A miles de metros de profundidad en las minas subterráneas, los estratos rocosos "respiran", se deforman y fracturan continuamente debido a la explotación de alta intensidad. La monitorización microsísmica tradicional depende de modelos de velocidad de onda fijos para localizar el origen de los eventos sísmicos, como navegar por una ciudad en constante cambio con un mapa antiguo, lo que genera errores considerables. Ahora, una investigación liderada por la Universidad Nazarbayev de Kazajistán ha integrado profundamente, por primera vez, el modelado físico discreto en laboratorio, el aprendizaje automático y la inteligencia artificial explicable (XAI), construyendo un nuevo paradigma para la predicción en tiempo real de la velocidad de ondas sísmicas en minas profundas. Esto permite que la alerta de estallidos de roca deje de ser como "un ciego palpando un elefante" y entre en una era inteligente predecible, explicable y confiable.

El "fantasma" de la explotación profunda: el estallido de roca

En un contexto de creciente demanda mundial de recursos minerales, los recursos superficiales se agotan día a día, acelerando el avance de la minería hacia mayores profundidades. Sin embargo, a medida que aumenta la profundidad de excavación, la interacción entre las altas tensiones del terreno y las complejas estructuras geológicas induce frecuentes sismos provocados por la actividad minera. Cuando la energía de estos sismos es lo suficientemente grande como para causar el colapso de galerías y la destrucción de equipos, se denomina estallido de roca, una de las mayores amenazas para la seguridad subterránea.

La energía destructiva liberada instantáneamente por un estallido de roca puede destruir una galería entera. No solo amenaza la vida de los mineros, sino que también causa pérdidas por paralización de la producción de decenas o incluso cientos de millones.

El sistema de monitorización microsísmica es el equipo central en minas profundas para evaluar la actividad sísmica y cuantificar el riesgo sísmico. Una red de sensores distribuidos por todo el subsuelo captura continuamente cada señal de vibración proveniente de los estratos rocosos. Sin embargo, el "talón de Aquiles" de este sistema reside en que depende de un modelo de velocidad de entrada para calcular la ubicación de los eventos sísmicos. Los sistemas tradicionales utilizan un modelo de velocidad de entrada constante con actualizaciones periódicas, asumiendo toda el área minera como un "campo de velocidad fijo" homogéneo. Esto puede ser apenas aceptable en operaciones superficiales de corto alcance con condiciones geológicas uniformes.

Pero cuando la mina supera el kilómetro de profundidad, con el avance de la excavación, el colapso de las zonas explotadas, la intersección de diferentes litologías, la compleja evolución de la red de excavaciones y la introducción de materiales de relleno, el campo de velocidad de onda real en el subsuelo se convierte en un sistema caótico "en constante cambio". Los errores de localización basados en modelos de velocidad fija tradicionales alcanzan fácilmente decenas o incluso cientos de metros. Con errores de tal magnitud, la determinación de zonas de peligro de estallido de roca se convierte casi en una "adivinanza a ciegas", siendo este el principal cuello de botella técnico que durante un siglo ha impedido una alerta temprana precisa de los estallidos de roca.

Como señala el autor de correspondencia del estudio, el profesor Fidelis Suorineni de la Universidad Nazarbayev, la tecnología actual tiene limitaciones fundamentales para predecir con exactitud el momento de ocurrencia de un estallido de roca. La capacidad actual solo permite identificar áreas con alto potencial de ocurrencia, y el avance en el tiempo de alerta es precisamente lo que esta investigación busca conquistar.

Experimentos físicos impulsan la IA, desbloqueando el enlace de percepción del "pulso" de los estratos rocosos

En febrero de 2026, Hanan Samadi y Fidelis Suorineni de la Facultad de Minería y Geociencias de la Universidad Nazarbayev publicaron un artículo innovador titulado "Development of a procedure for predicting real-time seismic wave velocity in underground mines using discrete physical laboratory modelling and explainable artificial intelligence (XAI)" en la revista líder en mecánica de rocas, International Journal of Rock Mechanics and Mining Sciences (IJRMMS). La investigación fue calificada como "Recomendación del Editor", y su innovación central se puede resumir en tres niveles.

