CN110779574B - 一种煤岩动力灾害多系统多参量集成综合预警方法及系统 - Google Patents

一种煤岩动力灾害多系统多参量集成综合预警方法及系统 Download PDF

Info

Publication number
CN110779574B
CN110779574B CN201911047938.8A CN201911047938A CN110779574B CN 110779574 B CN110779574 B CN 110779574B CN 201911047938 A CN201911047938 A CN 201911047938A CN 110779574 B CN110779574 B CN 110779574B
Authority
CN
China
Prior art keywords
early warning
monitoring system
characteristic parameter
monitoring
characteristic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911047938.8A
Other languages
English (en)
Other versions
CN110779574A (zh
Inventor
何学秋
宋大钊
何生全
李振雷
薛雅荣
王安虎
牟宏伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongan Institute Of Safety Engineering
University of Science and Technology Beijing USTB
Original Assignee
Zhongan Institute Of Safety Engineering
University of Science and Technology Beijing USTB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhongan Institute Of Safety Engineering, University of Science and Technology Beijing USTB filed Critical Zhongan Institute Of Safety Engineering
Priority to CN201911047938.8A priority Critical patent/CN110779574B/zh
Publication of CN110779574A publication Critical patent/CN110779574A/zh
Priority to US16/820,751 priority patent/US11043101B2/en
Application granted granted Critical
Publication of CN110779574B publication Critical patent/CN110779574B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/288—Event detection in seismic signals, e.g. microseismics
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
    • E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
    • E21F17/18—Special adaptations of signalling or alarm devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Emergency Management (AREA)
  • Mining & Mineral Resources (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Geophysics (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Agronomy & Crop Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Genetics & Genomics (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)

Abstract

本发明提供一种煤岩动力灾害多系统多参量集成综合预警方法及系统，该方法包括：获取多个煤岩动力灾害监测系统的监测数据，基于监测数据挖掘出各监测系统中能反映煤岩动力灾害前兆信息的多元特征参量；基于多元特征参量，筛选出每一监测系统中预警效能最高的特征参量组合及其中各特征参量的最优临界值；基于各监测系统的预警效能最高的特征参量组合及其中各特征参量的最优临界值，计算出每一监测系统的综合预警指数和预警效能；基于各监测系统的综合预警指数和预警效能，计算出煤岩动力灾害多系统综合预警结果。本发明将多个煤岩动力灾害监测系统优势互补，提高了预警准确率并剔除了主观因素的影响，可为矿山灾害防治工作的开展起到一定指导作用。

