Abstrak
Dengan proyek rekayasa bawah tanah yang semakin dalam dan kompleks, masalah keselamatan terkait, khususnya erupsi batu, semakin meningkat. Meskipun telah dilakukan penelitian selama puluhan tahun, pengelolaan erupsi batu yang efektif terus menjadi tantangan berat dalam penggalian bawah tanah. Studi ini menyajikan analisis visualisasi scientometrik dari 2449 makalah dan melakukan tinjauan komprehensif terhadap 336 studi utama untuk mengeksplorasi perkembangan terkini dalam penelitian erupsi batu. Dengan fokus utama pada prediksi dan pencegahan erupsi batu, tinjauan ini mengidentifikasi kesenjangan penelitian yang ada dan mengusulkan kerangka kerja baru yang ditujukan untuk mengatasi tantangan ini dalam penggalian bawah tanah. Hasilnya menggarisbawahi pemutusan hubungan kritis antara metode prediksi tingkat lanjut dan praktik rekayasa, yang membatasi kemampuan insinyur untuk melakukan penilaian potensi erupsi batu yang andal. Pemutusan hubungan ini mencegah pengembangan strategi pencegahan yang ditargetkan dengan cepat, yang semakin diperburuk oleh pembagian data yang tidak memadai di seluruh proyek skala besar. Tinjauan ini juga menjelaskan keterbatasan hanya mengandalkan metodologi berbasis data untuk mengatasi tantangan kompleks dalam manajemen siklus hidup penggalian bawah tanah. Untuk mengatasi tantangan ini, penelitian ini mengusulkan kerangka kerja inovatif berdasarkan basis pengetahuan ontologis. Kerangka kerja ini dirancang untuk mengintegrasikan data multisumber dan beragam teknik analisis, mengeksplorasi cara-cara menuju pengambilan keputusan yang lebih baik dalam proyek-proyek digital underground di masa mendatang.
Highlight
- Analisis scientometrik terhadap 2.449 artikel jurnal dan tinjauan kritis terhadap 336 makalah dilakukan.
- Tantangan dan kesenjangan penelitian dalam prediksi dan pencegahan letusan batu dibahas dan diidentifikasi.
- Sebuah kerangka kerja berbasis ontologi untuk pengambilan keputusan yang lebih baik untuk penggalian bawah tanah diusulkan.
1. PENDAHULUAN
Rockburst adalah fenomena berbahaya yang ditemui selama penggalian bawah tanah, terutama dalam proyek yang melibatkan batuan rapuh dan keras (Blake & Hedley, 2003 ). Laporan paling awal tentang rockburst berasal dari tahun 1738 di sebuah tambang timah di Inggris, meskipun tidak tercatat secara resmi sampai tahun 1938, di sebuah tambang batu bara di Stafford, Inggris (Askaripour et al., 2022 ). Secara global, insiden serupa dengan intensitas dan konsekuensi yang bervariasi telah dilaporkan di tambang, terowongan, dan gua tenaga air di seluruh Tiongkok, Amerika Serikat, Afrika, Australia, Kanada, dan seterusnya (Kaiser et al., 1996 ; Keneti & Sainsbury, 2018 ; Leger, 1991 ; Li et al., 2012 ; Mark, 2016 ; Rehbock-Sander & Jesel, 2018 ; Simser, 2019 ). Saat ini, tantangan untuk memastikan keamanan dan stabilitas rekayasa bawah tanah yang semakin dalam dan kompleks semakin meningkat, yang mengakibatkan banyaknya korban jiwa dan kerusakan properti. Menangani masalah yang mendesak ini tetap menjadi tantangan yang berat karena permintaan akan ruang dan sumber daya bawah tanah terus meningkat.
Istilah “rockburst” awalnya diperkenalkan oleh Terzaghi ( 1946 ) untuk mendefinisikan spalling atau kegagalan batu keras dari dinding terowongan di bawah pengaruh tegangan tinggi. Fenomena ini terutama dicirikan oleh pelepasan energi regangan secara tiba-tiba karena gangguan geo-stres tinggi selama penggalian bawah tanah, yang menyebabkan kerusakan parah dan hebat (Singh, 1987 ; Zhang et al., 2021 ). Karena faktor-faktor pengaruh yang kompleks, seperti kondisi geomekanik, karakteristik massa batuan, dan strategi penggalian, masih sulit bagi para sarjana bahkan hingga saat ini untuk sampai pada definisi yang diterima secara universal atau untuk sepenuhnya memahami mekanisme sebab-akibat dan perkembangannya (Brown, 1988 ; Zhou et al., 2018 ). Akibatnya, bagaimana mengembangkan strategi komprehensif untuk manajemen rockburst selama konstruksi bawah tanah masih menjadi pertanyaan terbuka.
Dalam menanggapi tantangan ini, beberapa dekade terakhir telah menyaksikan kemajuan substansial dalam pengembangan metodologi pengendalian rockburst. Metode prediksi ini berkisar dari klasifikasi rockburst hingga kriteria, termasuk empiris (Kwasniewski et al., 1994 ; Russenes, 1974 ; Turchaninov et al., 1972 ), simulasi numerik (Huang & Wang, 1999 ; Qian & Zhou, 2011 ; Zubelewicz & Mroz, 1983 ), dan pendekatan matematika (Ghasemi et al., 2020 ; Li, Feng, et al., 2017 ; Liu, Xue, et al., 2023 ; Wu, Wu, et al., 2019 ). Mereka dapat secara efektif memperkirakan rockburst dalam berbagai aspek, yang menghasilkan kemajuan signifikan dalam prediksi rockburst. Namun, kompleksitas dan variabilitas kondisi dalam kondisi rekayasa bawah tanah telah menghambat pembentukan kriteria yang berlaku dan praktis untuk prediksi rockburst. Variasi dan inkonsistensi dalam nilai ambang batas di antara kriteria yang berbeda semakin mempersulit identifikasi dan penilaian potensi rockburst yang tepat waktu (Afraei et al., 2019 ; Kaiser & Cai, 2012 ). Peningkatan akurasi prediksi adalah fokus utama di era yang digerakkan secara digital, tetapi desain dan implementasi sistem pencegahan yang efektif yang menargetkan rockburst bahkan lebih penting untuk rekayasa. Tidak seperti sistem pendukung pada kedalaman yang lebih dangkal, yang terutama bertujuan untuk mengelola berat sendiri batu untuk mencegah jatuh, desain dukungan untuk penggalian yang dalam harus mempertimbangkan kapasitas untuk menanggung dan mengurangi efek beban dinamis untuk mencegah disintegrasi batuan yang retak (Bacha et al., 2020 ; Cai, 2013 ; Kaiser & Cai, 2013 ). Pemilihan tindakan dukungan yang tepat memerlukan penilaian risiko rockburst yang andal untuk mengatasi masalah ketidakstabilan dalam kondisi geo-stres yang tinggi. Namun demikian, sifat letusan batu yang tidak dapat diprediksi dan ketidakpastian kondisi bawah tanah membuat perancangan sistem pendukung yang efektif menjadi tugas yang rumit, yang sering kali menunda penerapan tindakan pencegahan yang tepat waktu.
Seperti disebutkan di atas, pengurangan risiko rockburst masih menjadi tantangan signifikan bagi para insinyur dan peneliti di seluruh dunia. Kurangnya teknologi manajemen rockburst yang efektif dapat secara signifikan meningkatkan risiko bencana parah dalam rekayasa bawah tanah yang dalam dengan geo-stres yang tinggi. Ada beberapa tinjauan yang merangkum kemajuan terkini dalam penelitian rockburst, misalnya, He et al. ( 2023 ) memberikan analisis komprehensif rockburst berdasarkan eksperimen, teori, dan simulasi. Askaripour et al. ( 2022 ) meninjau klasifikasi dan mekanisme rockburst dan merangkum metode empiris terkini dari prediksi rockburst. Pu, Apel, Liu et al. ( 2019 ) dan Basnet et al. ( 2023 ) mensurvei aplikasi machine learning terkini dalam prediksi rockburst dan membahas fitur dan kinerjanya masing-masing. Zhou et al. ( 2018 ) dan Zhou, Zhang, et al. ( 2023 ) membahas klasifikasi dan karakteristik rockburst, dan meninjau penelitian yang terkait dengan prediksi dan pencegahan rockburst. Ghorbani et al. ( 2020 ) memberikan tinjauan kritis tentang kemajuan sistem pendukung batuan dalam kondisi geostres tinggi dan membahas keunikan sistem pendukung di area ini. Meskipun memberikan tinjauan komprehensif tentang mekanisme rockburst, prediksi, dan pencegahan, artikel-artikel ini belum mengeksplorasi lebih jauh kerangka kerja holistik dan layak untuk rekayasa bawah tanah di era kecerdasan buatan (AI). Oleh karena itu, untuk menjembatani kesenjangan ini, makalah ini pertama-tama meninjau penelitian rockburst berdasarkan publikasi dalam basis data Web of Science Core Collection (WoSCC). Dengan bantuan perangkat lunak CiteSpace, analisis scientometrik pada penelitian rockburst dari tahun 2000 hingga 2023 disajikan, yang mencakup jumlah studi, kutipan bersama jurnal, kutipan bersama dokumen, dan analisis kata kunci (Bagian 3 ). Selanjutnya, dengan melakukan tinjauan menyeluruh terhadap metode prediksi ledakan batu (Bagian 4 ) dan strategi pencegahan (Bagian 5 ), tugas dan tantangan utama dalam rekayasa bawah tanah diidentifikasi dan didiskusikan. Berdasarkan tinjauan dan analisis di atas, diusulkan kerangka kerja berbasis ontologi baru di seluruh siklus hidup rekayasa bawah tanah (Bagian 6 ).
2 METODOLOGI TINJAUAN DAN ANALISIS
Studi ini mengulas literatur tentang rockburst dalam rekayasa bawah tanah menggunakan basis data WoSCC, yang merupakan basis data berpengaruh khususnya dalam bidang sains dan rekayasa. WoSCC menawarkan kemampuan pencarian lanjutan untuk pencarian literatur yang komprehensif, termasuk operator logika seperti “AND” dan “OR” untuk menyempurnakan pencarian (Vanderstraeten & Vandermoere, 2021 ). Seperti yang diilustrasikan dalam Gambar 1 , proses pencarian literatur terdiri dari tiga langkah. Pada Langkah 1, pencarian dasar dijalankan dengan kode pencarian: TS = (Rockburst* ATAU Rock burst*), di mana “TS” menandakan topik artikel dan “*” untuk pencarian fuzzy. Sementara itu, hanya artikel dan artikel tinjauan yang diterbitkan antara 1 Januari 2000 dan 31 Desember 2023, dalam bahasa Inggris dan Mandarin, yang dipilih. Setelah menyaring terlebih dahulu makalah yang tidak terkait, total 2449 makalah yang difokuskan terutama pada prediksi dan pencegahan rockburst dikumpulkan. Kemudian, Langkah 2 menyempurnakan pencarian rockburst dalam hal aspek prediksi dan pencegahan menggunakan kata kunci yang umum digunakan dalam publikasi rockburst: “prediksi,” “evaluasi,” “penilaian,” “estimasi,” “pencegahan,” “perlindungan,” “kontrol,” dan “dukungan.” Untuk memastikan tidak ada makalah potensial yang terlewat, teknik snowballing juga akan digunakan dalam analisis tinjauan komprehensif berikutnya. Akhirnya, Langkah 3 menggunakan CiteSpace untuk analisis scientometrik dari 2449 artikel untuk mengidentifikasi titik fokus penelitian dan tren dalam rockburst dan menganalisis secara kritis 336 artikel untuk merangkum perkembangan terbaru dalam prediksi dan pencegahan rockburst.
3 ANALISIS SCIENTOMETRIK PUSTAKA
CiteSpace (Chen & Song, 2019 ) adalah alat khusus untuk analisis scientometrik dan memberikan wawasan tentang perkembangan, topik hangat, dan tren masa depan bidang penelitian. Analisis scientometrik dilakukan dalam empat bagian: analisis jumlah penelitian, analisis kutipan jurnal, analisis kutipan referensi, dan analisis kata kunci. Analisis ini membantu memvisualisasikan secara komprehensif perkembangan terkini bidang rockburst dan memberikan arahan yang memungkinkan untuk penelitian di masa mendatang.
3.1 Analisis Jumlah Penelitian
Tren dalam volume publikasi dalam bidang rockburst dapat menjadi indikator kunci untuk memeriksa pengembangan bidang tersebut dan memperkirakan arah masa depan, seperti yang ditunjukkan pada Gambar 2a . Sejak abad ke-21, penelitian rockburst secara kasar telah berkembang melalui tiga fase. Pada fase perkecambahan awal sebelum 2010, 142 makalah diterbitkan, yang hanya merupakan 5,8% dari total literatur dan menandai eksplorasi awal studi rockburst. Selama periode ini, penelitian ilmiah yang terbatas mengakibatkan peningkatan yang lambat dalam publikasi. Dari 2010 hingga 2017, penelitian rockburst memasuki fase pertumbuhan yang stabil, dengan peningkatan yang konsisten dalam jumlah publikasi, yang menunjukkan semakin pentingnya rockburst dalam penelitian teknik bawah tanah. Sejak 2018, telah terjadi lonjakan eksponensial dalam publikasi rockburst, dengan 1875 makalah yang membentuk 76,6% dari total output, menandakan periode perkembangan yang cepat dan meningkatnya minat akademis pada rockburst.
Gambar 2b menunjukkan negara-negara terkemuka dan lembaga penelitian utama mereka dalam penelitian rockburst. Enam negara teratas dalam hal volume publikasi adalah Tiongkok (1539), Australia (175), Kanada (149), Amerika Serikat (122), Polandia (97), dan Rusia (79). Khususnya, Tiongkok, kontributor terbesar untuk penelitian rockburst dalam rekayasa bawah tanah selama dua dekade terakhir, mewakili 67,3% dari semua publikasi. Universitas Pertambangan dan Teknologi Tiongkok memimpin sebagai lembaga penerbit utama di Tiongkok, menyumbang 21,5% dari total publikasi, jauh di atas Universitas Sains dan Teknologi Shandong yang berada di peringkat kedua, yang menyumbang 6,23%. Angka-angka ini menunjukkan dominasi Tiongkok dalam penelitian rockburst dan menunjukkan bahwa masalah rockburst saat ini merupakan tantangan dan titik panas yang tangguh dalam pertambangan dan rekayasa bawah tanah.
3.2 Analisis ko-sitasi jurnal
Jaringan ko-sitasi jurnal untuk penelitian rockburst dalam rekayasa bawah tanah, seperti yang ditunjukkan pada Gambar 3 , mengungkap hubungan sitasi dan pengaruh di antara jurnal akademik. Setiap simpul dalam peta ini menandakan jurnal, dengan ukuran simpul menunjukkan frekuensi ko-sitasi jurnal, yang mencerminkan dampaknya di bidang rockburst. The International Journal of Rock Mechanics and Mining Sciences , Rock Mechanics and Rock Engineering , dan Tunneling and Underground Space Technology memiliki tiga ko-sitasi teratas, dengan lebih dari 1300 ko-sitasi masing-masing dan lebih dari 100 publikasi rockburst (Gambar 2c ).
Selain itu, sentralitas jurnal juga dapat menunjukkan peran sentral jurnal dalam jaringan, seperti yang ditunjukkan pada Tabel 1. Misalnya, dengan nilai sentralitas 0,40, Jurnal Internasional Mekanika Batuan dan Ilmu Pertambangan menempati posisi sentral dalam peta pengetahuan, yang menunjukkan pengaruhnya yang signifikan dalam penelitian ledakan batuan. Analisis ini memberikan panduan dalam mengidentifikasi jurnal dan literatur utama di bidang ledakan batuan.
| Jurnal yang dikutip | Menghitung | Sentralitas |
|---|---|---|
| Jurnal Internasional Mekanika Batuan dan Ilmu Pertambangan | Tahun 1922 | 0.40 |
| Mekanika Batuan dan Rekayasa Batuan | tahun 1596 | 0,15 |
| Teknologi Terowongan dan Ruang Bawah Tanah | tahun 1327 | 0,07 |
| Jurnal Mekanika dan Teknik Batuan Tiongkok | tahun 1055 | 0.12 |
| Geologi Teknik | tahun 1020 | 0.13 |
| Jurnal Internasional Sains dan Teknologi Pertambangan | 866 | 0,02 |
| Jurnal Mekanika Batuan dan Teknik Geoteknik | 866 | 0,03 |
| Buletin Geologi Teknik dan Lingkungan | 724 | 0,01 |
3.3 Analisis ko-sitasi dokumen
Dalam analisis scientometrik, analisis ko-sitasi dari referensi juga merupakan cara umum untuk mengidentifikasi penelitian utama dan cendekiawan berpengaruh dalam suatu bidang. Gambar 4 menunjukkan jaringan ko-sitasi referensi, di mana setiap simpul mewakili sebuah artikel. Ukuran simpul menunjukkan frekuensi sitasi dokumen ini, diberi label dengan nama penulis pertama dan tahun publikasi. Tabel 2 mencantumkan 10 dokumen teratas menurut jumlah sitasi. Khususnya, artikel oleh Keneti dan Sainsbury ( 2018 ) dan Zhou et al. ( 2018 ) memiliki lebih dari 130 sitasi, menyoroti tingkat minat tinggi yang telah ditarik penelitian mereka dari akademisi. Tiga publikasi Gong (Gong et al., 2018 ; Gong, Si, et al., 2019 ; Gong, Yan, et al., 2019 ), dengan total 281 sitasi, juga menunjukkan pengaruhnya di bidang rockburst.
