采矿与安全工程学报 ›› 2024, Vol. 41 ›› Issue (3): 511-521.doi: 10.13545/j.cnki.jmse.2023.0453

• 论文 • 上一篇    下一篇

基于微震多维信息融合的冲击地压全时空预测方法

杨旭,刘亚鹏,曹安业,刘耀琪,王常彬,赵卫卫   

  1. 1. 中国矿业大学计算机科学与技术学院,矿山数字化教育部工程研究中心,江苏徐州221116;

    2. 中国矿业大学矿业工程学院,江苏徐州221116;

    3. 中国矿业大学煤炭精细勘探与智能开发全国重点实验室,江苏徐州221116
  • 出版日期:2024-05-15 发布日期:2024-05-21
  • 通讯作者: 曹安业,E-mail: caoanye@163.com Tel: 18361279938
  • 作者简介: 杨旭(1995— ),男,江苏省徐州市人,讲师,博士,从事冲击地压监测预警方面的研究。
  • 基金资助:
    国家重点研发计划项目(2022YFC3004603);国家自然科学基金项目(52274098);江苏省自然科学基金项目(BK20221109);江苏省创新支撑计划国际科技合作/港澳台科技合作——重点国别产业技术研发合作项目(BZ2023050)

A spatio-temporal prediction method for coal burst based on the fusion of microseismic multidimensional information#br#

  • Online:2024-05-15 Published:2024-05-21

摘要: 为解决当前冲击地压时间与空间预测协同难、微震数据时空特征挖掘不充分的困境,结合深度学习相关理论与方法,提出了基于微震多维信息融合的冲击地压全时空预测方法,该方法主要包括微震时空特征指标、时间预测以及空间预测3个模块,设计了基于主成分分析和核密度估计的微震时空特征指标构建方法,在此基础之上,构建了基于深度循环神经网络的冲击地压时间预测模型,提出了基于长短期时间窗融合的冲击地压空间预测方法,从而实现了冲击地压时间-空间协同的全时空预测。此外,为了评估所提方法的有效性,在内蒙古鄂尔多斯矿区某冲击危险工作面进行了工程应用测试,测试时间段共出现13条大于105 J的大能量微震事件,在时间预测方面,对于大能量事件的时间预测结果为10个强危险、3个中等危险,并且整个测试阶段模型误报率仅为0.133。在空间预测方面,对于大能量事件的空间预测结果的分布区域为6个强危险、3个中等危险、4个弱危险。实验表明该方法可满足工程应用的需求,研究成果可为冲击地压监测预警提供参考与借鉴。

关键词: 冲击地压, 全时空预测, 微震, 时空特征指标, 深度循环神经网络

中图分类号: