CN109441546A - 基于微震信息矿山灾害自动分区预警的方法 - Google Patents

Abstract

本发明公开了一种基于微震信息矿山灾害自动分区预警的方法，属于微震预警技术领域，包括通过微震监测系统采集微震数据，微震数据包括若干个微震事件的发生时间信息、能量信息、坐标信息、震级信息；依据微震数据及预设的分区参数，来对若干个微震事件进行立体分区；每间隔预定的时间，在设定时间窗口内对各分区中微震事件的微震活动性特征值、微震强度特征值、震级频次分布特征、微震活动率特征值、震级频次曲线偏离程度指标、能量释放变化模型分别进行统计，以获得统计数据来绘图，并制定分项评分表以及预设的单项评分阈值或多项总评分阈值，来进行分区评级、对所述目标区域进行预警。本发明达到提高安全性，便于操作，提高预警效果的技术效果。

Description

基于微震信息矿山灾害自动分区预警的方法

技术领域

本发明属于微震预警技术领域，特别涉及一种基于微震信息矿山灾害自动分区预警的方法。

背景技术

在矿床开采活动中，因大量采掘井巷破坏和岩土体变形以及矿区地质、水文地质条件与自然环境发生严重变化所产生的矿山地质灾害，会危害人类生命财产安全，破坏采矿工程设备和矿区资源环境，影响采矿生产的灾害。微震是由岩石破裂或流体扰动所产生微小的震动。

对于现有的基于微震信息矿山灾害预警的技术而言，通常是由人员长期驻扎在现场进行观察和记录，通过在现场的观察和记录的基础上来进行分析，然后对矿山灾害进行预警。但是由于这种灾害发生的时间与地域方面具有复杂性和突发性，会严重威胁着煤矿的生产安全，使得对矿山灾害预警的安全性低、操作不方便，难以对矿山灾害进行准确的预警。

综上所述，在现有的基于微震信息矿山灾害预警的技术中，存在着安全性低、操作不方便、预警效果差的技术问题。

发明内容

本发明所要解决的技术问题是在现有的基于微震信息矿山灾害预警的技术中，存在着安全性低、操作不方便、预警效果差的技术问题。

为解决上述技术问题，本发明提供了一种基于微震信息矿山灾害自动分区预警的方法，所述基于微震信息矿山灾害自动分区预警的方法包括：通过安装在目标区域内的微震监测系统来采集微震数据，所述微震数据包括若干个微震事件的发生时间信息、能量信息、坐标信息、震级信息；依据所述微震数据及预设的分区参数，来对所述若干个微震事件进行立体分区；每间隔预定的时间，在设定时间窗口内对所述进行立体分区后的各分区中所述微震事件的微震活动性特征值、微震强度特征值、震级频次分布特征、微震活动率特征值、震级频次曲线偏离程度指标、能量释放变化模型分别进行统计，以获得统计数据；依据所述统计数据来进行绘图，并制定分项评分表；依据所述绘图、所述分项评分表，以及预设的单项评分阈值或多项总评分阈值，来进行分区评级；依据所述分区评级来对所述目标区域进行预警。

进一步地，所述依据所述微震数据及预设的分区参数，来对所述若干个微震事件进行立体分区包括：通过克鲁斯卡尔算法和prime算法来对k-means算法进行改进；通过所述改进后的k-means算法对所述目标区域中若干个微震事件进行分区。

进一步地，所述依据所述微震数据及预设的分区参数，来对所述若干个微震事件进行立体分区还包括：通过所述分区参数来调整分区个数，以及所述改进后的k-means算法来对所述目标区域进行自动立体分区。

进一步地，所述依据所述微震数据及预设的分区参数，来对所述若干个微震事件进行立体分区还包括：依据工程特征信息来对所述目标区域进行手动分区，所述工程特征信息至少包括采空区、中段面。

进一步地，所述依据所述微震数据及预设的分区参数，来对所述若干个微震事件进行立体分区包括：所述工程特征信息还包括微震监测结果。

进一步地，所述基于微震信息矿山灾害自动分区预警的方法包括：所述微震活动性特征值是常数，所述微震活动性特征值用于反映微震活动性的大小。

进一步地，所述基于微震信息矿山灾害自动分区预警的方法包括：所述微震强度特征值是常数，所述微震强度特征值用于反映微震强度的强弱。

进一步地，所述基于微震信息矿山灾害自动分区预警的方法包括：所述微震活动率特征值用于反映所述设定时间窗口内微震活动率的变化。

进一步地，所述基于微震信息矿山灾害自动分区预警的方法包括：所述震级频次曲线偏离程度指标用于预测在设定时间区间内的高震级能量事件。

进一步地，所述基于微震信息矿山灾害自动分区预警的方法包括：所述设定时间窗口为30天，滑移步长为2天。

有益效果：

本发明提供一种基于微震信息矿山灾害自动分区预警的方法，通过将微震监测系统安装在目标区域的内部，来实时采集目标区域内若干个微震事件的发生时间信息、能量信息、坐标信息、震级信息。然后依据采集的若干个微震事件的发生时间信息、能量信息、坐标信息、震级信息及预设的分区参数，来对所述若干个微震事件进行立体分区。并且每间隔预定的时间，在设定时间窗口内对所述进行立体分区后的各分区中所述微震事件的微震活动性特征值、微震强度特征值、震级频次分布特征、微震活动率特征值、震级频次曲线偏离程度指标、能量释放变化模型分别进行统计，来获得统计数据。再依据所述统计数据来进行绘图，以及制定分项评分表；依据所绘的图、分项评分表，预设的单项评分阈值或多项总评分阈值，来进行分区评级并对所述目标区域进行预警。从而达到提高安全性，便于操作，提高预警效果的技术效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法的流程示意图；

图2为本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法中矿山分区效果图；

图3为本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法中特征值演化图；

图4为本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法中震级频次分布特征图；

图5为本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法中震级频次分布特征表示意图；

图6为本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法中βn分布特征图；

图7为本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法中η值分布特征图；

图8为本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法中CUFIT能量释放变化图。

具体实施方式

本发明公开了一种基于微震信息矿山灾害自动分区预警的方法，通过将微震监测系统安装在目标区域的内部，来实时采集目标区域内若干个微震事件的发生时间信息、能量信息、坐标信息、震级信息。然后依据采集的若干个微震事件的发生时间信息、能量信息、坐标信息、震级信息及预设的分区参数，来对所述若干个微震事件进行立体分区。并且每间隔预定的时间，在设定时间窗口内对所述进行立体分区后的各分区中所述微震事件的微震活动性特征值、微震强度特征值、震级频次分布特征、微震活动率特征值、震级频次曲线偏离程度指标、能量释放变化模型分别进行统计，来获得统计数据。再依据所述统计数据来进行绘图，以及制定分项评分表；依据所绘的图、分项评分表，预设的单项评分阈值或多项总评分阈值，来进行分区评级并对所述目标区域进行预警。从而达到提高安全性，便于操作，提高预警效果的技术效果。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围；其中本实施中所涉及的“和/或”关键词，表示和、或两种情况，换句话说，本发明实施例所提及的A和/或B，表示了A和B、A或B两种情况，描述了A与B所存在的三种状态，如A和/或B，表示：只包括A不包括B；只包括B不包括A；包括A与B。

同时，本发明实施例中，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本发明实施例中所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明目的，并不是旨在限制本发明。

请参见图1、图2、图3、图4、图5、图6、图7、图8，图1是本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法的流程示意图；图2是本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法中矿山分区效果图；图3是本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法中特征值演化图；图4是本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法中震级频次分布特征图；图5是本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法中震级频次分布特征表示意图；图6是本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法中βn分布特征图；图7是本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法中η值分布特征图；图8是本发明实施例提供的一种基于微震信息矿山灾害自动分区预警的方法中CUFIT能量释放变化图。本发明实施例提供一种基于微震信息矿山灾害自动分区预警的方法，所述基于微震信息矿山灾害自动分区预警的方法包括：

步骤S100,通过安装在目标区域内的微震监测系统来采集微震数据，所述微震数据包括若干个微震事件的发生时间信息、能量信息、坐标信息、震级信息。

请继续参见图1，目标区域可以是指矿山目标区域，即需要进行预警的矿山区域。可以在矿山目标区域的内部安装微震监测系统，并且利用该微震监测系统，来采集得到各项微震数据，微震数据可以包括有若干个微震事件的发生时间信息、能量信息、坐标信息、震级信息等，微震事件的发生时间信息可以是指微震事件发生时间；能量信息可以是指微震事件的能量；坐标信息可以是指微震事件的坐标；震级信息可以是指微震事件的震级。