| Metrik CiteSpace | Metrik kutipan WoSCC | ||
|---|---|---|---|
| Referensi yang dikutip | Menghitung | Sentralitas | Publikasi |
| Tinjauan mengenai peristiwa letusan gunung berapi yang dipublikasikan dan faktor-faktor yang berkontribusi terhadap peristiwa tersebut (Keneti & Sainsbury, 2018 ) | 135 | 0.16 | 176 |
| Metode evaluasi ledakan batu: Tinjauan pustaka terkini (Zhou et al., 2018 ) | 133 | 0.12 | 272 |
| Investigasi simulasi eksperimental pada batuan yang pecah akibat kegagalan spalling di terowongan melingkar dalam (Gong et al., 2018 ) | 113 | 0,08 | 184 |
| Investigasi eksperimental tentang regangan batuan yang meledak di gua melingkar dalam kondisi tekanan tinggi tiga dimensi yang dalam (Gong, Si, et al., 2019 ) | 86 | 0,03 | 123 |
| Pemodelan numerik batuan yang meletus di dekat zona patahan di terowongan dalam (Manouchehrian & Cai, 2018 ) | 86 | 0,04 | 119 |
| Metodologi evaluasi komprehensif fuzzy untuk peramalan letusan batuan menggunakan pemantauan mikroseismik (Cai et al., 2018 ) | 84 | 0.10 | 144 |
| Indeks penyimpanan energi regangan kekuatan puncak untuk kerentanan material batuan terhadap pecahnya batuan (Gong, Yan, et al., 2019 ) | 82 | 0,07 | 166 |
| Penelitian mekanisme rockburst dan pengendaliannya (He et al., 2018 ) | 77 | 0,01 | 115 |
| Penilaian dan prediksi ledakan batuan melalui analisis tegangan dinamis dan statis berdasarkan pemantauan mikro-seismik (He et al., 2017 ) | 76 | 0,04 | 146 |
| Studi kasus ledakan batuan dalam kondisi geologi rumit selama penambangan multiseam pada kedalaman 800 m (Zhao et al., 2018 ) | 73 | 0,01 | 145 |
Analisis lebih lanjut tentang sentralitas, seperti yang ditunjukkan pada Tabel 3 , mengidentifikasi publikasi kunci yang berfungsi sebagai penghubung dalam jaringan ko-sitasi referensi. Artikel-artikel dari He et al. ( 2015 , 2018 ), Ma, Tang, et al. ( 2018 ), Zhao dan Cai ( 2015 ), dan Chen et al. ( 2015 ), dengan nilai sentralitas 0,1 atau lebih tinggi, juga terbukti menjadi literatur kunci dan mendasar. Oleh karena itu, semua makalah yang tercantum di atas dapat dianggap sebagai bahan referensi penting untuk penelitian rockburst, yang menyediakan panduan yang berarti untuk arah masa depan.
| Metrik CiteSpace | Metrik kutipan WoSCC | ||
|---|---|---|---|
| Referensi yang dikutip | Menghitung | Sentralitas | Publikasi |
| Tinjauan mengenai peristiwa letusan gunung berapi yang dipublikasikan dan faktor-faktor yang berkontribusi terhadap peristiwa tersebut (Keneti & Sainsbury, 2018 ) | 135 | 0.16 | 176 |
| Metode evaluasi ledakan batu: Tinjauan pustaka terkini (Zhou et al., 2018 ) | 133 | 0.12 | 272 |
| Basis data pengujian laboratorium Rockburst—Penerapan teknik penambangan data (He et al., 2015 ) | 37 | 0.11 | 119 |
| Mekanisme dan prediksi rockburst berdasarkan pemantauan mikroseismik (Ma, Tang, et al., 2018 ) | 72 | 0.11 | 112 |
| Metodologi evaluasi komprehensif fuzzy untuk peramalan letusan batuan menggunakan pemantauan mikroseismik (Cai et al., 2018 ) | 84 | 0.10 | 144 |
| Pengaruh rasio tinggi-lebar spesimen terhadap karakteristik strainburst granit Tianhu dalam kondisi pembongkaran triaksial sejati (Zhao & Cai, 2015 ) | 30 | 0.10 | 64 |
| Klasifikasi intensitas ledakan batuan berdasarkan energi radiasi dengan intensitas kerusakan di Stasiun Tenaga Air Jinping II, Tiongkok (Chen et al., 2015 ) | 51 | 0.10 | 131 |
3.4 Pengelompokan kata kunci dan analisis burst
Kata kunci secara ringkas menangkap esensi dari makalah akademis, menyediakan ikhtisar singkat dari fokus penelitian. Menggunakan algoritma pengelompokan rasio kemungkinan log (LLR) dari CiteSpace (Chen, 2017 ), analisis kata kunci dan tren di bidang rockburst dilakukan. Analisis pengelompokan kata kunci tidak hanya dapat mengungkapkan hubungan antara kata kunci (Gambar 5 ) tetapi juga dapat memberikan wawasan ke dalam evolusi waktu mereka (Gambar 6 ). Cluster #0 “prediksi rockburst,” cluster terbesar, mencakup kata kunci yang terkait dengan model prediksi, metode klasifikasi, dan kerentanan rockburst. Cluster #1 “pemisahan,” #2 “retakan,” dan #3 “pemantauan mikroseismik” mewakili arah utama dalam mengeksplorasi mekanisme rockburst dan teknologi pemantauan rockburst di tempat. Sementara itu, kemajuan terbaru dalam teknologi komputer telah membuat pembelajaran mesin dan AI menjadi tren yang berkembang dalam prediksi rockburst. Cluster #4 “pencegahan rockburst” berfokus pada aspek lain dari penelitian rockburst, yaitu, mengurangi risiko rockburst melalui optimasi desain teknik, penyesuaian metode konstruksi, dan teknologi baru.
Menariknya, Gambar 5 menunjukkan tumpang tindih yang nyata antara klaster #0 “prediksi letusan gunung berapi” dan klaster #4 “pencegahan letusan gunung berapi,” yang menunjukkan hubungan erat keduanya. Hubungan ini menggarisbawahi dua tujuan utama penelitian letusan gunung berapi: memprediksi kejadian letusan gunung berapi dan mengadopsi strategi pengendalian letusan gunung berapi yang efektif. Kedua bidang penelitian ini saling melengkapi; prediksi yang akurat menghasilkan langkah-langkah pengendalian yang lebih baik, yang pada gilirannya meningkatkan akurasi model prediksi. Oleh karena itu, bagian selanjutnya akan meninjau secara kritis penelitian letusan gunung berapi dalam hal prediksi dan pencegahan, yang bertujuan untuk mengeksplorasi kesenjangan dan memberikan panduan untuk mengembangkan kerangka kerja manajemen risiko letusan gunung berapi yang komprehensif.
4 PREDIKSI ROCKBURST
Sejak masalah letusan gunung berapi mendapat perhatian, pengembangan model prediksi yang andal dan akurat telah menjadi tujuan utama para peneliti di bidang ini. Berbagai upaya signifikan telah dilakukan, mulai dari analisis kasus hingga studi eksperimental hingga model komputasional, untuk meletakkan dasar awal guna mengatasi masalah letusan gunung berapi. Tinjauan ini tidak bertujuan untuk meringkas setiap model secara menyeluruh, tetapi untuk mengeksplorasi dan menganalisis tantangan dan masalah utama yang dihadapi penelitian saat ini. Untuk penelitian yang lebih terperinci tentang prediksi rockburst, referensi berikut direkomendasikan (Adoko et al., 2013 ; Afraei et al., 2018 ; Cai et al., 2016 ; Farhadian, 2021 ; Gong et al., 2023 ; He et al., 2021 ; Li, Li, et al., 2017 ; Liang, Zhao, Wu, et al., 2019 ; Liu et al., 2013 ; Miao et al., 2016 ; Wang et al., 2015 , 2019 ; Wu et al., 2023 ; Zhou et al., 2012 ). Dengan demikian, bagian ini akan meneliti tiga metodologi utama dalam prediksi rockburst: teknik empiris, simulasi, dan berbasis AI. Dengan meninjau kelebihan dan keterbatasannya, bagian ini bertujuan untuk mengidentifikasi kesenjangan penelitian dan menganalisis arah masa depan dalam penelitian prediksi rockburst. Klasifikasi batuan pecah yang digunakan pada penelitian ini ditunjukkan pada Tabel 4 .
| Intensitas ledakan batu | Karakteristik kegagalan |
|---|---|
| Tidak ada | Tidak ada aktivitas letusan batu yang teramati. |
| Lemah | Batuan di sekitarnya mengalami deformasi disertai retakan atau retakan tulang rusuk dengan suara lemah tanpa adanya fenomena ejeksi. |
| Sedang | Batuan di sekitarnya mengalami deformasi dan retakan. Terjadi pelepasan serpihan batu yang cukup besar, dan kerusakan yang tiba-tiba dan lepas, disertai dengan suara berderak yang keras, yang sering terjadi di gua lokal batuan di sekitarnya. |
| Kuat | Batu di sekelilingnya meledak dengan hebat, dengan batu-batu tiba-tiba terlempar atau terlontar ke dalam terowongan, disertai dengan ledakan yang kuat dan suara gemuruh yang dengan cepat menyebar ke batu-batu di sekelilingnya yang lebih dalam. |
4.1 Metode empiris
Metode empiris merupakan pendekatan yang paling umum digunakan dalam prediksi letusan gunung berapi, dengan memanfaatkan serangkaian parameter atau indikator untuk menilai intensitas dan risiko letusan gunung berapi. Penerapannya yang luas berasal dari kesederhanaan operasional dan efektivitas yang terbukti dalam banyak studi kasus (Dai et al., 2022 ; Feng, Chen, Li, et al., 2012 ; Liu, Wang, et al., 2023 ; Ma, Chen, et al., 2018 ). Secara umum, metode empiris dapat dibagi menjadi dua kategori: metode prediksi indikator tunggal dan multi-indikator.
