Přeskočit na hlavní obsah
Přeskočit hlavičku

Vlivy poddolování

Typ studia navazující magisterskébakalářské
Jazyk výuky čeština
Kód 544-0039/06
Zkratka VP
Název předmětu česky Vlivy poddolování
Název předmětu anglicky Influence by Undermining
Kreditů 5
Garantující katedra Katedra geodézie a důlního měřictví
Garant předmětu doc. Ing. Juraj Gašinec, PhD.

Osnova předmětu

1. Všeobecné zákonitosti, důlně–geologické a geomechanické podmínky dobývání, mechanismus porušování nadložních hornin a vliv předchozího dobývání.
2. Pozorovací stanice pro měření pohybů v poklesové kotlině, způsob stabilizace a určení vzdálenosti bodů pozorovací stanice.
3. Rozsah vlivu dobývání, mezný úhel, plná účinná plocha, velikost a směr pohybu povrchových bodů.
4. Metody předběžného výpočtu poklesů povrchu při vodorovném uložení ložiska, volba účinkové a časové funkce.
5. Počítačové metody teoretického výpočtu poklesů povrchu a deformací.
6. Metody určování svislých pohybů, vliv poklesu výchozího výškového bodu, určení intervalu opakovaných měření.
7. Metody určování vodorovných pohybů a zpracování naměřených výsledků.
8. Určení hranice ovlivněného území z naměřených hodnot poklesů.
9. Metody určování naklonění a křivosti na svahu poklesové kotliny (přímé, nepřímé a analytické určování).
10. Určování poměrných vodorovných přetvoření, přímé a nepřímé metody.
11. Metody předběžného výpočtu poklesů povrchu ukloněného ložiska.
12. Ochranné pilíře, pilířový úhel, konstrukce ochranných pilířů.
13. Nové trendy monitorování a predikce poklesových kotlin: Využití metod dálkového průzkumu Země (satelitní radarová interferometrie InSAR, letecké a terestrické 3D laserové skenování – ALS/TLS LiDAR, fotogrammetrie z UAV) a aplikace umělé inteligence (strojové a hluboké učení) při predikci časoprostorového vývoje subsidence.

Povinná literatura

[1] LI, Menghao, Yichen ZHANG, Jiquan ZHANG, Zhou WEN, Jintao HUANG and Haoying LI. Monitoring and Prediction of Subsidence in Mining Areas of Liaoyuan Northern New District Based on InSAR Technology. GeoHazards [online]. 2026, 7(1), 17. ISSN 2624-795X. Available at: doi:10.3390/geohazards7010017
[2] SONI, Rupika, Mohammad Soyeb ALAM and Gajendra K. VISHWAKARMA. Prediction of InSAR deformation time-series using improved LSTM deep learning model. Scientific Reports [online]. 2025, 15(1). ISSN 2045-2322. Available at: doi:10.1038/s41598-024-83084-1
[3] NESET, Karel. Vlivy Poddolování (Důlní Měřictví IV). Praha: SNTL, 1984. ISBN 04-406-84.
[4] SCHENK, Jan. Měření pohybů a deformací v poklesové kotlině [online]. 1. vyd. Ostrava: Vysoká škola báňská - Technická univerzita, 2006. ISBN 978-80-248-1059-1. Available at: https://www.digitalniknihovna.cz/mzk/view/uuid:ba9f26c0-8978-11e3-bd09-005056827e51
[5] ZHOU, Bang, Yueguan YAN, Huayang DAI, Jianrong KANG, Xinyu XIE and Zhimiao PEI. Mining Subsidence Prediction Model and Parameters Inversion in Mountainous Areas. Sustainability [online]. 2022, 14(15), 9445. ISSN 2071-1050. Available at: doi:10.3390/su14159445
[6] WANG, Lihui, Rongfei YANG, Yong LEI, Chengcheng FAN, Jibo LIU and Chuanjian REN. Applicability Of 3d Laser Scanning Technology In Mining Subsidence Monitoring. Engineering Heritage Journal. 2023, 8(1), 1–6.

Doporučená literatura

[1] CHEN, Bingqian, Hao YU, Xiang ZHANG, Zhenhong LI, Jianrong KANG, Yang YU, Jiale YANG and Lu QIN. Time-Varying Surface Deformation Retrieval and Prediction in Closed Mines through Integration of SBAS InSAR Measurements and LSTM Algorithm. Remote Sensing [online]. 2022, 14(3), 788. ISSN 2072-4292. Available at: doi:10.3390/rs14030788
[2] KRATZSCH, Helmut. Mining Subsidence Engineering [online]. Berlin, Heidelberg: Springer Berlin Heidelberg, 1983 [2026-08-25]. ISBN 978-3-642-81925-4 978-3-642-81923-0. Available at: doi:10.1007/978-3-642-81923-0
[3] BEHERA, Akash and Kishan SINGH RAWAT. A brief review paper on mining subsidence and its geo-environmental impact. Materials Today: Proceedings [online]. 2023. ISSN 2214-7853. Available at: doi:10.1016/j.matpr.2023.04.183
[4] GŁOWACKI, Tadeusz and Piotr BORTNOWSKI. Long-term prediction of post-mining land deformation with XGBoost, Bayesian optimization, and time series feature engineering. Measurement [online]. 2026, 259, 119630. ISSN 0263-2241. Available at: doi:10.1016/j.measurement.2025.119630
[5] MISA, Rafał. Knothe’s Theory Parameters-Computational Models and Examples of Practical Applications. Gospodarka Surowcami Mineralnymi [online]. 2023, 39. Available at: doi:10.24425/gsm.2023.148164