Description

一种煤岩动力灾害多系统多参量集成综合预警方法及系统
技术领域
本发明涉及煤岩动力灾害预警技术领域，特别是指一种煤岩动力灾害多系统多参量集成综合预警方法及系统。
背景技术
煤岩动力灾害是煤矿主要的灾害类型之一，其破坏性大，严重时导致井巷闭合，大量煤岩体喷出，造成人员伤亡和财产损失。由于煤炭长期开采，现阶段大多数矿井已进入深部开采，伴随而来的是煤岩动力灾害频次、强度和破坏程度均呈上升趋势。煤岩动力灾害成因复杂多变，给监测预警和防治带来挑战。因此，准确高效的监测预警方法成为煤矿提前了解灾害危险，采取防治措施，确保安全生产的主要方法。
目前，矿山中对于煤岩动力灾害的实时监测手段主要包括微震监测、地音监测、支架应力监测和电磁辐射监测等，其中微震监测系统主要针对低频高能事件，可实现对高尺度煤岩断裂的时序监测和对破裂源的空间定位，用于大范围区域监测；地音监测系统主要针对高频低能事件，可实现对低尺度煤岩体微破裂的局部监测，传感器监测范围达30m左右；支架应力监测系统主要针对采场顶板来压情况进行监测；电磁辐射监测系统可同时对煤岩体内部应力集中状况和破裂进行监测，监测范围达20m。然而，由于各种装备在监测原理、监测方式和监测范围等方面存在差异，上述多种监测装备一般各自为政、多源监测数据的预警结果可能不一致，导致仪器装备使用效率不高，甚至产生漏报、误报。同时，由于缺乏对各监测系统监测数据的深入挖掘，预警准确率较低，严重影响井下安全生产。
发明内容
针对上述现有技术所存在的缺陷，本发明提供一种煤岩动力灾害多系统多参量集成综合预警方法及系统，对各监测系统的监测数据进行深入挖掘分析，并将得到的监测预警信息进行有机融合，构建多系统多参量综合集成监测预警模型，形成预警准则统一、预警指标统一、预警临界值统一的综合集成高可靠性预警方法，提高对煤岩动力灾害危险的预警精度，减少漏报、误报次数，为矿井灾害防治工作的开展起到一定指导作用。
为解决上述技术问题，本发明提供一种煤岩动力灾害多系统多参量集成综合预警方法，所述煤岩动力灾害多系统多参量集成综合预警方法包括：
获取多个煤岩动力灾害监测系统的监测数据，基于所述监测数据挖掘出各监测系统中能反映煤岩动力灾害前兆信息的多元特征参量；
基于所述多元特征参量，筛选出每一监测系统中预警效能最高的特征参量组合及其中各特征参量的最优临界值；
基于各监测系统的预警效能最高的特征参量组合及其中各特征参量的最优临界值，计算出每一监测系统的综合预警指数和预警效能；
基于各监测系统的综合预警指数和预警效能，计算出煤岩动力灾害多系统综合预警结果。
进一步地，在计算出煤岩动力灾害多系统综合预警结果后，所述方法还包括：将所述煤岩动力灾害多系统综合预警结果与煤岩动力灾害分级预警评判准则相对比，确定动力灾害危险级别。
可选地，所述监测系统包括在线监测系统和便携监测系统；其中，所述在线监测系统包括微震监测系统、地音监测系统和液压支架监测系统。
可选地，所述监测数据包括所述在线监测系统实时采集得到的连续监测数据和所述便携监测系统采集得到的离散监测数据。
可选地，所述多元特征参量的维度包括时间维度、空间维度和强度维度，所述多元特征参量包括：
所述微震监测系统中反映时序信息的频次、频次比和频次偏差值；反映空间信息的离散度；反映强度信息的微震能量、微震能量偏差值和离散度；
所述地音监测系统中反映强度信息的地音能量、地音能量偏差值、地音能量平均值和脉冲因子；反映时序信息的脉冲；
所述液压支架监测系统中反映时序信息的闪烁间隔危险度；反映强度信息的记录频次和支架压力。
进一步地，所述筛选出每一监测系统中预警效能最高的特征参量组合及其中各特征参量的最优临界值，包括：
将同一监测系统中属于不同维度的特征参量进行两两组合；
利用遗传算法训练并优选出每一监测系统中适应度值最高的特征参量组合并计算出其中各特征参量的最优临界值；
将各监测系统中适应度值最高的特征参量组合作为该监测系统对应的预警效能最高的特征参量组合。
进一步地，在利用遗传算法训练并优选出每一监测系统中适应度值最高的特征参量组合时，对于所述微震监测系统优选出适应度值最高的前两组特征参量组合；对于所述地音监测系统和液压支架监测系统，优选出每一传感器对应的适应度值最高的一组特征参量组合。
进一步地，基于各监测系统的预警效能最高的特征参量组合及其中各特征参量的最优临界值，计算出每一监测系统的综合预警指数和预警效能，包括：
基于各监测系统的适应度值最高的特征参量组合及其中各特征参量的最优临界值，根据下式计算出各监测系统的单系统预警程度：
Figure BDA0002254585850000031
其中，对于所述微震监测系统，单系统预警程度为适应度值最高的每一特征参量组合的预警程度，此时Wi表示第i组适应度值最高的特征参量组合的预警程度，ai和bi分别表示第i组适应度值最高的特征参量组合中两个特征参量的实时值，V1和V2分别表示第i组适应度值最高的特征参量组合中各特征参量对应的最优临界值；
对于所述地音监测系统和液压支架监测系统，单系统预警程度为各传感器的预警程度，此时Wi表示第i个传感器的预警程度，ai和bi分别表示第i个传感器对应的适应度值最高的特征参量组合中两个特征参量的实时值，V1和V2分别表示第i个传感器对应的适应度值最高的特征参量组合中各特征参量对应的最优临界值；
基于各监测系统的单系统预警程度，根据下式计算出各监测系统的综合预警指数W综：
Figure BDA0002254585850000041
其中，对于所述微震监测系统，Ri为第i组适应度值最高的特征参量组合的适应度值；对于所述地音监测系统和液压支架监测系统，Ri为第i个传感器对应的适应度值最高的特征参量组合的适应度值；
基于各监测系统的综合预警指数，根据下式计算出每一监测系统的预警效能RI，RI表示第I个监测系统的预警效能：
Figure BDA0002254585850000042
其中，
Figure BDA0002254585850000043
为在监测时间段内产生预警并且报准的次数；N1为监测时间段内大能量或冲击事件的总次数；t0为产生预警占用时长；T0为监测总时长；当监测系统对应的综合预警指数在冲击或大能量事件发生前预设天数内超过预设阈值则预警为报准，否则为漏报或误报。
进一步地，所述基于各监测系统的综合预警指数和预警效能，计算出煤岩动力灾害多系统综合预警结果，包括：
基于各监测系统的综合预警指数和预警效能，根据下式计算出煤岩动力灾害多系统综合预警结果I综：
Figure BDA0002254585850000044