Metode kriteria empiris indikator tunggal, salah satu yang paling awal dan paling sederhana, didasarkan pada ringkasan dari kasus-kasus rockburst historis dan analisis teoritis, misalnya, rasio kerapuhan (BR, rasio kompresi uniaxial ( σ c ) terhadap kekuatan tarik ( σ t ) batuan) (Qiao & Tian, 1998 ), rasio tegangan (SR, rasio tegangan tangensial maksimum ( σ θ ) terhadap kekuatan kompresi uniaxial batuan) (Russenes, 1974 ), dan tegangan rata-rata (rasio kekuatan kompresi uniaxial batuan terhadap tegangan utama maksimum) (Hou & Wang, 1989 ). Indikator-indikator ini terutama berfokus pada sifat mekanis batuan dan kondisi tegangan in situ, yang juga dapat disebut kriteria berbasis indeks tegangan. Kriteria indikator tunggal utama lainnya menekankan analisis energi untuk menggambarkan jenis dan intensitas letusan batu, seperti indeks energi regangan elastis (Wet) (Wang & Park, 2001 ), koefisien integritas massa batuan (KV) (Zhou et al., 2012 ), dan indeks energi elastis linear serta potensi letusan (BPI) (Singh, 1988 ). Kriteria berbasis energi ini dianggap mencerminkan kecenderungan dan asal-usul letusan batu secara lebih langsung karena hubungan dekat antara letusan batu dan dinamika energi massa batuan.
Faktanya, kriteria empiris dengan indikator tunggal mungkin memiliki beberapa keterbatasan karena faktor-faktor penyebab rockburst yang kompleks. Untuk mengatasi masalah ini, beberapa peneliti telah berupaya mengembangkan metode integrasi multi-indikator untuk penilaian risiko yang komprehensif (Qiu et al., 2011 ; Shang et al., 2013 ; Zhang, 2008 ; Zhang et al., 2016 ). Meskipun pendekatan ini mempertimbangkan berbagai faktor, pendekatan ini dapat mempersulit klasifikasi rockburst, karena makna mekanis dari parameter terintegrasinya mungkin tidak jelas. Selain itu, kriteria empiris yang berbeda dapat memberikan prediksi rockburst yang berbeda atau bahkan kontradiksi. Misalnya, seperti yang ditunjukkan pada Tabel 5 , risiko rockburst yang diprediksi dari dua sistem dengan koefisien kerapuhan batuan yang sama mungkin sebaliknya. Kebingungan potensial seperti itu dapat menyebabkan tantangan yang kompleks untuk konstruksi teknik bawah tanah.
| Metode prediksi | Persamaan | Tidak ada ledakan batu | Lemah | Sedang | Kuat |
|---|---|---|---|---|---|
| Wang dan Park ( 2001 ) | σc/σt | >40 | 26,7–40,0 | 14,5–26,7 | <14.5 |
| Zhang dkk. ( 2003 ) | <10 | 10–18 | >18 |
4.2 Metode simulasi
Dalam studi ini, metode simulasi dalam prediksi rockburst adalah pendekatan yang digunakan untuk mereproduksi rockburst melalui simulasi eksperimental atau numerik. Saat ini, uji eksperimen umum untuk penelitian rockburst meliputi uji pembongkaran triaksial, uji rockburst triaksial sejati, dan uji relaksasi beban setelah nilai puncak. Uji-uji ini dirancang untuk meniru keadaan tegangan kompleks yang dialami batuan selama penggalian, menjadikannya pendekatan yang berharga untuk menganalisis proses kegagalan rockburst. Selain uji eksperimen, simulasi laboratorium berfungsi sebagai alat yang ampuh untuk menyelidiki lebih lanjut mekanisme rockburst, menawarkan wawasan terperinci yang mungkin sulit diperoleh melalui eksperimen fisik saja (Gong et al., 2015 ; Shirani Faradonbeh, Taheri, et al., 2020 ; Su et al., 2017 ). Meskipun uji-uji ini memberikan data langsung tentang rockburst, keterbatasan karena kondisi eksperimental tertentu dan pengaruh efek ukuran membuatnya cocok untuk mengeksplorasi mekanisme kegagalan rockburst dan evolusi, daripada untuk prediksi rockburst langsung.
Oleh karena itu, simulasi numerik membentuk sebagian besar penelitian simulasi pada prediksi rockburst (Cai, 2008 ; Sepehri et al., 2020 ; Xue et al., 2021 ), dibagi menjadi metode kontinum, diskontinum, dan hibrida. Metode kontinum, seperti metode elemen hingga (FEM) dan metode perbedaan hingga (FDM), digunakan secara luas untuk perangkat lunak yang dikembangkan dengan baik dan biaya komputasi yang lebih rendah. Misalnya, Blake ( 1971 ) menggunakan FEM untuk mempelajari ledakan pilar dan mempertimbangkan konsentrasi tegangan tinggi sebagai indikator lokasi rockburst. Zubelewicz dan Mroz ( 1983 ) melakukan analisis kuantitatif rockburst dengan melapiskan gangguan dinamis pada perhitungan statis awal. Tang et al. ( 1998 ) memperkenalkan analisis proses kegagalan realistis (RFPA), pendekatan mekanika kontinum linier baru, untuk mengungkap proses evolusi retakan mikro selama kegagalan batuan. ( 2012 ) menggunakan FEM untuk mensimulasikan evolusi zona batuan pecah dan pelepasan energi regangan, menjelaskan mekanisme kerusakan batuan yang tidak dapat dipulihkan.
Namun, terkadang, metode kontinum mungkin kesulitan untuk mensimulasikan proses rekahan batuan dan karakteristik dinamis dari rockburst, tantangan yang dapat diatasi dengan penggunaan metode diskontinuum dan hibrida. Ryder ( 1987 ) mengusulkan metode elemen diskrit (DEM) dan indeks tegangan geser berlebih (ESS) untuk menilai potensi rockburst dan dampak patahan. Procházka ( 2004 ) menyelidiki mekanika rockburst dengan elemen heksagonal diskrit dan kode aliran partikel (PFC). Sun et al. ( 2007 ) menggabungkan RFPA dan DDA untuk mempelajari mode kegagalan dan pencegahan rockburst di terowongan geostress tinggi. Meskipun efektif dalam mensimulasikan evolusi retakan mikro, biaya komputasi yang tinggi dan tuntutan rumit untuk kalibrasi parameter mikro membatasi aplikasi rekayasa mereka yang luas.
Saat ini, simulasi numerik yang ada menyediakan dasar ilmiah untuk analisis kegagalan batuan, penilaian potensi letusan batu, dan pengembangan strategi pencegahan, namun, sebagian besar penelitian didasarkan pada analisis statis. Meskipun metode numerik statis dapat mengungkap evolusi progresif kegagalan batuan dan memberikan penilaian letusan batu kualitatif, metode ini mungkin sulit untuk secara akurat mencerminkan proses dinamis sebenarnya dari letusan batu (Wang et al., 2021 ). Selain itu, hasil metode simulasi sangat bergantung pada model konstitutif yang dipilih dan parameter mekanis input, yang masih memerlukan validasi lebih lanjut melalui kasus-kasus rekayasa. Oleh karena itu, ketergantungan tunggal pada metode simulasi untuk sistem prediksi letusan batu yang efektif dan komprehensif tetap menjadi tantangan.
4.3 Metode berbasis kecerdasan buatan (AI)
AI, teknologi utama Revolusi Industri Keempat, telah menunjukkan potensi dan keunggulan signifikan dalam rekayasa geoteknik, khususnya dalam rekayasa bawah tanah (Jong et al., 2021 ; Phoon & Zhang, 2022 ; Zhang & Phoon, 2022 ; Zhang et al., 2020 , 2022 ). Dibandingkan dengan metode tradisional, AI menyediakan cara yang lebih efisien untuk menangani masalah yang kompleks, nonlinier, dan multidimensi. Metode berbasis data ini menerapkan prediksi hanya dengan belajar dari data input dan output, menghindari masalah penyederhanaan yang berlebihan atau asumsi yang berlebihan, seperti yang ditunjukkan pada Gambar 7 .