步骤S200,依据所述微震数据及预设的分区参数，来对所述若干个微震事件进行立体分区。

通过克鲁斯卡尔算法和prime算法来对k-means算法进行改进；通过所述改进后的k-means算法对所述目标区域中若干个微震事件进行分区。通过所述分区参数来调整分区个数，以及所述改进后的k-means算法来对所述目标区域进行自动立体分区。依据工程特征信息来对所述目标区域进行手动分区，所述工程特征信息可以包括采空区、中段面、微震监测结果。

具体而言，可以通过改进后的k-means算法，来对矿山目标区域中的所有事件进行分区。同时也可以对目标区域进行手动分区，可以根据现场工程布置特征(如采空区、中段面等)，结合微震监测结果，来进行人工自定义立体分区。在通过改进后的k-means算法，来对矿山目标区域中的所有事件进行分区的过程中，可以通过设定的分区参数，来调整分区个数，继而实现对目标区域自动立体分区。针对k-means算法在随机选择迭代初值时，容易产生局部最优解，并且聚类结果不稳定等问题，可以结合最小生成树克鲁斯卡尔算法和prime算法，来提出了一种改进后的k-means算法。具体的改进后的k-means算法流程如下：

第一，读入数据对象；

第二，对原始数据对象进行清洗,修正缺失值、未知值、无效值为合理有效值；

第三，对数据进行规范化,使数据适用于k-means聚类算法；

第四，建立距离矩阵；

第五，根据距离矩阵可以得到每一个点到其他点的总距离，一般来说对于孤立点，其距离不会是顺次降低的，常常会产生一个突变。因此我们也可以根据突变来定义产生突变以后的数据集为孤立点，将其删除；

第六，根据距离矩阵,找出两个数据点距离最小的数据点,这个距离满足小于设定阈值J。计算这两个数据点X_i、X_j的中心点X_ij，X_ij＝D(X_i、X_j)；

第七，对余下的X₁、X₂、X₃、…X_ij..X_n数据集,找下一个距离最小的数据点MIN(X_mp、X_np)。如果距离大于阈值,则X_mp、X_np各自就是一个初始聚类中心点。计算每一个最小距离,直到任意距离都大于阈值J为止；

第八，考查每种聚类的数据对象的数量，如果数据量过少，少于设置的数量阀值S，则认为本部分数据对象都为孤立点，从数据集中删除；

第九，最终形成数目为k的初始聚类中心；

第十，根据数据对象到聚类中心的距离，将其归并到距离最近似的簇；

第十一，对每个簇距离重新计算，更新簇的初始聚类中心； n_j为第j类中对象的个数，j＝1,2，……k；并计算各点到各自新聚类中心的总距离E，即收敛准则函数，

第十二，迭代，假设数据点x在簇c_m中，若满足||x-c_m||>||x-c_n||时，则将数据点归为簇c_n中，并重新计算收敛准则函数；

第十三，直到下一次的聚类准则函数E_a与上一次聚类准则函数E_b的差值在ε内，即ε＝||E_a-E_b||，停止迭代，输出分区结果。其中，在上述步骤中主要利用了改进后的k-means算法实现了对矿山大区域自动分区，便于对不同矿山区域安全分级，对重点安全区域重点监测预警。

步骤S300,每间隔预定的时间，在设定时间窗口内对所述进行立体分区后的各分区中所述微震事件的微震活动性特征值、微震强度特征值、震级频次分布特征、微震活动率特征值、震级频次曲线偏离程度指标、能量释放变化模型分别进行统计，以获得统计数据。

微震活动性特征值可以是常数，所述微震活动性特征值用于反映微震活动性的大小。所述微震强度特征值是常数，所述微震强度特征值用于反映微震强度的强弱。所述微震活动率特征值用于反映所述设定时间窗口内微震活动率的变化。所述震级频次曲线偏离程度指标用于预测在设定时间区间内的高震级能量事件。所述设定时间窗口为30天，滑移步长为2天。

请继续参见图1、图2、图3、图4、图5、图6、图7、图8，微震活动性特征值可以是指a特征值；微震强度特征值可以是指b特征值；微震活动率特征值可以是指βn分布特征；震级频次曲线偏离程度指标可以是指η值分布特征；能量释放变化模型可以是指CUFIT能量释放变化模型。