其中，W综I表示第I个监测系统的综合预警指数，RI表示第I个监测系统的预警效能。
相应地，为解决上述问题，本发明还提供一种煤岩动力灾害多系统多参量集成综合预警系统，所述煤岩动力灾害多系统多参量集成综合预警系统包括：
多元特征参量挖掘模块，用于获取多个煤岩动力灾害监测系统的监测数据，并基于所述监测数据挖掘出各监测系统中能反映煤岩动力灾害前兆信息的多元特征参量；
特征参量组合筛选模块，用于基于所述多元特征参量，筛选出每一监测系统中预警效能最高的特征参量组合及其中各特征参量的最优临界值；
单系统预警指数及预警效能计算模块，用于基于各监测系统中预警效能最高的特征参量组合及其中各特征参量的最优临界值，计算出每一监测系统的综合预警指数和预警效能；
综合预警结果计算模块，用于基于各监测系统的综合预警指数和预警效能，计算出煤岩动力灾害多系统综合预警结果。
本发明的上述技术方案的有益效果如下：
本发明通过对微震、地音、应力和电磁辐射等设备监测到的数据进行深入挖掘分析，得出各系统的预警特征参量，将各系统特征参量两两配对后输入遗传算法中得到该特征参量组合的最优临界值V1、V2和相应的适应度值，优选出适应度值最高的组合作为该监测系统的特征参量组合，之后计算出各单系统的预警程度Wi和综合预警指数W综，并利用R值评分法得出各单系统预警效能RI，最后计算出煤岩动力灾害多系统综合预警结果I综，确定当前煤岩动力灾害危险程度以及采取的措施。该方法将多监测系统优势互补，提高了预警准确率并剔除了主观因素的影响，可为矿山灾害防治工作的开展起到一定指导作用。
附图说明
图1为离散度时序变化曲线；
图2为频次比时序变化曲线；
图3为能量偏差值时序变化曲线；
图4为频次偏差值时序变化曲线；
图5为能量平均值(取对数)时序变化曲线；
图6为脉冲因子时序变化曲线；
图7为记录频次时序变化曲线；
图8为闪烁间隔危险度时序变化曲线；
图9为多系统综合预警结果；
图10为本发明的煤岩动力灾害多系统多参量集成综合预警方法流程图；
图11为本发明的遗传算法计算最优临界值的流程示意图；
图12为本发明采用的遗传算法在MATLAB 2014b环境中的运行过程图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
第一实施例
请参阅图1至图12，本实施例提供一种煤岩动力灾害多系统多参量集成综合预警方法，如图10所示(图中“……”表示各监测系统中其它可实时在线读取的连续监测数据或离散监测数据)，所述方法包括：
S101，获取多个煤岩动力灾害监测系统的监测数据，基于所述监测数据挖掘出各监测系统中能反映煤岩动力灾害前兆信息的多元特征参量；
需要说明的是，上述监测系统为矿井已安装的监测系统，其包括在线监测系统和便携监测系统；其中，在线监测系统包括但不限于微震监测系统、地音监测系统和液压支架监测系统。上述监测数据包括在线监测系统实时采集得到的连续监测数据和便携监测系统采集得到的离散监测数据，进一步地，监测数据不仅包括能够直接读取的数据，而且还包括经数据挖掘后得到的深层次时间、空间、强度多元特征参量。
多元特征参量为时间、空间、强度多元特征参量，其包括但不限于：
微震监测系统中反映时序信息的频次、频次比和频次偏差值；反映空间信息的离散度；反映强度信息的微震能量、微震能量偏差值和离散度；
地音监测系统中反映强度信息的地音能量、地音能量偏差值、地音能量平均值和脉冲因子；反映时序信息的脉冲；
液压支架监测系统中反映时序信息的闪烁间隔危险度；反映强度信息的记录频次和支架压力。
具体地，上述多元特征参量的计算方式如下：
频次比P(t)的取值由下式计算：
Figure BDA0002254585850000061
其中，a(t)表示大能量事件发生前第n小时(可以取8小时)内的平均频次，b(T)表示大能量事件前n天(可以取2天)内的平均频次；
频次偏差值DP(t)的取值由下式计算：
Figure BDA0002254585850000071
其中，N(t)表示该天发生微震事件的个数，
Figure BDA0002254585850000072
表示两次大能量矿震事件(可以取能量>106J)之间平均每日发生微震事件的频次；
离散度Q(t)的取值由下式计算：
Figure BDA0002254585850000073
其中，TE(t)为一段时间内最大能量和中位数能量之和；LE(t)为微震临界特征能量，具有计算步骤如下：
1)计算近一段时间内(可以取前8小时)发生的所有微震事件位置的加权平均距离d：
Figure BDA0002254585850000074
其中，前一段时间内共发生n次微震事件，x、y、z的平均值是指这n次微震事件的均值，对于第i次微震事件，其坐标为xi、yi、zi。wi为第i个微震事件能量的开方值；
2)将历史微震事件计算的加权平均距离从小到大排序；
3)找出其中位于a1、a2、a3、a4…ax位置所对应的加权平均距离的序号，然后向下取整，共得到x个加权平均距离对应的序号(其中x可以取7，对应的ai各取值可以分别为1.2％，7.04％，27.5％，80.84％，88.51％，94.84％，98.34％)；
4)将上述得到的每个加权平均距离左右半径一定范围内(可以取一米内)的所有特征能量点分别按从小到大的顺序排列；
5)将每个加权平均距离周围一定范围内的特征能量点取出(该范围个数与3)中的x相同，对应范围可以取(40％-45％)，(45％-50％)，(98％-99％)，(98％-99％)，(98％-99％)，(90％-98％)，(85％-90％)内的所有值，将取出的特征能量点计算平均值后得到临界特征能量点，从而得到临界特征能量LE(t)；
6)将临界特征能量LE(t)对应的加权平均距离找出，即在加权平均距离和特征能量对应的坐标系中找出x个点，利用插值法得到临界特征能量曲线；
7)将数据代入
Figure BDA0002254585850000081
中即可得到离散度；
微震能量偏差值DE(t)的取值由下式计算：
Figure BDA0002254585850000082
其中，E(t)表示该t时刻发生微震事件的能量，
Figure BDA0002254585850000083
表示两次大能量矿震事件(可以取能量>106J)之间平均每次微震事件的能量；
地音能量偏差值D(t)的取值由下式计算：
Figure BDA0002254585850000084
其中，
Figure BDA0002254585850000085