Dalam bidang prediksi rockburst, teknologi AI, khususnya model machine learning (ML), telah terbukti menjadi alat yang ampuh untuk membangun model prediksi yang andal (Liang, Zhao, Wang, et al., 2019 ; Mahesh, 2020 ; Pu, Apel, & Xu, 2019 ; Qiu & Zhou, 2023 ; Xu et al., 2018 ). Model-model ini umumnya menggunakan parameter fisik dan mekanis batuan (misalnya, σ θ , σ c , σ t , BR, SR, Wet, dll.) sebagai input untuk memprediksi intensitas rockburst. Model ML untuk prediksi rockburst dapat dibagi menjadi pembelajaran terbimbing dan tak terbimbing. Pembelajaran terbimbing menggunakan data berlabel untuk mengidentifikasi pola dan hubungan antara input dan output. Pelopor seperti Feng dan Wang ( 1994 ) menggunakan jaringan saraf untuk prediksi rockburst, menilai risiko dengan basis data terlatih dari kasus-kasus berlabel. Zhao ( 2005 ) menggunakan Support Vector Machines untuk klasifikasi risiko, dan Ghasemi et al. ( 2020 ) menerapkan pohon keputusan C5.0 untuk memprediksi kejadian dan intensitas letusan batu. Zhou, Li, et al. ( 2016 ) membandingkan 10 algoritma pembelajaran terbimbing untuk prediksi letusan batu, menyoroti kinerja superior dari mesin penguat gradien dan algoritma hutan acak, berdasarkan 246 kasus, seperti yang ditunjukkan pada Gambar 8 .
Kadang-kadang, sulit untuk menentukan intensitas rockburst dalam kasus-kasus teknik, atau ada ketidakkonsistenan dalam klasifikasi rockburst, yang menimbulkan tantangan dalam prediksi rockburst. Untuk mempertimbangkan skenario ini, beberapa akademisi menyarankan menggunakan metode pembelajaran tanpa pengawasan untuk mengelola ketidakpastian dan ketidakjelasan rockburst (Pu, Apel, & Xu, 2018 ; Zhou & Gu, 2004 ; Zhou, Yun, et al., 2016 ). Fitur utama dari pembelajaran tanpa pengawasan adalah kemampuannya untuk mengungkap pola-pola tersembunyi dengan menemukan kesamaan dalam set data yang tidak berlabel. Ini menyiratkan bahwa setelah mengelompokkan atau mengklasifikasikan set data, risiko rockburst yang berbeda dapat diidentifikasi tanpa intensitas rockburst yang telah ditentukan sebelumnya. Misalnya, Gao ( 2015 ) menggunakan metode pengelompokan biomimetik, algoritma koloni semut, untuk menilai risiko rockburst. ( 2015 ) mengusulkan metode penilaian kuantitatif baru untuk ledakan batu menggunakan analisis pengelompokan hierarkis berdasarkan data energi terpancar dari Stasiun Tenaga Air Jinping II. Shirani Faradonbeh, Shaffiee Haghshenas, dkk. ( 2020 ) melakukan analisis pengelompokan ledakan batu menggunakan peta pengaturan mandiri dan teknik c-mean fuzzy, mengeksplorasi hubungan potensial antara parameter yang terkait dengan ledakan batu.
5 PENCEGAHAN ROCKBURST
Seperti yang disebutkan oleh Hoek dan Marinos ( 2009 ), penghapusan lengkap kejadian rockburst tetap menjadi tujuan yang sulit dipahami, terutama dalam kondisi yang terlalu menegangkan. Namun, ada beberapa metode dukungan yang dapat diadopsi untuk setidaknya mengurangi dampaknya, seperti yang ditunjukkan pada Gambar 9. Strategi yang diterima secara umum untuk pencegahan rockburst adalah sebagai berikut: (i) optimalisasi desain konstruksi untuk mengurangi kejadian rockburst; (ii) teknologi prapengondisian massa batuan untuk mengurangi konsentrasi tegangan selama penggalian; dan (iii) penggunaan sistem dukungan rockburst strategis dalam penggalian yang rawan rockburst. Perlu dicatat bahwa urutan strategi yang dieksekusi ini juga penting. Dukungan rockburst akhir harus dipertimbangkan dan digunakan hanya setelah upaya awal. Bagian ini bertujuan untuk memberikan ikhtisar singkat dari strategi ini untuk pencegahan rockburst, sambil mengenali kesenjangan yang ada. Untuk informasi yang lebih komprehensif dan terperinci tentang langkah-langkah dan teknologi dukungan, bacaan lebih lanjut direkomendasikan.
5.1 Optimalisasi skema tata letak proyek
Tujuan utama dalam penelitian rockburst adalah untuk menghindari kondisi yang mendukung rockburst, dengan demikian meminimalkan atau berpotensi menghilangkan kebutuhan untuk dukungan rockburst dalam penggalian (Kaiser & Cai, 2013 ). Ini menunjukkan bahwa prioritas pencegahan rockburst bukanlah pertimbangan langsung dari sistem dukungan terhadap rockburst, tetapi lebih pada penilaian kelayakan pencegahan kejadian rockburst secara inheren. Dengan demikian, desain konstruksi teknik yang efektif dan optimal menjadi penting, karena menghadirkan kemungkinan untuk mengendalikan rockburst dengan dukungan yang lebih sedikit. “Strategi tiga langkah” untuk pencegahan rockburst, seperti yang diusulkan oleh Feng, Chen, Ming, et al. ( 2012 ), dimulai dengan “mengurangi akumulasi energi.” Langkah pertama mereka juga menjelaskan pentingnya mengoptimalkan skema proyek dari perspektif mekanisme rockburst. Meminimalkan penumpukan energi internal karena aktivitas penggalian, sambil memastikan fungsi proyek, adalah pertimbangan utama dalam desain teknik rockburst.
Beberapa teknik optimasi untuk rencana konstruksi meliputi berikut ini: (i) Optimasi ukuran dan bentuk penampang: Diketahui bahwa penggalian yang lebih besar cenderung menghadapi tantangan stabilitas, dan dengan demikian, mencapai penampang yang lebih sesuai sangat penting untuk penggalian yang rawan pecahnya batu. Misalnya, penampang penggalian dengan geometri melingkar cenderung mengurangi konsentrasi tegangan, yang efektif untuk pencegahan pecahnya batu. (ii) Metodologi penggalian yang tepat: Mesin bor terowongan (TBM) sering digunakan untuk penggalian yang cepat dan sangat mekanis. Namun, di lokasi yang rawan pecahnya batu, teknik pengeboran dan peledakan tradisional terkadang dapat menjadi pilihan yang optimal, karena dapat secara efektif mengurangi risiko pecahnya batu dengan menghilangkan tegangan. (iii) Optimasi strategi penggalian: Penelitian yang cukup banyak menunjukkan korelasi langsung antara laju pembongkaran (yaitu, kecepatan penggalian) dan tingkat kegagalan batuan yang dihasilkan (Karakuş & Fowell, 2004 ; Tonon, 2010 ). Dengan demikian, penerapan kecepatan dan zonasi penggalian yang disengaja, misalnya metode penggalian terowongan Austria baru (NATM), merupakan faktor penting lainnya untuk pencegahan semburan batu.
5.2 Prapengondisian massa batuan
Prapengondisian batuan di sekitarnya berfungsi sebagai pendekatan proaktif dalam pencegahan rockburst, sebelum atau pada tahap awal penggalian. Metode ini berfokus pada perubahan sifat massa batuan, dari kondisi eksternal ke faktor internal, untuk memfasilitasi prapelepasan atau redistribusi energi yang tersimpan pada batuan. Pelepasan tegangan lubang bor adalah teknik prapengondisian standar di area rockburst rendah hingga sedang. Untuk rockburst berisiko tinggi, peledakan pelepas tegangan lanjutan umumnya digunakan, menggunakan peledakan terarah untuk menghilangkan konsentrasi tegangan di zona tertentu (Drover et al., 2018 ; Roux et al., 1957 ). Menargetkan faktor internal rockburst, teknik seperti penyemprotan air bertekanan tinggi atau injeksi air lubang bor biasanya diterapkan untuk mengurangi risiko rockburst di permukaan kerja. Seperti yang ditunjukkan dalam banyak penelitian (Cai et al., 2021 ; Luo, 2020 ; Zhou, Cai, et al., 2016 ), air mengurangi kekuatan batuan keras. Meskipun metode berbasis air tersebut efektif, metode tersebut biasanya dianggap sebagai pelengkap dalam pencegahan semburan batu karena jangkauan efeknya yang terbatas. Sebagai solusi lokal, penting untuk menggabungkannya dengan strategi pengendalian tambahan guna memperoleh sistem pencegahan semburan batu yang efektif.
5.3 Dukungan pada penggalian yang rawan terjadi letusan batu
Meskipun strategi pencegahan proaktif awal memainkan peran penting dalam menghindari longsoran batu, sering kali tidak praktis untuk menghilangkan semua potensi risiko longsoran batu. Pengembangan sistem pendukung yang tepat waktu dan efektif selama penggalian sangat penting untuk meningkatkan stabilitas batu dan menjaga keselamatan proyek (Wang et al., 2020 ; Wu, Jiang, et al., 2019 ). Berdasarkan pengalaman praktis, seperti yang ditunjukkan pada Gambar 10 , Cai dan Champaigne ( 2009 ) telah memperkenalkan tujuh prinsip panduan untuk merancang dukungan longsoran batu. Prinsip-prinsip ini dimaksudkan untuk menawarkan kepada para insinyur longsoran batu kerangka kerja fundamental untuk mengatasi banyak tantangan yang dihadirkan oleh longsoran batu.