可以每间隔一段时间来统计设定时间窗口内各分区微震事件的a、b特征值的演化、震级频次分布特征、βn分布特征、η值分布特征以及CUFIT能量释放变化模型。微震事件的a、b特征值主要可以通过地震学参量事件数与能量的统计关系计算获取，计算公式如下：lgN(≥E)=a-blaE。其中，N可以是指在某一分区中，微震事件在设定时间窗口内能量大于或等于E的微震事件数，E可以是指微震事件对应的能量；a、b值可以都是常数，a值可以反映的是微震活动性的大小，b值可以反映微震强度的强弱。可以通过事件数和能量的统计关系，再利用最小二乘法求取a、b值。通过计算在设定时间窗口内微震事件的a、b值，并且对a、b值的时间序列演化进行统计分析，就可以有效预测预报大能量微震事件，从而达到对矿山动力灾害事故进行预警的技术效果。

对于震级频次分布特征的获取方式，可以主要通过统计设定时间窗口内微震事件的震级频次分布情况，通过在设定时间窗口内累计统计后，就可以直观的观察到分区内部微震活动性的强弱关系。若在分区中以大能量微震事件频次分布较高，则说明该区域内微震活动性较强，同时也可以说明该分区岩爆的风险较高，此时需要对该区域加强监测和预防。

βn分布特征可以直接反映设定时间区间内微震活动率的变化，在监测时间越长时，区域内微震活动变化趋势也越明显，监测效果也越好。采用该特征值进行监测时，若发现βn值越高，则微震活动率越大，该分区诱发灾害的可能性就会越高。

对于βn的分布表达式可以如下：在式中，n(t,Δt)可以是子区间[t-Δt,t]中的微震次数，N可以是[0，T]区间中的微震总数。需要注意得是，上述表达式在计算过程中已将区间[0，T]归一化为区间[0，1]，因此Δt小于1。

η值的计算可以主要基于宇津德治提出了G-R修正式，一般认为震级与频次对数呈现为线性关系，而在实际拟合时可以发现，震级与频次曲线呈现为明显上凸型，于此宇津德治提出了修正后的古登堡公式，并定义了η值，如下式：在式中，X＝M-M_min，M_min可以是震级下限。η值可以是度量震级-频次曲线偏离程度的一种指标，η值特征分布可以用来作为预测预报在设定时间区间内高震级能量事件的预警指标。一般而言，高震级能量事件区间几乎集中发生在高η值期，低η值则意味着分区内岩体比较稳定，岩爆的可能性较低。

为了对CUFIT能量释放变化的求解流程进行详细解释，现对于CUFIT能量释放变化的求解流程作如下说明：

首先自定义累积能量释放与平均值差值的累积过程如下：在式中，可以是整个分区区域微震事件的平均能量。可以利用上式最小二乘法回归得到一条CUSUM能量拟合直线。然后求其累积能量拟合差值(简记CUFIT)，即在作最小二乘回归的时并不是直接把所有CUSUM能量值一次性回归得到线性趋势项。而是用逐项求值拟合的方法，即每增加一个微震事件都进行一次新的回归值计算拟合，并且可以用下式计算CUFIT：CUFIT_i＝CUSUM_i-(a_i-1-b_i-1i)

。在式中，a_i-1-b_i-1i可以表示对CUSUM_i-1之前所有数据作拟合的趋势项。通常在强能量释放前，微震事件能量有一个积累的过程，此时CUFIT能量值明显小于0，之后强能量会迅速释放达到一个峰值。也就是说，若该分区的微震事件活动的水平偏离正常活动的水平，则会表现的比较异常，在CUFIT能量释放曲线中就会表现出能量迅速集中释放的现象。

步骤S400,依据所述统计数据来进行绘图，并且制定分项评分表。

请继续参见图3、图4、图5、图6、图7、图8，可以统计设定时间窗口内各分区微震事件的a、b特征值演化、震级频次分布特征、βn分布特征、η值分布特征以及CUFIT能量释放变化模型数据，并且可以绘制图，然后制定分项评分表。对于评分标准表可以如下表所述：

对于分项评分表的样表可以如下表所述：

步骤S500,依据所述绘图、所述分项评分表，以及预设的单项评分阈值或多项总评分阈值，来进行分区评级。

步骤S600,依据所述分区评级来对所述目标区域进行预警。

请继续参见图1、图2、图3、图4、图5、图6、图7、图8，可以依据上述步骤S100、步骤S200、步骤S300、步骤S400以及预设的单项评分阈值或多项总评分阈值，来进行分区评级。在分析各项数据时，一般可以设定初始时间窗为30天，滑移步长可以是2天，在实际中分析时间窗和滑移步长都是可调的，a/b值统计计算可以以10天计算(a/b值也是可调的)。对于分区评分分级表，可以如下表所述：

