W nawiązaniu do doświadczeń rodzimych kopalń węgla kamiennego – wskazujących na intensyfikację skali przejawów zagrożeń geodynamicznych, jaka towarzyszy podejmowaniu działalności górniczej w warunkach skrępowanych występowaniem różnego typu i pochodzenia zaszłości eksploatacyjnych – w artykule odniesiono się do geomechanicznych aspektów eksploatacji ścianowej w strefach oddziaływania krawędzi jako jednej z bardziej charakterystycznych zmian w stanie złoża/górotworu będących konsekwencją zaszłych dokonań górniczych w pokładach sąsiednich. Wychodząc z analitycznej metody opisu stanu przemieszczenia i naprężenia (wytężenia) w otoczeniu elementów ścianowego systemu eksploatacji zaprezentowano rezultaty badań modelowych w zakresie wpływu krawędzi na zachowanie się – pod kątem możliwości utraty ciągłości struktury – przyprzodkowej partii calizny w pokładzie wybieranym pod/nad zaszłością. Opierając się na o przykładowych funkcjach nieliniowych demonstrujących istnienie krawędzi w górotworze analizie porównawczej poddano dwa wzajemnie odwrotne kierunki prowadzenia frontu eksploatacyjnego, a mianowicie od strony zrobów ku caliźnie oraz od strony calizny ku zrobom. Dyskusję wyników realizowano na podstawie obserwacji kształtowania się zmian wielkości ugięcia stropu oraz współczynnika koncentracji pionowej składowej stanu naprężenia w czole ściany.
Podziemna eksploatacja górnicza złóż węgla w Górnośląskim Zagłębiu Węglowym (GZW) powoduje naruszenie równowagi w rozkładzie naprężeń górotworu, zarówno w bezpośrednim, jak i dalszym otoczeniu wyrobisk górniczych. Konsekwencją tego procesu jest między innymi występowanie wstrząsów sejsmicznych. Intensywność zjawisk sejsmicznych, które występują w kilku rejonach GZW (niecce bytomskiej, siodle głównym, niecce głównej, niecce kazimierzowskiej oraz niecce jejkowickiej) jest bardzo zróżnicowana, począwszy od wstrząsów niewyczuwalnych przez ludzi, do silnych o charakterze słabych trzęsień Ziemi (Patyńska i Stec 2017). W okresie obejmującym 15 lat, tj. 2001–2015, poziom aktywności sejsmicznej ulegał zmianom i zależał zarówn od intensywności eksploatacji, jak i od zmienności budowy litologicznej i tektonicznej. Analiza sejsmiczności górotworu kopalń węgla kamiennego na Śląsku wykazała, że w ostatnich latach, pomimo zmniejszenia wydobycia ogółem, aktywność sejsmiczna i zagrożenie tąpaniami wzrosły. Jedną z przyczyn był wzrost wydobycia z pokładów zagrożonych tąpaniami. Prawie połowa wydobycia pochodziło z pokładów zaliczonych do zagrożonych tąpaniami. Skutkowało to zwiększeniem liczby wysokoenergetycznych wstrząsów o energiach rzędu 107, 108 i 109 J. Wykazano, że wielkość energii wstrząsów ma duży wpływ na poziom zagrożenia tąpaniami. W latach 2001–2015 wystąpiło aż 20 tąpnięć spowodowanych wstrząsami o energii sejsmicznej powyżej 107 J z 42 zjawisk ogółem (Patyńska 2002–2016). Celem scharakteryzowania przyczyn tego zjawiska określono parametry, charakteryzujące budowę strukturalną górotworu w miejscach, w których odnotowano tąpnięcia.