Modelado físico discreto: "preejecutar" todo el ciclo de vida de la mina en el laboratorio

El equipo de investigación construyó en el laboratorio un "campo de entrenamiento gemelo digital" de alta simulación para la evolución dinámica de la velocidad de onda en la mina. En lugar de depender de simples suposiciones numéricas, diseñaron y moldearon una gran cantidad de modelos físicos discretos, incluyendo bloques de hormigón (roca sintética) y cubos de granito de diferentes tamaños y condiciones físicas, para simular las "instantáneas temporales" inducidas por la actividad minera. Esto significa que, mediante la configuración de diferentes condiciones de contorno, combinaciones de bloques y redes de fracturas, los modelos físicos discretos "preejecutaron" en el laboratorio la evolución del entorno geológico de la mina durante varios años, generando trayectorias de comportamiento de emisión acústica (Acoustic Emission) que superan con creces los datos de campo de varios años.

El equipo utilizó el sistema de emisión acústica SAEU3H para simular eventos microsísmicos, colocando redes de sensores alrededor de los diversos bloques de roca. Uno de ellos actuaba como generador de pulsos (simulando la fuente del estallido de roca) y los demás como receptores, midiendo con precisión los cambios en la velocidad de onda bajo diferentes condiciones físicas y generando un conjunto completo de datos de entrenamiento de alta dimensión que cubría diversas evoluciones geológicas.

Aprendizaje por conjunto apilado: un salto de magnitud en la precisión de predicción

La verdadera "clave del éxito" residió en utilizar estos datos de alta dimensión para entrenar múltiples modelos de aprendizaje automático y profundo. Tras repetidas comparaciones y validaciones, el algoritmo de conjunto apilado (Stacking-Ensemble) demostró un rendimiento particularmente sobresaliente, estableciendo con éxito una fuerte relación de regresión entre los valores de velocidad de onda predichos y los valores reales del entorno físico. Los indicadores clave incluyen: un coeficiente de determinación R²=0.97 (lo que significa un poder explicativo de hasta el 97%), un error cuadrático medio normalizado (NRMSE) tan bajo como 0.002 y un error porcentual absoluto medio (MAPE) de solo 0.0001, lo que supone un salto de magnitud en la precisión de predicción en comparación con los modelos tradicionales.

Esto implica que, en el futuro, incluso sin una densa red de sensores in situ, el sistema microsísmico podrá inferir en tiempo real el valor de la velocidad de onda en cualquier zona del subsuelo, basándose en la posición del avance de la excavación y los parámetros mecánicos conocidos de los estratos rocosos.

Inteligencia artificial explicable: de la "caja negra" a la "decisión transparente"

Las predicciones de IA a menudo se enfrentan al dilema de la "caja negra": se sabe que el resultado es preciso, pero no por qué, lo cual es inaceptable en una minería donde la seguridad es crítica. Este estudio aplica por primera vez de forma sistemática la inteligencia artificial explicable (XAI) a la predicción de la velocidad de ondas sísmicas en minas profundas, utilizando técnicas de explicabilidad para hacer visibles los pesos de los parámetros físicos (como la porosidad, la presión de confinamiento y la orientación de las juntas) detrás de cada decisión clave del algoritmo.

Lo que el ingeniero de seguridad ve no es solo "dónde está el riesgo inminente de estallido de roca", sino también "en base a qué parámetros geológicos clave se predijo este riesgo". Esta transparencia aumenta enormemente la confianza para "transferir" el sistema del laboratorio al entorno real, cambiante y diverso del subsuelo.

Instalando una "navegación de alerta de desastres" para las minas profundas del mundo

Este logro innovador marca un salto de paradigma en la tecnología global de monitorización microsísmica, pasando de "ver el resultado" a "prever el futuro".