P(t)为一段时间(可以取10分钟)内研究参量的累积和除以一段时间的时间窗长度，T(t)表示时间间隔，这一时间间隔与t时刻相关，是t时刻之前一段时间(可以取24小时)到t时刻之间的时间间隔，n为T(t)时间间隔内的地音加权能量的个数；
地音能量平均值AE为给定时间(可以取6小时)内的平均能量；
脉冲因子P得取值由下式计算：
Figure BDA0002254585850000086
其中，n是近一段时间(可以取6h)某一时间窗(可以取10min)的个数，
Figure BDA0002254585850000087
的计算方法为：将近一段时间(可以取6h)地音某一时间窗(可以取10min)能量累计值按从大到小排序，其是前n/10个数(向下取整)的均值，
Figure BDA0002254585850000088
是近一段时间(可以取6h)地音某一时间窗(可以取10min)能量累计值的均值；
记录频次H为近一段时间(可以取6h)内的支架压力采集频次；
闪烁间隔危险度的计算方法为：
Figure BDA0002254585850000089
其中t1表示前一次闪烁的时间，t2表示随后一次闪烁的时间。闪烁为将一段时间(可以取2天)内的平均压力值记为均值，后续压力数据若从高于均值，下降到均值的一定范围以下(可以为均值的1/10)，并再次上升到均值以上时，记为一次闪烁。
S102，基于所述多元特征参量，筛选出每一监测系统中预警效能最高的特征参量组合及其中各特征参量的最优临界值；
需要说明的是，本实施例中，上述步骤具体是利用遗传算法训练并优选出每一监测系统中预警效能最高的特征参量组合及对应的最优临界值；
其中，遗传算法是一种模仿自然界生物进化机制的在目标空间内进行有导向的过程搜索最优解算法，先天具有可进行多参数、多组合同时优化的特征，能直接对结构对象进行操作，不存在求导和函数连续性的限定。其实质是利用自然界生物“优胜劣汰”的机制，由选择、交叉、变异等遗传操作通过迭代的方式最终筛选出对环境适应度高的样本，并且它采用概率化的寻优方法，利用适应度函数的评价信息而不是传统导数的目标函数，形式对目标函数没有要求，因而有良好的适应性和可规模化特征。
具体地，本实施例中利用遗传算法训练并优选出每一监测系统中预警效能最高的特征参量组合及对应的最优临界值的过程包括：
1)将同一监测系统中属于不同维度的特征参量进行两两组合；也即组合时需将各监测系统中属于时间、空间、强度三种不同维度的特征参量进行组合；
2)利用遗传算法训练并优选出每一监测系统中适应度值最高的特征参量组合并计算出其中各特征参量的最优临界值；
3)将各监测系统中适应度值最高的特征参量组合作为该监测系统对应的预警效能最高的特征参量组合。
进一步地，上述利用遗传算法训练并优选出每一监测系统中适应度值最高的特征参量组合并计算出最优临界值的过程如图11所示，包括：
(i)输入不同监测系统的特征参量组件；
(ii)根据步骤(i)输入的数据产生初始样本；
(iii)利用遗传算法的适应度函数计算适应度；
(iv)根据步骤(iii)中计算的适应度判断是否满足遗传算法中设定的终止条件；
(v)如果步骤(iv)的判断满足终止条件，则输出特征参数的最优临界值；如果步骤(iv)的判断不满足终止条件，则进入步骤(vi)；
(vi)重新依次进行选择、交叉与变异步骤(ii)产生的初始样本，保留适应度值最高的个体同时淘汰适应度低的个体，产生新的样本，并返回步骤(iii)进行计算，直至满足所述终止条件。
其中，上述步骤(iii)中，遗传算法的适应度函数采用R值评分法，R值评分法是20世纪70年代地球物理所提出的用于评价地震预报效能的方法，其思路清晰、便于操作；既不鼓励虚报，又不鼓励漏报，几十年来被广泛应用于地震预测预报中，取得了良好的效果。R值评分法公式如下式所示：
Figure BDA0002254585850000101
其中，
Figure BDA0002254585850000102
表示产生预警并且报对的次数；N1表示有大能量或冲击事件的总次数；
Figure BDA0002254585850000103
表示产生预警但误报的次数；N0表示无大能量或冲击事件的总次数，其中，大能量指能量大于105J的微震事件，冲击指有冲击显现的事件；定义特征参量值在冲击或大能量事件发生前两天内超过最优临界值则为报准，否则为漏报或误报；R值越接近于1表示预警准确率越高，选取适应度值R最大的特征参量组合a和b及其对应的最优临界值V1和V2。
遗传算法在MATLAB 2014b环境中的运行过程如图12所示，其中a为适应度函数在每次迭代过程中的惩罚值(为1-适应度值)；b为迭代次数。
此外，在利用遗传算法训练并优选出每一监测系统中适应度值最高的特征参量组合时，对于微震监测系统，由于其监测全采区范围的微震事件，所有探头综合采集一组监测结果，故需选取适应度值最高的前两组特征参量组合；
对于地音监测系统和液压支架监测系统，由于其分别采集不同范围的监测信息，每个传感器都有一组监测结果，故选取每一传感器对应的适应度值最高的一组特征参量组合。
S103，基于各监测系统的预警效能最高的特征参量组合及其中各特征参量的最优临界值，计算出每一监测系统的综合预警指数和预警效能；
需要说明的是，本实施例中，上述步骤具体包括：
1)基于各监测系统的适应度值最高的特征参量组合及其中各特征参量的最优临界值，根据下式计算出各监测系统的单系统预警程度：
Figure BDA0002254585850000111
其中，对于微震监测系统，单系统预警程度为适应度值最高的每一特征参量组合的预警程度，此时Wi表示第i组适应度值最高的特征参量组合的预警程度，ai和bi分别表示第i组适应度值最高的特征参量组合中两个特征参量的实时值，V1和V2分别表示第i组适应度值最高的特征参量组合中各特征参量对应的最优临界值；
对于地音监测系统和液压支架监测系统，单系统预警程度为各传感器的预警程度，此时Wi表示第i个传感器的预警程度，ai和bi分别表示第i个传感器对应的适应度值最高的特征参量组合中两个特征参量的实时值，V1和V2分别表示第i个传感器对应的适应度值最高的特征参量组合中各特征参量对应的最优临界值；
2)基于各监测系统的单系统预警程度，根据下式计算出各监测系统的综合预警指数W综：
Figure BDA0002254585850000112
其中，对于微震监测系统，Ri为第i组适应度值最高的特征参量组合的适应度值；对于地音监测系统和液压支架监测系统，Ri为第i个传感器对应的适应度值最高的特征参量组合的适应度值；