Prinsip pertama berfokus pada pencegahan terjadinya _rockburst_: Strategi paling efektif untuk menghindari _rockburst_ melibatkan pengurangan risiko proaktif melalui perencanaan tahap awal yang cermat dan pengoptimalan desain, seperti yang dibahas dalam Bagian 5.1 dan 5.2 . Dengan meminimalkan potensi terjadinya _rockburst_, strategi pencegahan dini ini menurunkan kebutuhan akan tindakan dukungan ekstra untuk memperkuat batuan di sekitarnya terhadap beban dan tekanan. Prinsip kedua melibatkan pemanfaatan komponen dukungan yang dapat dideformasi: Mengingat bahwa kegagalan batuan rapuh sering kali menyertai deformasi ekspansi yang signifikan, desain dukungan _rockburst_ harus mempertimbangkan perubahan volumetrik massa batuan di sekitarnya. Dengan memperkuat batuan dan menyerap energi dinamis yang dihasilkan selama _rockburst_, komponen dukungan yang dapat dideformasi ini berkontribusi pada stabilitas keseluruhan struktur batuan. Prinsip ketiga berfokus pada penanganan mata rantai terlemah dalam sistem dukungan. Desain sistem dukungan harus memprioritaskan penguatan sambungan struktural di antara komponen-komponennya, karena kemampuan keseluruhan sistem sangat bergantung pada bagian yang paling rentan (Ansell, 2005 ; Ortlepp, 2000)). Melalui pengoptimalan yang ditargetkan pada koneksi kritis ini, kinerja sistem secara keseluruhan dapat ditingkatkan secara signifikan dengan upaya yang relatif sederhana. Dengan demikian, prinsip keempat menganjurkan terciptanya sistem pendukung yang efektif dan terpadu. Sistem pendukung ledakan batu yang ideal tidak hanya dinilai berdasarkan kemampuan penyerapan energi dari satu komponen, tetapi juga melalui integrasi yang efektif dari berbagai elemen untuk mengembangkan sistem pendukung yang layak, dapat dideformasi, dan komprehensif. Dua prinsip berikut menganjurkan kesederhanaan (kelima) dan efisiensi (keenam) dalam desain sistem pendukung untuk ledakan batu. Sangat penting untuk dipahami bahwa meskipun biaya awal untuk pengukuran dukungan ledakan batu ini dapat melebihi biaya dukungan konvensional, pengeluaran tersebut dapat dibenarkan jika dibandingkan dengan mempertimbangkan biaya pemeliharaan yang signifikan yang dikeluarkan oleh potensi insiden. Data dari berbagai kasus menunjukkan bahwa biaya pemeliharaan dapat mencapai 10–20 kali lebih besar dari investasi awal, yang menyoroti kemanjuran ekonomi dari dukungan ledakan batu. Dengan demikian, penerapan sistem pendukung yang efisien dan mudah digunakan tidak hanya mengurangi risiko ledakan batu tetapi juga memberikan manfaat ekonomi yang penting terutama dalam rekayasa ledakan batu. Prinsip terakhir terkait dengan manajemen risiko dalam proyek-proyek yang rawan terjadi letusan batu untuk “mengantisipasi dan beradaptasi.” Karena kesulitan dalam memprediksi secara tepat kejadian letusan batu, dikombinasikan dengan kompleksitas massa batuan bawah tanah dan ketidakpastian kegiatan penggalian, desain awal strategi dukungan sering kali gagal memenuhi persyaratan dukungan selanjutnya. Oleh karena itu, penting untuk menilai risiko letusan batu potensial secara tepat waktu dan menyesuaikan sistem dukungan sesuai dengan kondisi rekayasa waktu nyata. Cai ( 2019 ) juga mendefinisikan empat fungsi dukungan utama, yaitu, memperkuat, menahan, menahan, dan menghubungkan, seperti yang ditunjukkan pada Gambar 10. Prinsip-prinsip desain dasar untuk dukungan letusan batu ini, bersama dengan fungsi-fungsi yang diperlukan dari dukungan tersebut, menyediakan kerangka kerja yang komprehensif untuk mengelola risiko letusan batu selama penggalian bawah tanah.
6 KERANGKA PENGAMBILAN KEPUTUSAN YANG DIDUKUNG ONTOLOGI BERBASIS DATA UNTUK PENGGALIAN BAWAH TANAH
6.1 Teknologi web semantik
Web semantik, seperti yang diusulkan oleh Berners-Lee dan Hendler ( 2001 ), memperluas kemampuan world wide web (WWW) dengan mengatasi keterbatasan inherennya dalam interoperabilitas data dan pemrosesan otomatis. Dengan menggabungkan semantik yang eksplisit dan dapat dibaca mesin ke dalam data, Web Semantik memungkinkan pertukaran informasi yang efisien dan pemrosesan yang cerdas, terutama untuk penalaran otomatis berdasarkan model pengetahuan (Rožanec et al., 2022 ). Menurut konsorsium world wide web (W3C), tujuan utama Web Semantik adalah untuk menyediakan data dengan makna eksplisit yang terkait erat dengan entitas dunia nyata. Melalui penggunaan representasi grafik terstruktur, Web Semantik memfasilitasi penyatuan dan penggunaan ulang data, menawarkan keuntungan substansial dalam mengelola set data heterogen skala besar (Schmachtenberg et al., 2014 ). Teknologi inovatif ini telah banyak digunakan dalam arsitektur, teknik, dan konstruksi (AEC), yang mendukung integrasi berbagai data teknik lintas berbagai pemangku kepentingan (Niknam & Karshenas, 2017 ; Venugopal et al., 2015 ; Yang & Zhang, 2006 ). Kontribusi Web Semantik terhadap industri AEC biasanya diklasifikasikan ke dalam tiga perspektif utama: interoperabilitas, penautan lintas domain, serta inferensi dan pembuktian logis (Pauwels et al., 2017 ), seperti yang ditunjukkan pada Gambar 11 .
- .Interoperabilitas: Web Semantik meningkatkan kolaborasi yang lancar di berbagai sistem dan program dengan menstandardisasi format data dan menggunakan ontologi untuk pemahaman dan pemrosesan yang lebih baik (Zhou, Zhang, dkk., 2023 ). Tidak seperti lingkungan Web tradisional, di mana data sering terjadi dalam aplikasi dan format yang terisolasi, sehingga menciptakan tantangan integrasi, Web Semantik mengatasi masalah ini melalui standarnya, termasuk kerangka deskripsi sumber daya (RDF) dan bahasa ontologi web (OWL). Standar-standar ini menetapkan kerangka kerja terpadu untuk pertukaran data, meningkatkan penggunaan kembali informasi dan interoperabilitas. Gambar 11a menunjukkan grafik RDF sederhana, yang digunakan untuk merepresentasikan struktur grafik dari tripel RDF {subjek, predikat, objek}. Setiap entitas atau hubungan didefinisikan secara eksplisit dan diidentifikasi secara unik menggunakan pengidentifikasi sumber daya seragam (URI), sehingga memungkinkan pembagian dan penggunaan kembali data yang lebih efisien. Selain itu, representasi data standar ini memungkinkan sistem untuk secara fleksibel menggabungkan sumber daya data baru tanpa memerlukan upaya integrasi khusus yang ekstensif.
- 2.Menghubungkan lintas domain: Dalam industri AEC, kolaborasi multidisiplin sangat penting selama fase desain, konstruksi, dan operasional. Integrasi yang efektif dari berbagai elemen, termasuk eksplorasi geologi, desain struktural, metodologi konstruksi, dan manajemen teknik, sangat penting untuk kelancaran pelaksanaan proyek. Teknologi Web Semantik menawarkan janji yang signifikan dalam konteks ini dengan memungkinkan integrasi data heterogen dari domain seperti pemodelan informasi bangunan (BIM), sistem informasi geografis, sistem pemantauan waktu nyata, dan data simulasi ke dalam jaringan data terpadu. Jaringan terintegrasi ini mendukung pengambilan keputusan yang terinformasi sepanjang siklus hidup proyek. Seperti yang diilustrasikan dalam Gambar 11b , Le dan David Jeong ( 2016 ) mengusulkan mekanisme pertukaran data siklus hidup yang disesuaikan untuk pengambilan keputusan multidomain dalam manajemen proyek. Mekanisme ini mengubah sumber data yang berbeda di seluruh siklus hidup proyek menjadi wawasan yang bermakna dan dapat ditindaklanjuti bagi pengguna. Ini beroperasi melalui tiga tahap utama: domain dan ontologi gabungan, pembungkus data, dan sistem kueri dan penalaran data.