1. "Armar" el algoritmo SIMPLEX para mejorar significativamente la precisión de localización espacial en alertas de desastres

El valor industrial más importante de este método de predicción reside en que puede integrarse directamente en el algoritmo SIMPLEX de localización de fuentes de eventos sísmicos, ampliamente utilizado en minas de todo el mundo, mejorando drásticamente la resolución espaciotemporal del campo de velocidad de onda. Cuando el error de predicción de la velocidad de onda se reduce a un nivel MAPE de 0.0001, al corregir la velocidad de onda en tiempo real mediante IA, los puntos ciegos del sistema de monitorización microsísmica se reducirán significativamente, y la precisión de localización del origen del estallido de roca podrá alcanzar el nivel de metros o incluso centímetros. Esto no solo significa que los ingenieros de minas podrán localizar con precisión el "punto de estallido" para evacuar al personal y los equipos a tiempo, sino que también permitirá inferir el mecanismo mecánico de la fractura de la roca a partir de datos de altísima precisión, prediciendo los peligros desde su origen.

2. Construir una base de seguridad minera inteligente para la "Estrategia Nacional de Profundidad"

La estrategia "profunda" de China se está desplegando plenamente, y las minas metálicas subterráneas, las minas de carbón profundas de nivel kilométrico y diversos almacenes de recursos estratégicos se enfrentan a severos desafíos de desastres dinámicos. Para las minas chinas que avanzan hacia la construcción inteligente, esta arquitectura de "datos físicos + inferencia de IA + corrección XAI" puede integrarse directamente en las plataformas existentes de análisis de señales microsísmicas o de emisión acústica, convirtiéndose en la "nueva base" para la gestión de la seguridad en minas inteligentes. Tiene el potencial de cambiar radicalmente la situación actual de "perforar, volar y responder pasivamente a los desastres", logrando una gestión de seguridad minera verdaderamente transparente y digitalizada.

3. Extensión a la garantía de seguridad geológica en grandes obras de ingeniería

Además de las minas profundas, esta tecnología puede transferirse a obras de ingeniería en macizos rocosos profundos, como túneles de montaña que cruzan grandes ríos, túneles submarinos y grandes complejos de cavernas subterráneas, resolviendo el problema crítico de los frecuentes desastres por estallido de roca durante la excavación con tuneladoras (TBM). Mediante la realización anticipada de modelados discretos específicos en el laboratorio de mecánica de rocas, y basándose en la predicción en tiempo real de la velocidad de onda de los estratos mediante IA, se puede proporcionar una "alerta temprana" a la tuneladora y ajustar automáticamente los parámetros de excavación, minimizando el riesgo de estallido de roca.

Permitir que la IA "entienda" el lenguaje de las rocas

La esencia de este logro es haber establecido, por primera vez en el campo de la mecánica de rocas, una revolución tecnológica de cadena completa: "experimento físico → big data → IA → decisión XAI → bucle de retroalimentación en campo". Por muy caóticos que sean los puntos ciegos en el terreno minero, los científicos pueden replicarlos con precisión en el laboratorio; por muy excelentes que sean los resultados de la predicción del algoritmo, los ingenieros pueden ver a través de la esencia de su decisión mediante la inteligencia artificial explicable.

De ahora en adelante, el macizo rocoso profundo ya no es una existencia completamente ciega: cada una de sus peligrosas "respiraciones" podrá ser percibida con antelación por el sistema de predicción en tiempo real de la velocidad de ondas sísmicas en minas subterráneas impulsado por XAI.

Como advirtió el difunto pionero de la monitorización microsísmica y maestro de la mecánica de rocas en las minas de oro sudafricanas, Salamon, el estallido de roca es una espada que pende perpetuamente sobre las cabezas de los mineros. Ahora, esta investigación de Hanan Samadi y Fidelis Suorineni, publicada en la principal revista internacional de mecánica de rocas, está forjando un "escudo del futuro" compuesto de datos y algoritmos, más rápido, preciso y transparente que cualquier barrera física anterior.