3)基于各监测系统的综合预警指数，利用R值评分法，根据下式计算出每一监测系统的预警效能RI，RI表示第I个监测系统的预警效能：
Figure BDA0002254585850000113
其中，
Figure BDA0002254585850000114
为在监测时间段内产生预警并且报准的次数；N1为监测时间段内大能量或冲击事件的总次数；t0为产生预警占用时长；T0为监测总时长；当监测系统对应的综合预警指数在冲击或大能量事件发生前预设天数内超过预设阈值则预警为报准，否则为漏报或误报。
具体地，本实施例定义W综值在冲击或大能量事件发生前2天内超过0.5则为报准，否则为漏报或误报；每次产生预警的时长为2天。
S104，基于各监测系统的综合预警指数和预警效能，计算出煤岩动力灾害多系统综合预警结果。
需要说明的是，在本实施例中，上述步骤具体为：
根据下式计算出煤岩动力灾害多系统综合预警结果I综：
Figure BDA0002254585850000121
其中，W综I表示第I个监测系统的综合预警指数，RI表示第I个监测系统的预警效能。
进一步地，在S104之后，本实施例的方法还包括：
S105，将煤岩动力灾害多系统综合预警结果与煤岩动力灾害分级预警评判准则相对比，确定动力灾害危险级别。
需要说明的是，在本实施例中，上述步骤根据对比结果确定的危险级别为：当0≤I综≤0.25时，为无危险状态；当0.25＜I综≤0.5时，为弱危险状态；当0.5＜I综≤0.75时，为中危险状态；当0.75＜I综≤1时，为强危险状态。
根据本发明的预警结果，可以根据表1采取相应的措施。
表1 煤岩动力灾害危险状态分级表
Figure BDA0002254585850000122
Figure BDA0002254585850000131
下面，结合具体的应用场景，对本实施例的方法作进一步说明：
选取某矿井的某一工作面，在工作面附近分别布置微震、地音和液压支架监测系统，预警步骤如下：
(1)收集并分析该矿井各煤岩动力灾害监测系统的历史监测数据，挖掘出各系统中可反映煤岩动力灾害前兆信息的时间、空间、强度多元特征参量，包括微震监测系统中离散度、频次比、能量偏差值和频次偏差值，地音监测系统中能量平均值和脉冲因子，支架监测系统中闪烁间隔危险度和记录频次。其中离散度为基于空间维度的特征参量，一段时期内微震事件震源位置离散程度越小，则之后诱发冲击事件的可能性越大；频次比和频次偏差值为时间维度特征参量，冲击事件发生前微震事件发生频次较之前降低，出现“平静期”现象，为后期更大破坏积蓄能量；能量平均值和能量偏差值为强度维度特征参量，地音或微震监测到的能量值越大，则煤岩体内部破裂现象越严重；脉冲因子为时间维度特征参量，表示地音能量产生相对峰值的大小；闪烁间隔危险度为时间维度特征参量，支架压力的快速变化称为闪烁，闪烁能排除移架造成的影响且其发生频率越大则煤岩体内部能量积蓄越严重；记录频次为强度维度特征参量，煤岩体内部应力变化时液压支架传感器的记录频次会随之升高。以两个月为时间窗口绘制如下各特征参量的时序变化曲线，结果如图1-图8所示。
(2)将各系统不同维度的特征参量两两组合输入遗传算法中计算最优临界值V1和V2及其对应的适应度值R，优选出微震监测系统的适应度值最高的两组特征参量组合，分别是离散度和频次比，能量偏差值和频次偏差值；地音监测系统的能量平均值(取对数)和脉冲因子；支架监测系统的记录频次和闪烁间隔危险度。计算结果如表2所示：
表2 遗传算法计算结果
Figure BDA0002254585850000141
(3)计算各单系统预警程度Wi和综合预警指数W综，并利用R值评分法得出各单系统预警效能RI。在历史监测时间段内该工作面共发生9次冲击或大能量事件，为便于表述将其编号为①-⑨；并将预警成败的依据定义为：冲击或大能量事件发生前3天内综合预警指数W综超过0.5则为预警成功，反之则失败。计算结果如下表3所示。
表3 单系统综合预警指数W综和预警效能RI
Figure BDA0002254585850000142
在冲击或大能量事件发生前各系统综合预警指数W综基本都达到了预警标准，预警结果较准确，具有一定参考性。
(4)根据步骤(3)中表3的计算结果，计算出该矿煤岩动力灾害多系统综合预警结果I综，以两个月为绘图时间窗口，结果如图7所示：
(5)将多系统综合预警结果I综与煤岩动力灾害分级预警评判准则相对比以确定危险级别：当0≤I综≤0.25时，为无危险状态；当0.25＜I综≤0.5时，为弱危险状态；当0.5＜I综≤0.75时，为中危险状态；当0.75＜I综≤1时，为强危险状态。
本实施例的方法采用多系统综合预警结果作为预警指标对监测大范围区域进行煤岩动力灾害危险预警，实现了多系统多参量集成时空综合预警，且准确性高、操作简单、可实现编程操作，为煤岩动力灾害的高效预警奠定了基础。
第二实施例
本实施例提供一种煤岩动力灾害多系统多参量集成综合预警系统，所述煤岩动力灾害多系统多参量集成综合预警系统包括：
多元特征参量挖掘模块，用于获取多个煤岩动力灾害监测系统的监测数据，并基于所述监测数据挖掘出各监测系统中能反映煤岩动力灾害前兆信息的多元特征参量；
特征参量组合筛选模块，用于基于所述多元特征参量，筛选出每一监测系统中预警效能最高的特征参量组合及其中各特征参量的最优临界值；
单系统预警指数及预警效能计算模块，用于基于各监测系统中预警效能最高的特征参量组合及其中各特征参量的最优临界值，计算出每一监测系统的综合预警指数和预警效能；
综合预警结果计算模块，用于基于各监测系统的综合预警指数和预警效能，计算出煤岩动力灾害多系统综合预警结果。
进一步地，本实施例的煤岩动力灾害多系统多参量集成综合预警系统还包括：动力灾害危险级别确定模块，用于将煤岩动力灾害多系统综合预警结果与煤岩动力灾害分级预警评判准则相对比，确定动力灾害危险级别。
本实施例的煤岩动力灾害多系统多参量集成综合预警系统与上述第一实施例的煤岩动力灾害多系统多参量集成综合预警方法相对应；其中，该煤岩动力灾害多系统多参量集成综合预警系统中各模块的作用与上述煤岩动力灾害多系统多参量集成综合预警方法中的流程步骤相对应；故，在此不再赘述。
此外，需要说明的是，本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，一旦得知了本发明的基本创造性概念，在不脱离本发明所述原理的前提下，还可以对本发明的这些实施例做出若干变更和修改，这些变更和修改也应视为本发明的保护范围。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