- 3.Inferensi dan pembuktian logis: Teknologi Web Semantik memungkinkan komputer untuk melakukan tugas-tugas inferensi untuk pengetahuan tambahan berdasarkan informasi dalam RDF dan OWL. OWL memainkan peran penting dalam proses ini, karena mendukung definisi hubungan yang kompleks antara konsep-konsep melalui kemampuan semantiknya yang canggih. Dengan memperluas kosakata Skema RDF dan menggabungkan elemen-elemen yang lebih ekspresif, OWL meningkatkan kemampuan sistem untuk memproses dan menyimpulkan informasi dengan presisi yang lebih tinggi (Pauwels et al., 2017 ). Untuk penalaran logis yang lebih kompleks, teknologi web semantik menggunakan bahasa aturan khusus seperti bahasa aturan web semantik dan format pertukaran aturan (RIF). Bahasa-bahasa ini memungkinkan pembuatan aturan-aturan logis yang disesuaikan, yang secara signifikan meningkatkan akurasi dan ketahanan proses inferensi. Ketika diintegrasikan dengan model-model pengetahuan yang komprehensif, aturan-aturan ini meningkatkan kemampuan sistem untuk memperoleh wawasan yang dapat ditindaklanjuti dan memberikan dukungan keputusan yang kuat. Seperti yang diilustrasikan dalam Gambar 11c , integrasi ini tidak hanya meningkatkan kecerdasan sistem tetapi juga memperluas penerapannya pada analisis data yang kompleks dan tantangan-tantangan pengambilan keputusan dalam proyek-proyek berskala besar.
Tiga manfaat teknologi web semantik dalam industri arsitektur, teknik, dan konstruksi (a) Contoh struktur rangkap tiga RDF, (b) integrasi data lintas domain, dan (c) proses inferensi semantik (Le & David Jeong, 2016 ; Pauwels et al., 2017 ; Zangeneh & McCabe, 2020 ).
6.2 Aplikasi ontologi
Ontologi, yang awalnya merupakan konsep filosofis tentang hakikat keberadaan, telah berevolusi secara signifikan dengan perkembangan ilmu komputer. Saat ini, ontologi merupakan konsep penting dalam teknologi informasi, khususnya dalam bidang pengembangan web semantik dan kecerdasan buatan, di mana ia memainkan peran penting (Ashraf et al., 2015 ; Farghaly et al., 2023 ; Zhou & El-Gohary, 2017 ). Dalam ilmu komputer, ontologi paling umum didefinisikan sebagai spesifikasi formal dan eksplisit dari konseptualisasi bersama dalam domain tertentu (Studer et al., 1998 ; Zhang et al., 2023 ). Definisi ini menunjukkan kegunaannya dalam memfasilitasi representasi dan pertukaran pengetahuan yang formal dan terstruktur melalui definisi ontologis yang jelas, yang memungkinkan pemahaman dan konsensus bersama di antara berbagai sistem dan pengguna. Selain itu, ontologi memungkinkan perluasan kerangka kerja yang fleksibel, sehingga lebih mudah diintegrasikan dan diterapkan di berbagai domain (García-Castro & Gómez-Pérez, 2010 ). Kemampuan beradaptasi ini khususnya bermanfaat dalam proyek-proyek kompleks seperti penggalian bawah tanah, yang sering kali dicirikan oleh banyak data dan informasi, termasuk kondisi geologis, parameter struktural, pemantauan konstruksi, dan sebagainya (Gao et al., 2022 ; Khadir et al., 2021 ; Kuster et al., 2020 ; Meng et al., 2021 ; Wang, 2021 ; Yu et al., 2023 ). Atas manfaat-manfaat ini, telah terjadi lonjakan signifikan dalam penelitian selama dua dekade terakhir yang berfokus pada model-model berbasis ontologi untuk manajemen proyek dalam industri AEC. Farghaly et al. ( 2023 ) merangkum 10 aplikasi utama ontologi dalam industri AEC, yang meliputi kota pintar, pemantauan dan kontrol, operasi dan pemeliharaan, kesehatan dan keselamatan, proses, biaya, keberlanjutan, BIM warisan, kepatuhan, dan lain-lain. Area aplikasi ontologi ini mencakup seluruh siklus hidup rekayasa, yang menunjukkan bahwa ontologi telah menjadi kerangka kerja yang ampuh untuk meningkatkan manajemen proyek dengan mengintegrasikan berbagai bagian informasi dari berbagai aspek (Chen et al., 2024 ; Costin & Eastman, 2019 ; Leite et al., 2016 ). Integrasi ini, yang didorong oleh ontologi, tidak hanya membantu dalam mengurangi biaya proyek tetapi juga secara signifikan meningkatkan kualitas pengambilan keputusan dan keselamatan rekayasa. Gambar 12 mengilustrasikan metodologi yang umum digunakan untuk pengembangan ontologi.
Secara khusus, ontologi domain dipelajari dan diterapkan secara luas di berbagai bidang teknik, menyediakan strategi yang canggih dan cerdas untuk berbagai tujuan. Hou et al. ( 2015 ) mengembangkan model ontologi untuk desain struktur beton, dengan fokus pada indeks keberlanjutan untuk keputusan pemeliharaan jembatan. Zhang et al. ( 2018 ) mengusulkan kerangka kerja ontologi cerdas untuk fase awal desain struktural, dengan tiga aspek utama: keselamatan, dampak lingkungan, dan efisiensi biaya. Jiang et al. ( 2023 ) memperkenalkan pendekatan yang menggabungkan ontologi dengan pembelajaran mesin untuk mengevaluasi korosi jembatan, sehingga meningkatkan keselamatan struktural. Zhou, Bao, et al. ( 2023 ) menyajikan model pemantauan keselamatan bendungan baru yang mengintegrasikan teknologi BIM dengan ontologi domain, yang secara efektif meningkatkan analisis data dan keselamatan bendungan. Du et al. ( 2016 ) menggunakan metodologi hibrida yang menggabungkan teknik pengelompokan hierarkis dengan ontologi untuk memprediksi penurunan terowongan, memfasilitasi identifikasi faktor penyebab dan pemilihan tindakan pencegahan atau dukungan yang tepat. Cui et al. ( 2023 ) merancang model berbasis ontologi untuk penilaian risiko seismik stasiun kereta bawah tanah, menggunakan simulasi Monte Carlo untuk menyediakan landasan ilmiah untuk mengelola risiko seismik dan meningkatkan strategi darurat. Hai et al. ( 2021 ) memperkenalkan model penilaian risiko koridor berbasis ontologi yang komprehensif, menggabungkan jaringan Bayesian untuk menawarkan alat sistematis untuk manajemen proyek dan pengambilan keputusan. Secara kolektif, aplikasi ini menyoroti tidak hanya kecanggihan teoritis metodologi berbasis ontologi tetapi juga potensi praktisnya yang signifikan dalam mengatasi tantangan teknik. Integrasi model berbasis ontologi ke dalam siklus hidup teknik memberikan solusi inovatif untuk mengelola masalah yang kompleks, multidomain, dan multiobjektif, memberdayakan peneliti dan praktisi untuk meningkatkan proses pengambilan keputusan dan meningkatkan hasil proyek.
6.3 Kerangka ontologis manajemen rekayasa bawah tanah yang cerdas
Meskipun gagasan tentang Web Semantik yang menghubungkan semua pengetahuan manusia dengan mulus mungkin tampak terlalu ambisius, berfokus pada perluasan jangkauan informasi yang dapat diakses oleh komputer merupakan tujuan yang lebih pragmatis dan dapat dicapai. Dari perspektif ini, pengembangan Web Semantik melampaui Web itu sendiri, memengaruhi berbagai domain. Kemampuan intinya—seperti integrasi data, anotasi, pengambilan informasi, dan pemrosesan bahasa alami—menunjukkan potensi luar biasa di berbagai bidang penelitian dan industri (Abanda et al., 2013 ; Jung, 2009 ; Tah & Abanda, 2011 ). Berdasarkan kemampuan ini, bagian ini mengeksplorasi bagaimana teknologi Web Semantik dapat mendukung pengambilan keputusan dalam konteks penggalian bawah tanah.
Tabel 6 menguraikan tantangan yang dihadapi dalam manajemen risiko rockburst di era kecerdasan buatan (Aydan, 2019 ; Masoudi & Sharifzadeh, 2018 ; Pu, Apel, & Lingga, 2018 ). Sementara pendekatan berbasis data memberikan cara yang lebih efisien untuk mengatasi masalah dibandingkan dengan pendekatan konvensional, masih ada kesenjangan yang signifikan antara teknik prediksi tingkat lanjut dan praktik rekayasa. Kesenjangan ini terutama membatasi kemampuan insinyur untuk secara akurat memprediksi rockburst, yang pada gilirannya menghambat tindakan pencegahan rockburst yang efektif. Salah satu masalah utama adalah kompleksitas dan ketidakpastian kondisi geologis, yang bervariasi secara signifikan selama konstruksi proyek. Variabilitas dalam lingkungan konstruksi semakin mempersulit proyek bawah tanah, terutama yang berjangka panjang dan berskala besar. Proyek-proyek semacam itu sering kali memerlukan kolaborasi antara berbagai pemangku kepentingan, sehingga sulit untuk mempertahankan pembaruan waktu nyata dan memastikan penilaian risiko yang akurat. Misalnya, pengoptimalan dinamis pengendalian rockburst sangat bergantung pada data waktu nyata untuk menyesuaikan tindakan dukungan saat kondisi berubah. Namun, dalam praktiknya, pembagian informasi penting di lokasi proyek mungkin tertunda atau rentan terhadap ketidakakuratan. Keterlambatan dalam transfer data ini dapat menghambat penerapan sistem pendukung yang tepat waktu, yang tidak hanya meningkatkan risiko yang terkait dengan peristiwa letusan batu tetapi juga meningkatkan biaya keseluruhan proyek konstruksi bawah tanah.
