近日，北京建筑大学土木与交通工程学院教授戚承志联合国内科研人员系统梳理AI技术解决深部围岩难题的完整路径，梳理研究演化脉络，剖析现存瓶颈并指明未来攻关方向。相关成果刊发于《应用力学学报》。

论文截图。

文章创新性搭建“感知－预测－控制”一体化智能闭环框架，形成深部灾害全周期管控体系。在智能感知层面，提出“点－线－面－体”多尺度监测架构：点尺度依托声发射、微震捕捉裂纹瞬态能量；线尺度利用分布式光纤实现巷道连续应变追踪；面尺度借助三维激光点云识别巷道表面变形；体尺度结合地质雷达、跨孔CT反演地下深部破裂带。CNN、VMD-GA-BP等算法完成多源异构信号降噪、特征提取，围岩状态识别准确率普遍突破90%，解决井下多源数据噪声大、时空不匹配难题。

智能预测环节突破传统经验判据局限，形成“机理+数据”双驱动建模思路。针对岩爆、冲击地压、软岩大变形、分区破裂四类核心灾害开发适配模型：CNN-BiLSTM-Attention混合网络精准捕捉地应力时空演化；Bayes-LSTM、NOA-LSTM 提升冲击地压时序预警精度；SSA-VMD-GRU时序分解模型将软岩变形预测误差大幅降低；3D-CNN、PointNet++可自动识别岩体三维分区破裂特征。PINN将岩体力学本构方程嵌入网络训练，弥补纯数据模型“黑箱不可解释”缺陷，在少量样本下仍保持稳定泛化能力。

智能控制实现支护系统从固定参数整定向自适应学习控制升级。NN-PID、模糊自适应算法优化液压支架多缸协同调控；深度强化学习以围岩变形、支护损伤为奖励函数动态输出支护策略；数字孪生构建虚实同步闭环，实时映射巷道围岩状态，仿真模拟不同掘进、支护方案的灾害演化规律，实现事前优化、事中调控、事后迭代更新，打通“预警－处置”技术断层。

当前技术落地仍存在五大行业痛点：岩爆等灾害样本稀缺且时空异质性强；AI模型与岩石力学机理割裂，工程可信度不足；多尺度传感数据域差异大、时空对齐困难；井下边缘计算硬件受限，实时性与可靠性难以兼顾；行业AI监测、预警标准与安全责任界定机制空白。

面向深部开采智能化需求，综述提出五大核心研究方向：一是结合数值模拟与联邦迁移学习构建合成样本库，缓解小样本难题；二是发展耦合力学方程的可解释AI，打通模型输出与工程力学判据；三是研发多源数据时空配准、自适应降噪融合算法；四是轻量化矿用AI硬件与模型协同优化，适配井下恶劣环境；五是建立人机协同行业规范、安全追溯体系与统一标准数据集。

整体而言，AI已成为破解深部巷道动力灾害防控瓶颈的核心技术手段，通过多尺度感知、双驱动预测、数字孪生闭环控制，有望实现深部矿山灾害个体化、精准化、全生命周期智能防控，为千米深井安全开采提供全新技术模式。

相关论文信息：https://doi.org/10.11776/j.issn.1000-4939.2026.03.003