دراسة تكشف قدرة الذكاء الاصطناعي على تقليل مخاطر مناجم الفحم

كشفت دراسة أجرتها الأستاذة المساعدة نيوشا شفيابادي من كلية العلوم والتكنولوجيا بجامعة تشارلز داروين، أن زيادة مراقبة الرياح، وكثافة الغاز، ودرجات الحرارة في مناجم الفحم يمكن أن يساعد أيضاً في تقليل مخاطر الكوارث”.

في هذه الدراسة، تم تحليل مناجم الفحم في الصين باستخدام عشر خوارزميات تعلم آلي مختلفة لمعرفة أي من هذه الأساليب يمكنها التنبؤ بالتغيرات في مستويات غاز الميثان قبل 30 دقيقة من حدوثها، وتنبيه المستخدمين حول أي شذوذ. ونُشرت نتائج هذه الدراسة في مجلة Scientific Reports تحت عنوان “دراسة مقارنة لعشر خوارزميات تعلم آلي للتنبؤ قصير المدى في أنظمة التحذير من الغاز”.

تقليل مخاطر الحوادث

وأظهرت دراسة جديدة أن الذكاء الاصطناعي يمكنه التنبؤ بالحوادث المتعلقة بالغاز في مناجم الفحم قبل نصف ساعة من وقوعها، ما قد يساهم في تقليل مخاطر الكوارث في هذا القطاع الحيوي. وتعد هذه الدراسة جزءاً من الجهود الرامية إلى استكشاف كيفية استخدام التكنولوجيا في تقليل مخاطر الحوادث في مناجم الفحم.

اقرأ أيضا| ميتا تطرح نظارات «أوريون» ذات الواقع المعزز بالذكاء الاصطناعي

وتشكل انفجارات الغاز أو اشتعالها في المناجم تحت الأرض مخاطر كبيرة، حيث إن حوالي 60% من حوادث مناجم الفحم في الصين تحدث نتيجة لتسرب غاز الميثان. وبالنظر إلى أن الصين أسهمت بنسبة 46% من إنتاج الفحم العالمي في عام 2020، ومع وجود أكثر من 3200 منجم فحم في البلاد تتميز بمحتوى عالٍ من الغاز وتواجه مخاطر عالية لحدوث انبعاثات، فإن هذه الدراسة تمثل خطوة مهمة في مجال السلامة.

كيفية استخدام الذكاء الاصطناعي

وأشارت الأستاذة شفيابادي إلى أن هناك تطبيقات متعددة لهذه النتائج. وقالت: “هذه الطريقة تعمل لجميع مناجم الفحم، ويمكن تطبيق المبادئ نفسها على صناعات أخرى مثل الفضاء، والنفط والغاز، والزراعة، وغير ذلك”. وأضافت: “هذا مثال على كيفية استخدام الذكاء الاصطناعي لإنقاذ الأرواح والحد من مخاطر الصحة والسلامة”.

وأوضحت “شفيابادي”، وهي أيضاً باحثة مشاركة في مدرسة بيتر فابر للأعمال بجامعة أستراليا الكاثوليكية، أن نتائج الدراسة أظهرت أن أربعاً من بين الخوارزميات العشر حققت أفضل النتائج.

الخطأ الإحصائي

وأضافت “شفيابادي”: “تُعد خوارزمية الانحدار الخطي واحدة من أكثر الخوارزميات كفاءةً حيث تقدم أداءً أفضل للتنبؤ قصير المدى مقارنةً بالآخرين”. وأشارت أيضاً إلى أن “غابة التوقعات العشوائية غالباً ما تُظهر أداءً أقل في نسبة الخطأ الإحصائي وتحقق أعلى دقة في التنبؤ. كما أن آلة الدعم المتجهة تؤدي أداءً جيداً ولديها وقت حسابي أقصر عند التعامل مع مجموعات بيانات صغيرة، ولكنها ستتطلب وقتاً طويلاً في التدريب عند زيادة حجم مجموعة البيانات”.

وأكدت أن نتائج هذه الدراسة ستساعد صناعة تعدين الفحم على تقليل مخاطر الحوادث مثل انفجارات الغاز، وحماية العاملين، وتعزيز القدرة على منع الكوارث والتخفيف من آثارها، ما سيؤدي إلى تقليل الخسائر المالية، بالإضافة إلى تقليل احتمال فقدان الأرواح.