Claims (4)

1.一种煤岩动力灾害多系统多参量集成综合预警方法，其特征在于，所述煤岩动力灾害多系统多参量集成综合预警方法包括：
获取多个煤岩动力灾害监测系统的监测数据，基于所述监测数据挖掘出各监测系统中能反映煤岩动力灾害前兆信息的多元特征参量；
基于所述多元特征参量，筛选出每一监测系统中预警效能最高的特征参量组合及其中各特征参量的最优临界值；
基于各监测系统的预警效能最高的特征参量组合及其中各特征参量的最优临界值，计算出每一监测系统的综合预警指数和预警效能；
基于各监测系统的综合预警指数和预警效能，计算出煤岩动力灾害多系统综合预警结果；
其中，所述监测系统包括在线监测系统和便携监测系统；其中，所述在线监测系统包括微震监测系统、地音监测系统和液压支架监测系统；
所述监测数据包括所述在线监测系统实时采集得到的连续监测数据和所述便携监测系统采集得到的离散监测数据；
所述多元特征参量的维度包括时间维度、空间维度和强度维度，所述多元特征参量包括：
所述微震监测系统中反映时序信息的频次、频次比和频次偏差值；反映空间信息的离散度；反映强度信息的微震能量、微震能量偏差值和离散度；
所述地音监测系统中反映强度信息的地音能量、地音能量偏差值、地音能量平均值和脉冲因子；反映时序信息的脉冲；
所述液压支架监测系统中反映时序信息的闪烁间隔危险度；反映强度信息的记录频次和支架压力；
所述筛选出每一监测系统中预警效能最高的特征参量组合及其中各特征参量的最优临界值，包括：
将同一监测系统中属于不同维度的特征参量进行两两组合；
利用遗传算法训练并优选出每一监测系统中适应度值最高的特征参量组合并计算出其中各特征参量的最优临界值；
将各监测系统中适应度值最高的特征参量组合作为该监测系统对应的预警效能最高的特征参量组合；
在利用遗传算法训练并优选出每一监测系统中适应度值最高的特征参量组合时，对于所述微震监测系统优选出适应度值最高的前两组特征参量组合；对于所述地音监测系统和液压支架监测系统，优选出每一传感器对应的适应度值最高的一组特征参量组合；
所述基于各监测系统的预警效能最高的特征参量组合及其中各特征参量的最优临界值，计算出每一监测系统的综合预警指数和预警效能，包括：
基于各监测系统的适应度值最高的特征参量组合及其中各特征参量的最优临界值，根据下式计算出各监测系统的单系统预警程度：
Figure FDA0002665561740000021
其中，对于所述微震监测系统，单系统预警程度为适应度值最高的每一特征参量组合的预警程度，此时Wi表示第i组适应度值最高的特征参量组合的预警程度，ai和bi分别表示第i组适应度值最高的特征参量组合中两个特征参量的实时值，V1和V2分别表示第i组适应度值最高的特征参量组合中各特征参量对应的最优临界值；
对于所述地音监测系统和液压支架监测系统，单系统预警程度为各传感器的预警程度，此时Wi表示第i个传感器的预警程度，ai和bi分别表示第i个传感器对应的适应度值最高的特征参量组合中两个特征参量的实时值，V1和V2分别表示第i个传感器对应的适应度值最高的特征参量组合中各特征参量对应的最优临界值；
基于各监测系统的单系统预警程度，根据下式计算出各监测系统的综合预警指数W综：
Figure FDA0002665561740000022
其中，对于所述微震监测系统，Ri为第i组适应度值最高的特征参量组合的适应度值；对于所述地音监测系统和液压支架监测系统，Ri为第i个传感器对应的适应度值最高的特征参量组合的适应度值；
基于各监测系统的综合预警指数，根据下式计算出每一监测系统的预警效能RI，RI表示第I个监测系统的预警效能：
Figure FDA0002665561740000031
其中，
Figure FDA0002665561740000032
为在监测时间段内产生预警并且报准的次数；N1为监测时间段内大能量或冲击事件的总次数；t0为产生预警占用时长；T0为监测总时长；当监测系统对应的综合预警指数在冲击或大能量事件发生前预设天数内超过预设阈值则预警为报准，否则为漏报或误报。
2.如权利要求1所述的煤岩动力灾害多系统多参量集成综合预警方法，其特征在于，在计算出煤岩动力灾害多系统综合预警结果后，所述方法还包括：
将所述煤岩动力灾害多系统综合预警结果与煤岩动力灾害分级预警评判准则相对比，确定动力灾害危险级别。
3.如权利要求1所述的煤岩动力灾害多系统多参量集成综合预警方法，其特征在于，所述基于各监测系统的综合预警指数和预警效能，计算出煤岩动力灾害多系统综合预警结果，包括：
基于各监测系统的综合预警指数和预警效能，根据下式计算出煤岩动力灾害多系统综合预警结果I综：
Figure FDA0002665561740000033
其中，W综I表示第I个监测系统的综合预警指数，RI表示第I个监测系统的预警效能。
4.一种煤岩动力灾害多系统多参量集成综合预警系统，其特征在于，所述煤岩动力灾害多系统多参量集成综合预警系统包括：
