Актуальность работы. Трещины массива горных пород представляют собой поверхности разрыва сплошности в горных породах без признаков смещения. Они существенно влияют на физико-механические свойства горных пород, и их, в свою очередь, необходимо учитывать при планировании добычных работ и строительстве горнотехнических сооружений. Решить эту проблему можно путем применения методов искусственного интеллекта (ИИ), так как они способны обрабатывать большие объемы данных. Цель работы: выбор метода искусственного интеллекта для выявления трещин массива горных пород по данным георадиолокации на основе аналитического обзора применяемых методов искусственного интеллекта в обработке и интерпретации данных геофизических измерений. Метод или методология проведения работы: аналитический обзор применения методов искусственного интеллекта при обработке данных геофизических методов. Результаты работы и область их применения. В результате проведенного исследования сформирована таблица, показывающая качественные оценки четырех характеристик методов ИИ, позволяющие сделать обоснованный выбор метода для выявления трещин горных пород по данным георадиолокации. Полученные оценки характеристик методов ИИ будут полезны широкому кругу геофизиков, занимающихся обработкой и интерпретацией данных и желающих повысить эффективность своей работы. Выводы. Проведенный обзор показал, что методы искусственного интеллекта находят довольно широкое применение при обработке данных геофизических методов. Среди используемых методов можно выделить искусственные нейронные сети, методы опорных и релевантных векторов, генетические алгоритмы и т. д. В качестве метода искусственного интеллекта для выявления трещин массива горных пород по данным георадиолокации была выбрана сверточная нейронная сеть, так как она наиболее чувствительна к данному типу данных и обладает высокой устойчивостью к шумам.
Relevance. Rock mass cracks are fracture surfaces in rocks with no signs of shifting. They significantly affect the physical and mechanical properties of rocks, and they, in turn, must be taken into account when planning mining operations and constructing mining structures. This problem can be solved by applying artificial intelligence (AI) methods, as they are able to process large amounts of data. The purpose of the work: choice of artificial intelligence method for detecting rock mass cracks from GPR data based on an analytical review of the applied artificial intelligence methods in the processing and interpretation of geophysical measurement data. Research methodology: analytical review of the application of artificial intelligence methods in the processing of geophysical methods data. The results of the work and their scope. As a result of the study, a table has been formed showing the qualitative assessments of the four characteristics of AI methods, which make it possible to make a reasonable choice of a method for detecting rock mass cracks from GPR data. The resulting estimates of the characteristics of AI methods will be useful to a wide range of geophysicists involved in data processing and interpretation and those who want to improve the efficiency of their work. Conclusions. The review showed that artificial intelligence methods are widely used in the processing of geophysical methods data. Among the methods used, one can single out artificial neural networks, support and relevance vector machines, genetic algorithms, etc. A convolutional neural network was chosen as an artificial intelligence method for detecting rock mass cracks from GPR data, since it is most sensitive to that data type and has a high noise immunity.