| Prediksi ledakan batu | Pencegahan ledakan batu |
|---|---|
|
|
|
|
|
|
Integrasi AI dan pemantauan waktu nyata sangat penting, tetapi harus dikombinasikan dengan kerangka kerja manajemen yang lebih canggih untuk mengatasi tantangan ini secara efektif. Diperlukan pendekatan holistik dan cerdas, yang dapat mengintegrasikan data waktu nyata, prediksi berbasis AI, dan proses pengambilan keputusan ke dalam sistem yang kohesif. Dalam konteks ini, ontologi—kerangka kerja untuk merepresentasikan pengetahuan secara terstruktur—telah muncul sebagai solusi potensial. Dengan kemampuannya untuk menjembatani kesenjangan antara analisis data yang kompleks dan rekayasa praktis, ontologi dapat memfasilitasi komunikasi yang lebih baik antara para pemangku kepentingan, memastikan bahwa data akurat dan tepat waktu. Ini akan memungkinkan manajemen risiko yang lebih efisien, proses pengambilan keputusan yang lebih baik, dan pendekatan yang lebih responsif terhadap kondisi dinamis yang dihadapi dalam proyek penggalian bawah tanah.
Meskipun potensi dan manfaat ontologi diakui secara luas, sejauh pengetahuan penulis, terdapat kesenjangan penting yang secara khusus ditujukan pada kerangka kerja ontologis untuk penggalian bawah tanah. Kesenjangan ini menggarisbawahi perlunya penelitian terfokus yang bertujuan untuk menjembatani kesenjangan ini dan mengeksplorasi jalan untuk kemajuan masa depan di bidang rekayasa bawah tanah. Seperti yang diilustrasikan dalam Gambar 13 , kerangka kerja berbasis ontologi yang diusulkan memberikan solusi komprehensif untuk mengelola siklus hidup proyek penggalian bawah tanah. Kerangka kerja ini dirancang untuk meningkatkan efisiensi integrasi, berbagi, dan analisis informasi dengan menyatukan sumber data heterogen ke dalam struktur yang kaya secara semantik dan dapat dibaca mesin. Ini memfasilitasi pengambilan keputusan yang lebih baik dengan memungkinkan penalaran otomatis, analisis waktu nyata, dan kolaborasi lintas disiplin.
Metodologi yang diusulkan terdiri dari tiga komponen utama: (1) pengumpulan data dan pemrosesan awal; (2) basis pengetahuan ontologi dan analisis data; dan (3) sistem pendukung keputusan cerdas. Inti dari kerangka kerja ini terletak pada model ontologi, yang mengintegrasikan data, analisis, dan proses pengambilan keputusan secara mulus untuk memastikan operasi yang lancar dan efisien. Alur kerja terperinci dari metodologi ini diuraikan sebagai berikut: (1) Pengumpulan data dan pemrosesan awal: Awalnya, data dan informasi dari berbagai domain, seperti survei geologi, desain struktural, sistem pemantauan, dan aktivitas konstruksi, dikumpulkan dan dikenakan pemrosesan awal untuk memastikan kualitas dan konsistensi data. Data yang diproses ini kemudian diunggah ke basis data berbasis cloud, membuatnya mudah diakses untuk analisis dan pemrosesan selanjutnya. (2) Basis pengetahuan ontologi dan analisis data: Ketika pengguna mengirimkan persyaratan teknik melalui antarmuka pengguna, basis pengetahuan ontologi mengeksekusi kueri semantik dan memfasilitasi transfer data untuk mengidentifikasi dan mengambil data relevan yang sesuai dengan persyaratan yang ditentukan (diilustrasikan oleh garis biru dalam alur kerja). Model ontologis kemudian berkolaborasi dengan teknologi canggih berbasis data, seperti algoritma pembelajaran mesin, model simulasi, atau analisis elemen hingga, untuk menganalisis data yang disesuaikan dengan konteks rekayasa tertentu. Tahap ini memanfaatkan kekayaan semantik ontologi untuk memastikan interpretasi dan analisis data yang akurat. (3) Sistem pendukung keputusan cerdas: Hasil analisis data dan penalaran semantik disintesis dan diumpankan kembali ke pengguna dalam format yang intuitif dan dapat ditindaklanjuti (digambarkan oleh garis merah dalam alur kerja). Hal ini memungkinkan para pemangku kepentingan untuk membuat keputusan yang tepat berdasarkan pemahaman yang komprehensif tentang data yang mendasarinya dan wawasan yang disimpulkan.
Kerangka kerja yang diusulkan merupakan model berbasis pengetahuan yang terbuka, dapat dihitung, dan dapat dikembangkan yang dibangun berdasarkan prinsip-prinsip big data, yang secara khusus dirancang untuk proyek penggalian bawah tanah. Karakteristik utama ini didefinisikan sebagai berikut: Keterbukaan: Kerangka kerja mengakomodasi berbagai sumber data, termasuk data eksplorasi geologi, parameter desain struktural, catatan teknik konstruksi, pengetahuan ahli, standar industri, informasi sosial-lingkungan, dan data pemantauan waktu nyata. Inklusivitas ini memastikan bahwa kerangka kerja tetap dapat beradaptasi dengan konteks teknik multidisiplin. Komputabilitas: Dengan memanfaatkan model ontologis, kerangka kerja menggunakan berbagai teknologi dan metodologi analitis untuk mengungkap pola dan hubungan tersembunyi dalam set data teknik yang berkembang secara dinamis. Hal ini memungkinkan pemrosesan data multidimensi yang kompleks dan dapat diskalakan secara efisien dan terukur. Kemampuan berkembang: Kerangka kerja dirancang untuk terus memperbarui dan memperluas basis pengetahuan dan kemampuan analitisnya, dengan menggabungkan sumber data baru, teknologi yang berkembang, dan tantangan yang muncul. Kemampuan beradaptasi ini memastikan bahwa sistem tetap tangguh dan kompatibel dengan masa depan, yang mampu memenuhi kebutuhan masa depan dalam teknik bawah tanah.
Dengan mengintegrasikan komponen dan kemampuan ini, kerangka kerja ini menyediakan pendekatan yang komprehensif dan cerdas untuk mengelola kompleksitas penggalian bawah tanah. Kerangka kerja ini tidak hanya meningkatkan proses pengambilan keputusan, tetapi juga mendorong efisiensi, keselamatan, dan keberlanjutan yang lebih tinggi di seluruh siklus hidup proyek. Metodologi ini menjembatani kesenjangan antara praktik rekayasa tradisional dan teknologi canggih berbasis pengetahuan, yang membuka jalan bagi masa depan yang lebih cerdas dan berpusat pada data dalam rekayasa bawah tanah.
7. KESIMPULAN
Rockburst, sebagai salah satu masalah utama yang belum terpecahkan dalam ilmu kebumian, menimbulkan tantangan besar bagi keselamatan dan stabilitas proyek bawah tanah. Makalah ini menyajikan tinjauan komprehensif dan analisis literatur komprehensif dari penelitian rockburst yang diterbitkan pada abad ke-21. Berdasarkan analisis scientometrik dari 2449 artikel yang relevan, diskusi intuitif untuk pengembangan, topik hangat, dan tren rockburst di masa mendatang disediakan. Selanjutnya, tinjauan komprehensif yang berfokus pada prediksi dan pencegahan rockburst dilakukan untuk mengeksplorasi tantangan saat ini dalam mengelola rockburst. Analisis tersebut menunjukkan bahwa meskipun penerapan metode berbasis data memberikan wawasan baru tentang prediksi rockburst, masih ada pemutusan hubungan yang signifikan antara teknik ini dan praktik teknik, yang berpotensi menghambat pencegahan rockburst yang efektif. Selain itu, desain kompleks sistem pendukung rockburst memerlukan pengoptimalan yang tepat waktu dan efektif, tetapi tantangan berbagi data yang tertunda dan tidak akurat dalam proyek teknik skala besar memperburuk masalah ini. Untuk mengatasi tantangan ini, makalah ini memperkenalkan metodologi baru untuk mengelola penggalian bawah tanah. Berdasarkan ontologi, kerangka kerja ini berupaya untuk mengintegrasikan data multisumber dan menggunakan teknik analisis tingkat lanjut untuk meningkatkan pengambilan keputusan, pembagian informasi, dan keselamatan di seluruh penggalian bawah tanah. Kerangka kerja ontologi ini mencakup tiga komponen utama: pengumpulan data dan pemrosesan awal, basis pengetahuan ontologi dan analisis data, serta sistem pendukung keputusan yang cerdas. Metodologi yang diusulkan menyediakan panduan sistematis untuk kemajuan digital dalam penggalian bawah tanah; namun, metodologi ini memerlukan validasi dan pengoptimalan lebih lanjut dalam penelitian mendatang untuk menjamin kemanjuran dan keandalannya.