多元特征参量挖掘模块，用于获取多个煤岩动力灾害监测系统的监测数据，并基于所述监测数据挖掘出各监测系统中能反映煤岩动力灾害前兆信息的多元特征参量；
特征参量组合筛选模块，用于基于所述多元特征参量，筛选出每一监测系统中预警效能最高的特征参量组合及其中各特征参量的最优临界值；
单系统预警指数及预警效能计算模块，用于基于各监测系统中预警效能最高的特征参量组合及其中各特征参量的最优临界值，计算出每一监测系统的综合预警指数和预警效能；
综合预警结果计算模块，用于基于各监测系统的综合预警指数和预警效能，计算出煤岩动力灾害多系统综合预警结果；
其中，所述监测系统包括在线监测系统和便携监测系统；其中，所述在线监测系统包括微震监测系统、地音监测系统和液压支架监测系统；
所述监测数据包括所述在线监测系统实时采集得到的连续监测数据和所述便携监测系统采集得到的离散监测数据；
所述多元特征参量的维度包括时间维度、空间维度和强度维度，所述多元特征参量包括：
所述微震监测系统中反映时序信息的频次、频次比和频次偏差值；反映空间信息的离散度；反映强度信息的微震能量、微震能量偏差值和离散度；
所述地音监测系统中反映强度信息的地音能量、地音能量偏差值、地音能量平均值和脉冲因子；反映时序信息的脉冲；
所述液压支架监测系统中反映时序信息的闪烁间隔危险度；反映强度信息的记录频次和支架压力；
所述筛选出每一监测系统中预警效能最高的特征参量组合及其中各特征参量的最优临界值，包括：
将同一监测系统中属于不同维度的特征参量进行两两组合；
利用遗传算法训练并优选出每一监测系统中适应度值最高的特征参量组合并计算出其中各特征参量的最优临界值；
将各监测系统中适应度值最高的特征参量组合作为该监测系统对应的预警效能最高的特征参量组合；
在利用遗传算法训练并优选出每一监测系统中适应度值最高的特征参量组合时，对于所述微震监测系统优选出适应度值最高的前两组特征参量组合；对于所述地音监测系统和液压支架监测系统，优选出每一传感器对应的适应度值最高的一组特征参量组合；
所述基于各监测系统的预警效能最高的特征参量组合及其中各特征参量的最优临界值，计算出每一监测系统的综合预警指数和预警效能，包括：
基于各监测系统的适应度值最高的特征参量组合及其中各特征参量的最优临界值，根据下式计算出各监测系统的单系统预警程度：
Figure FDA0002665561740000051
其中，对于所述微震监测系统，单系统预警程度为适应度值最高的每一特征参量组合的预警程度，此时Wi表示第i组适应度值最高的特征参量组合的预警程度，ai和bi分别表示第i组适应度值最高的特征参量组合中两个特征参量的实时值，V1和V2分别表示第i组适应度值最高的特征参量组合中各特征参量对应的最优临界值；
对于所述地音监测系统和液压支架监测系统，单系统预警程度为各传感器的预警程度，此时Wi表示第i个传感器的预警程度，ai和bi分别表示第i个传感器对应的适应度值最高的特征参量组合中两个特征参量的实时值，V1和V2分别表示第i个传感器对应的适应度值最高的特征参量组合中各特征参量对应的最优临界值；
基于各监测系统的单系统预警程度，根据下式计算出各监测系统的综合预警指数W综：
Figure FDA0002665561740000052
其中，对于所述微震监测系统，Ri为第i组适应度值最高的特征参量组合的适应度值；对于所述地音监测系统和液压支架监测系统，Ri为第i个传感器对应的适应度值最高的特征参量组合的适应度值；
基于各监测系统的综合预警指数，根据下式计算出每一监测系统的预警效能RI，RI表示第I个监测系统的预警效能：
Figure FDA0002665561740000053
其中，
Figure FDA0002665561740000054
为在监测时间段内产生预警并且报准的次数；N1为监测时间段内大能量或冲击事件的总次数；t0为产生预警占用时长；T0为监测总时长；当监测系统对应的综合预警指数在冲击或大能量事件发生前预设天数内超过预设阈值则预警为报准，否则为漏报或误报。
CN201911047938.8A 2019-10-30 2019-10-30 一种煤岩动力灾害多系统多参量集成综合预警方法及系统 Active CN110779574B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911047938.8A CN110779574B (zh) 2019-10-30 2019-10-30 一种煤岩动力灾害多系统多参量集成综合预警方法及系统
US16/820,751 US11043101B2 (en) 2019-10-30 2020-03-17 Multi-system, multi-parameter, integrated, comprehensive early warning method and system for coal and rock dynamic disaster

