金属矿山

作者：刘超,夏大平

单位：1. 河南工业和信息化职业学院资源与安全学院,河南 焦作 454000;2. 河南理工大学能源科学与工程学院,河南 焦作 454000

关键词：地表沉陷预测,,Transformer,,WGAN-GP,,SHAP,,深度学习,

基金：国家自然科学基金项目(编号:42172199)。

为实现地表沉陷的精准预测,以及对预测结果进行深度解释来指导实际工程,提出了基于改进生成对抗网络(WGAN-GP)与Transformer 的地表沉陷SHAP 可解释模型。利用该模型对地表下沉量、影响角正切和拐点偏移距进行预测,从而将预测参数结合概率积分法来建立地表沉陷公式。首先,利用Wasserstein 距离、梯度惩罚策略对传统生成对抗网络进行改进,以增强地表沉陷数据,丰富训练集。然后,采用基于多头自注意力机制的Transformer 架构对增强数据进行深度学习,并通过贝叶斯优化寻优超参数。最后,基于SHAP 法对预测过程与结果进行全面剖析解释,以揭示不同特征对预测参数的影响规律。结果表明:WGAN-GP-Transformer 对下沉量、影响角正切与拐点偏移距在测试集上表现出优异的预测能力,表明模型能有效捕捉预测地表沉陷的复杂非线性特征,以及可有效应对数据稀缺的场景。揭示了影响3 个预测参数的特征贡献强度与作用方向存在显著差异;松散层厚度对预测下沉量影响最大,采深对预测影响角正切和拐点偏移距的影响最大。模型在鲁西南某矿3301 工作面的实际应用表明,其预测沉陷曲线与实际情况高度吻合,验证了其在实际工程中的可靠性与泛化性能。

来源：2026年第2期

《金属矿山》期刊编辑部

查看金属矿山杂志2026年第2期