Towarzysząca prowadzeniu robót górniczych sejsmiczność indukowana, w tym przede wszystkim wysokoenergetyczna, jest jednym z głównych czynników decydujących o występowaniu zjawisk dynamicznych w górotworze. Określane tym mianem tąpnięcia i odprężenia należą do najpoważniejszych pod względem skutków zdarzeń wywołanych wstrząsami górotworu w kopalniach podziemnych. Charakteryzują się słabą przewidywalnością czasu i miejsca, a ich wpływ na skalę przejawów innych zagrożeń naturalnych (głównie wentylacyjnych) znacznie utrudnia dobór i wdrażanie optymalnych metod zwalczania. Biorąc pod uwagę systematycznie rosnącą głębokość eksploatacji w rejonie LGOM w połączeniu z obserwowanym zmniejszaniem się wysokości furty eksploatacyjnej, poznanie genezy oraz atrybutów aktywności sejsmicznej generowanej eksploatacją dokonaną w konkretnych uwarunkowaniach geologiczno-górniczych może przyczynić się do poprawy skuteczności podejmowanych działań prewencyjnych w aspekcie ograniczania skutków wstrząsów w wyrobiskach dołowych, a tym samym zapewnienia właściwego poziomu bezpieczeństwa zatrudnionych załóg. W pracy podjęto próbę odniesienia się do kwestii możliwej relacji pomiędzy miąższością eksploatowanego złoża i kształtowaniem się wybranych parametrów sejsmiczności indukowanej górotworu (liczby i energii wstrząsów) z uwzględnieniem lokalizacji epicentrum rejestrowanych zjawisk względem frontu robót rozcinkowych w ramach szeroko stosowanych w LGOM jednoetapowych systemów komorowo-filarowych. Wykorzystano dane udostępnione przez stację geofizyki górniczej O/ZG Rudna, przy czym opierając się na informacji o rzeczywistej wysokości złoża w poszczególnych rejonach kopalni (Rudna Główna, Rudna Północna, Rudna Zachodnia) w połączeniu z przeglądem notowanej na przestrzeni ostatnich lat aktywności sejsmicznej tych rejonów, wytypowano do szczegółowych rozważań trzy pola eksploatacyjne (każde z innego rejonu) o znacząco różnych miąższościach wybieranego złoża (pole G-7/5/RG, pole XX/1/RP, pole XIX/1/RZ). Dysponując wypisem z katalogów aktywności sejsmicznej w obrębie wzmiankowanych parcel wyznaczono i dokonano analizy udziałów procentowych liczby notowanych zjawisk i ich energii w kontekście usytuowania epicentrum w obszarach powszechnie identyfikowanych z elementami systemu eksploatacji (w caliźnie furty, na froncie rozcinki i w strefie roboczej pola, w zrobach). Dla potrzeb wnioskowania o wielkości zagrożenia sejsmicznego w danym rejonie (polu) do analiz porównawczych wykorzystano zbiór wszystkich wstrząsów o energii powyżej 1 × 103 J, natomiast dla oceny skuteczności stosowanych metod/środków profilaktyki tąpaniowej operowano wyłącznie zjawiskami sprowokowanymi, zaistniałymi w czasie wyczekiwania po robotach strzałowych.
Rockburst is a common engineering geological hazard. In order to evaluate rockburst liability in kimberlite at an underground diamond mine, a method combining generalized regression neural networks (GRNN) and fruit fly optimization algorithm (FOA) is employed. Based on two fundamental premises of rockburst occurrence, depth, σθ, σc, σt, B1, B2, SCF, Wet are determined as indicators of rockburst, which are also input vectors of GRNN model. 132 groups of data obtained from rockburst cases from all over the world are chosen as training samples to train the GRNN model; FOA is used to seek the optimal parameter σ that generates the most accurate GRNN model. The trained GRNN model is adopted to evaluate burst liability in kimberlite pipes. The same eight rockburst indicators are acquired from lab tests, mine site and FEM model as test sample features. Evaluation results made by GRNN can be confirmed by a rockburst case at this mine. GRNN do not require any prior knowledge about the nature of the relationship between the input and output variables and avoid analyzing the mechanism of rockburst, which has a bright prospect for engineering rockburst potential evaluation.