基于深度迁移学习的矿山微震到时精确拾取与自动定位策略

• Published in: 煤炭学报 Vol. 48; no. 12; pp. 4393 - 4405
• Main Authors: 曹安业, 杨旭, 王常彬, 李森, 刘耀琪, 窦林名, 牛强
• Format: Journal Article
• Language: Chinese
• Published: 中国矿业大学矿业工程学院,江苏徐州 221116%中国矿业大学计算机科学与技术学院,江苏徐州 221116%中国矿业大学煤炭资源与安全开采国家重点实验室,江苏徐州 221116 01.12.2023
• Subjects: 数据驱动; seismic monitoring; rock burst; 冲击地压; automatic P-wave pickup; P波到时拾取; 微震监测; 深度迁移学习; deep transfer learning; data driven; 定位算法; seismic locating algorithm
• ISSN: 0253-9993
• DOI: 10.13225/j.cnki.jccs.2023.0095

TD313; 矿山智能化建设大背景下,微震监测作为冲击地压等复杂动力灾害智能预警体系建设的基础保障技术现已得到广泛应用,如何基于微震监测数据实现矿山动力事件的高效精确捕捉与定位是当前研究的重点与难点.为解决矿山低信噪比震动波到时自动拾取不准、定位结果受人为因素干扰等问题,结合大数据与深度学习相关理论与方法,初步尝试建立基于深度迁移学习的矿山微震实时自动定位方法.设计了基于百万条地震波数据的矿山微震到时自动拾取初始模型,为进一步使该模型适用于矿山微震定位与信息解析,结合所建立的一万余条矿山微震到时拾取数据集,构建了矿山震动波到时自动拾取模型,实现矿山震动波P波到时自动精准拾取.在此基础上,设计了微震定位台站自动优选方法,提出定位台站波速自动微调策略,实现了矿山微震事件自动精准定位.以内蒙古某煤矿强开采扰动工作面的顶板爆破数据为验证对象,结果证明自动定位算法在水平空间平均定位误差为27.88 m,三维空间平均定位误差为28.40m,满足矿山冲击地压等动力灾害的微震定位精度需求,有效降低台站波速标定精度不足对事件定位误差的影响,鲁棒性较强,并将耗时数分钟的人工定位缩短至200ms内完成,初步实现了矿山微震事件的自动实时定位.研究结果可为矿山动力灾害微震信息准确解析挖掘与智能预警提供可靠技术支撑.