction networks that learn', Carnegie Mellon Univ. Technical Report #CMU-CS-84-119, CMU, May, 1984
  11. H. L. Hartman, 1982, 'Mine ventilation and air conditioning(second edition)', A WILEY-INTERSCIENCE PUBLICATION
  12. Hemp, R., 1989, 'Environmental Engineering in South African Mines', The Mine Ventilation Society of South Africa, 571
  13. James A. Freeman, David M. Skapura, 1992, 'Neural networks algorithms, applications, and Programming techniques', Addison-Wesley publishing company
  14. McPherson, M. J., 'Subsurface Ventilation and Environmental Engineering', Chapman & Hall, 131(1993)
  15. McPherson, M. J., ' The Resistance to Airflow of Mine Shafts', (1987)
  16. Mucke, G., 1964, 'Die Warmeleitfahigkeit von Karbonge-steinen und ihr EinfluB auf das Grubenklima', BergbauArchiv, 25(2), pp. 35-38
  17. P. D. Wasserman, 1993, advanced methods in neural computing, Van Nostrand Reinhold, New York
  18. R.P. Lippman, 'An Introduction to Computing with Neural Nets', IEEE Computer, Vol. 21, No.3, pp. 11-22, March, 1988
  19. Simon Haykin, 1994, 'Neural networks - A comprehensive foundation', Macmillan publishing company
  20. VoB, J., 1965, 'Beitrag zur Vorausberechnung der Erwarmung und Wasserdampfaufnahme der Wetter in Steinkohlenbergwerken', Gluckauf-For-chungshefte, 26(4), pp. 187-198
  21. VoB, J., 1984, 'Klimavorausberechnung und Klimaplanung im deutschen Steinkohlenbergbau', Gluckauf-Forschungshefte, 45(2), pp. 76-79