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911047938.8A CN110779574B (zh) 2019-10-30 2019-10-30 一种煤岩动力灾害多系统多参量集成综合预警方法及系统

Publications (2)

Publication Number Publication Date
CN110779574A CN110779574A (zh) 2020-02-11
CN110779574B true CN110779574B (zh) 2020-11-13

Family

ID=69387893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911047938.8A Active CN110779574B (zh) 2019-10-30 2019-10-30 一种煤岩动力灾害多系统多参量集成综合预警方法及系统

Country Status (2)

Country Link
US (1) US11043101B2 (zh)
CN (1) CN110779574B (zh)

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111476420B (zh) * 2020-04-08 2023-07-11 中煤能源研究院有限责任公司 一种微震监测冲击地压预警指标优化方法
CN111915865A (zh) * 2020-07-29 2020-11-10 东北大学 一种基于采动震源参数的煤矿复合地质灾害预警方法
CN112595480B (zh) * 2020-12-07 2021-08-24 中国矿业大学 一种巷道液压式吸能支护相似模拟实验装置
CN113586157B (zh) * 2021-09-02 2023-09-22 重庆大学 基于克里金插值的回采工作面突出危险区快速划分方法
CN113466948B (zh) * 2021-09-03 2021-12-03 北京科技大学 一种煤岩破坏电磁辐射测向定位系统
CN113848585B (zh) * 2021-09-23 2022-09-30 大庆亿莱检验检测技术服务有限公司 一种储气库微地震监测方法
CN113982687B (zh) * 2021-09-26 2023-05-02 安徽理工大学 冲击地压负反馈云模拟监测预警系统构建方法
CN114087021B (zh) * 2021-10-27 2022-08-02 北京科技大学 一种冲击地压多参量动态趋势预警方法
CN114137600B (zh) * 2021-11-26 2022-05-17 中国矿业大学 一种利用微震监测数据反演岩石破裂机理及失稳预测方法
CN114233386B (zh) * 2021-12-09 2024-01-16 北京安科兴业矿山安全技术研究院有限公司 一种基于多参量风险判识数据库的煤矿灾害预警方法
CN114383717B (zh) * 2021-12-10 2023-11-17 中煤科工开采研究院有限公司 冲击地压巷道安全监测方法及装置
CN114267157B (zh) * 2021-12-17 2023-03-14 北京科技大学 基于光学遥感监测突发性工程地质灾害三级监测预警方法
CN114358256B (zh) * 2022-01-21 2024-10-15 中国地质大学（武汉） 基于无监督深度学习的随机缺失地震数据插值方法及装置
CN114519392B (zh) * 2022-02-14 2023-05-23 煤炭科学研究总院有限公司 一种基于微震时序数据的冲击地压危险预测算法
CN114707543A (zh) * 2022-03-21 2022-07-05 辽宁大学 矿山微震事件识别方法、介质及设备
CN115201916B (zh) * 2022-07-08 2023-07-28 中国矿业大学 一种冲击地压矿井矿震活动性实时量化的方法
CN116187831B (zh) * 2023-01-30 2024-04-02 山西潞安环保能源开发股份有限公司 一种基于大数据的掘进机智能管控系统及方法
CN116577820B (zh) * 2023-04-10 2024-02-13 安徽理工大学 一种煤矿危险性矿震判识方法
CN116465741A (zh) * 2023-05-08 2023-07-21 中煤科工西安研究院(集团)有限公司 一种防水煤柱稳定性快速评价方法
CN116543531B (zh) * 2023-07-04 2023-09-26 湖南泓森智能科技有限公司 一种集中管理和展示井下监测监控数据的数据中心系统
CN116540299B (zh) * 2023-07-05 2023-09-26 煤炭科学研究总院有限公司 一种用于煤矿场景的基于微震能量积聚倾向性的预警方法
CN116662891B (zh) * 2023-08-01 2023-10-20 西安核音智言科技有限公司 一种采煤机工作状态识别方法
CN116774282B (zh) * 2023-08-14 2023-12-26 煤炭科学技术研究院有限公司 一种用于煤矿复合灾害预警的震动场监测系统
CN117098174B (zh) * 2023-10-19 2024-01-02 华夏天信智能物联(大连)有限公司 一种矿用无线通信监测方法、系统及可读存储介质
CN118133490A (zh) * 2023-12-21 2024-06-04 中国矿业大学 一种煤矿复合动力灾害的智能预测方法及系统
CN117455246B (zh) * 2023-12-25 2024-04-12 江苏濠汉信息技术有限公司 基于边缘计算的电气火灾风险动态预警方法及系统
CN117787102B (zh) * 2024-01-02 2024-07-19 北京龙软科技股份有限公司 精细化动态地质模型结合geoai的灾害数字孪生仿真方法
CN117894157B (zh) * 2024-03-14 2024-07-16 应急管理部国家自然灾害防治研究院 一种基于大数据的地震灾害预警系统
CN118132924B (zh) * 2024-05-07 2024-07-12 煤炭科学研究总院有限公司 煤体冲击危险性评价方法、装置及电子设备
CN118442125B (zh) * 2024-07-08 2024-09-13 山东光安智能科技有限公司 基于物联网的煤炭矿井安全监测与预警系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2354789B (en) * 1998-04-30 2002-07-24 Us Gov Health & Human Serv Method and apparatus for load rate monitoring
CN102628373B (zh) * 2012-04-27 2014-04-23 天地科技股份有限公司 煤矿冲击地压分源综合预警方法
CN103104291A (zh) * 2012-11-07 2013-05-15 中国矿业大学(北京) 一种煤岩动力灾害多参量综合指标预测方法
CN103291364B (zh) * 2013-06-21 2015-08-05 中国矿业大学 一种冲击矿压的微震多维信息综合时序预警方法
CN105257339B (zh) * 2015-11-16 2017-10-13 北京安科兴业科技股份有限公司 掘进工作面多参量综合监测预警方法
CN106194263B (zh) * 2016-08-29 2019-04-02 中煤科工集团重庆研究院有限公司 煤矿瓦斯灾害监控预警系统及预警方法
CN106523033B (zh) * 2016-12-29 2019-01-04 新疆铭鼎高科投资发展有限公司 一种高效的煤矿安全监测系统
WO2019161593A1 (zh) * 2018-02-26 2019-08-29 北京科技大学 一种煤岩动力灾害危险的电磁辐射和地音监测预警方法
CN110307038B (zh) * 2019-07-17 2021-06-08 北京建筑大学 全数字矿山动力灾害综合监测预警系统及方法

Also Published As

Publication number Publication date
US11043101B2 (en) 2021-06-22
CN110779574A (zh) 2020-02-11
US20210134135A1 (en) 2021-05-06

Similar Documents

Publication Publication Date Title
CN110779574B (zh) 一种煤岩动力灾害多系统多参量集成综合预警方法及系统
CN110109895B (zh) 适用于tbm掘进隧道的围岩分级联合预测方法及应用
CN106407493B (zh) 一种基于多维高斯云模型的岩爆等级评价方法
CN103291364B (zh) 一种冲击矿压的微震多维信息综合时序预警方法
KR101642951B1 (ko) Ｇｉｓ 기반 실시간 지진피해 예측 방법
Dong et al. Some developments and new insights for microseismic/acoustic emission source localization
Ma et al. Rockburst prediction model using machine learning based on microseismic parameters of Qinling water conveyance tunnel
CN115327616B (zh) 一种海量数据驱动的矿山微震震源自动定位方法
CN107678064B (zh) 一种声波时差实时提取方法
CN104834004B (zh) 基于峰值前后波形斜率的矿山微震与爆破信号识别方法
CN104331745A (zh) 油气藏内天然裂缝的分期、分成因预测评价方法
CN105277982A (zh) 一种泥页岩总有机碳含量地震预测方法
CN104266894A (zh) 一种基于相关性分析的矿山微震信号初至波时刻提取方法
CN113189644B (zh) 一种微震震源定位方法及系统
CN113009553A (zh) 基于NGBoost和SHAP值的可解释地震动参数概率密度分布预测方法
CN111538071B (zh) 陡倾层状岩体洞室群高边墙位移定量预测方法
Di et al. Identification method for microseismic, acoustic emission and electromagnetic radiation interference signals of rock burst based on deep neural networks
CN114943149A (zh) 一种隧道内岩爆损伤岩体体积的计算方法
Zhang et al. Microseismic source location based on improved artificial bee colony algorithm: Performance analysis and case study
CN112230275B (zh) 地震波形的识别方法、装置及电子设备
Natale et al. Three decades of seismic activity at Mt. Vesuvius: 1972–2000
CN116088050A (zh) 一种基于微震监测破裂源时空强参数的岩爆预测方法
Li et al. Characterizing large rockfalls using their seismic signature: A case study of Hongya rockfall
Wang PCA-LSTM: An Impulsive Ground-Shaking Identification Method Based on Combined Deep Learning.
CN111915844B (zh) 利用倒谱系数分析震动信号评价煤岩稳定性的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200211

Assignee: XUZHOU SUNSHINE SCIENCE & TECHNOLOGY Co.,Ltd.

Assignor: University OF SCIENCE AND TECHNOLOGY BEIJING|ZHONG-AN ACADEMY OF SAFETY ENGINEERING

Contract record no.: X2022980018035

Denomination of invention: A Multi system and Multi parameter Integrated Early Warning Method and System for Coal and Rock Dynamic Disaster

Granted publication date: 20201113

License type: Exclusive License

Record date: 20221012