本发明提供一种基于微震信息矿山灾害自动分区预警的方法，通过将微震监测系统安装在目标区域的内部，来实时采集目标区域内若干个微震事件的发生时间信息、能量信息、坐标信息、震级信息。然后依据采集的若干个微震事件的发生时间信息、能量信息、坐标信息、震级信息及预设的分区参数，来对所述若干个微震事件进行立体分区。并且每间隔预定的时间，在设定时间窗口内对所述进行立体分区后的各分区中所述微震事件的微震活动性特征值、微震强度特征值、震级频次分布特征、微震活动率特征值、震级频次曲线偏离程度指标、能量释放变化模型分别进行统计，来获得统计数据。再依据所述统计数据来进行绘图，以及制定分项评分表；依据所绘的图、分项评分表，预设的单项评分阈值或多项总评分阈值，来进行分区评级并对所述目标区域进行预警。从而达到提高安全性，便于操作，提高预警效果的技术效果。

最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于微震信息矿山灾害自动分区预警的方法，其特征在于，所述基于微震信息矿山灾害自动分区预警的方法包括：

通过安装在目标区域内的微震监测系统来采集微震数据，所述微震数据包括若干个微震事件的发生时间信息、能量信息、坐标信息、震级信息；

依据所述微震数据及预设的分区参数，来对所述若干个微震事件进行立体分区；

每间隔预定的时间，在设定时间窗口内对所述进行立体分区后的各分区中所述微震事件的微震活动性特征值、微震强度特征值、震级频次分布特征、微震活动率特征值、震级频次曲线偏离程度指标、能量释放变化模型分别进行统计，以获得统计数据；

依据所述统计数据来进行绘图，并制定分项评分表；

依据所述绘图、所述分项评分表，以及预设的单项评分阈值或多项总评分阈值，来进行分区评级；

依据所述分区评级来对所述目标区域进行预警。

2.如权利要求1所述的基于微震信息矿山灾害自动分区预警的方法，其特征在于，所述依据所述微震数据及预设的分区参数，来对所述若干个微震事件进行立体分区包括：

通过克鲁斯卡尔算法和prime算法来对k-means算法进行改进；

通过所述改进后的k-means算法对所述目标区域中若干个微震事件进行分区。

3.如权利要求2所述的基于微震信息矿山灾害自动分区预警的方法，其特征在于，所述依据所述微震数据及预设的分区参数，来对所述若干个微震事件进行立体分区还包括：

通过所述分区参数来调整分区个数，以及所述改进后的k-means算法来对所述目标区域进行自动立体分区。

4.如权利要求3所述的基于微震信息矿山灾害自动分区预警的方法，其特征在于，所述依据所述微震数据及预设的分区参数，来对所述若干个微震事件进行立体分区还包括：

依据工程特征信息来对所述目标区域进行手动分区，所述工程特征信息至少包括采空区、中段面。

5.如权利要求4所述的基于微震信息矿山灾害自动分区预警的方法，其特征在于，所述依据所述微震数据及预设的分区参数，来对所述若干个微震事件进行立体分区包括：

所述工程特征信息还包括微震监测结果。

6.如权利要求5所述的基于微震信息矿山灾害自动分区预警的方法，其特征在于，所述基于微震信息矿山灾害自动分区预警的方法包括：

所述微震活动性特征值是常数，所述微震活动性特征值用于反映微震活动性的大小。

7.如权利要求6所述的基于微震信息矿山灾害自动分区预警的方法，其特征在于，所述基于微震信息矿山灾害自动分区预警的方法包括：

所述微震强度特征值是常数，所述微震强度特征值用于反映微震强度的强弱。

8.如权利要求7所述的基于微震信息矿山灾害自动分区预警的方法，其特征在于，所述基于微震信息矿山灾害自动分区预警的方法包括：

所述微震活动率特征值用于反映所述设定时间窗口内微震活动率的变化。

9.如权利要求8所述的基于微震信息矿山灾害自动分区预警的方法，其特征在于，所述基于微震信息矿山灾害自动分区预警的方法包括：

所述震级频次曲线偏离程度指标用于预测在设定时间区间内的高震级能量事件。

10.如权利要求9所述的基于微震信息矿山灾害自动分区预警的方法，其特征在于，所述基于微震信息矿山灾害自动分区预警的方法包括：

所述设定时间窗口为30天，滑移步长为2天。