CN111764963B - 基于Faster-RCNN的冲击地压预测方法 - Google Patents
基于Faster-RCNN的冲击地压预测方法 Download PDFInfo
- Publication number
- CN111764963B CN111764963B CN202010637834.9A CN202010637834A CN111764963B CN 111764963 B CN111764963 B CN 111764963B CN 202010637834 A CN202010637834 A CN 202010637834A CN 111764963 B CN111764963 B CN 111764963B
- Authority
- CN
- China
- Prior art keywords
- rock burst
- prediction
- rcnn
- fast
- infrared radiation
- 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.)
- Expired - Fee Related
Links
- 239000011435 rock Substances 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000005855 radiation Effects 0.000 claims abstract description 34
- 238000012549 training Methods 0.000 claims abstract description 7
- 230000005484 gravity Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000035939 shock Effects 0.000 claims description 3
- 239000003245 coal Substances 0.000 abstract description 5
- 238000013136 deep learning model Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- Physics & Mathematics (AREA)
- Geochemistry & Mineralogy (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于Faster‑RCNN的冲击地压预测方法，属于煤矿冲击地压预测领域，结合深度学习模型，对煤矿井下围岩特征进行提取，预测冲击地压的发生。主要包括以下步骤：构建应力云图数据集、红外辐射特征数据集并分配对应标签；建立基于Faster‑RCNN的冲击地压应力云图预测模型、基于Faster‑RCNN的冲击地压红外辐射特征预测模型，分别对模型进行训练；提取现场重点区域的应力应变数据并构建应力云图，送入基于Faster‑RCNN的冲击地压应力云图预测模型进行预测，若预测会发生冲击地压预测，根据预测发生冲击地压的位置，继续提取该位置的红外辐射特征图像，送入基于Faster‑RCNN的冲击地压红外辐射特征预测模型进行预测，进一步得到预测发生冲击地压的具体位置和所处冲击地压的阶段。
Description
技术领域
本方法属于煤矿冲击地压预测领域，结合深度学习模型，对煤矿井下围岩特征进行提取，预测冲击地压的发生，是对现有煤矿冲击地压预测技术的一种创新。
背景技术
地下深部工程生产建设中，冲击地压作为一种严重的动力灾害，随着我开采逐渐向深部发展，其发生的频率和发生强度也随之增多，如何对冲击地压进行准确预测预报也逐渐成为研究的重点，但由于地质情况复杂多变，加之冲击地压的发生具有突发性、巨大破坏性等特征，涉及地质、岩石力学和非线性动力学等多学科交叉，使得冲击地压预测困难。深度学习技术的发展，为冲击地压预测提供了可能，但相关应用较少，相关方法尚属空白，因而有必要提出一种方法，应用深度学习技术，可以根据实际情况实时、动态、准确预测冲击地压的发生，以及破坏的位置，进行主动防护并采取预防措施，进而减少事故发生。
发明内容
基于Faster-RCNN的冲击地压预测方法，其内容在于先对重点区域实时监测提取应力-应变信息，构建应力云图，随即将应力云图送入基于Faster-RCNN的冲击地压应力云图预测模型进行冲击地压预测，若预测结果为发生冲击地压，将同时在图片上标识出危险区域，进而缩小预测范围，现场实时提取小区域围岩的红外辐射特征图像，送入基于Faster-RCNN的冲击地压红外辐射特征预测模型进行预测，输出预测所处冲击地压的阶段并在图片上标识出危险区域。
此方法可以逐步缩小预测范围，提高冲击地压预测的准确性，根据预测情况提前采取措施，减少事故造成的人员伤亡及财产损失。
基于Faster-RCNN的冲击地压预测方法，包括以下步骤：
步骤S101：构建应力云图数据集，对重点区域使用应力监测设备实时提取应力-应变信息，同时构建应力云图，以是否发生冲击地压作为标签，同时在图像上进行标记发生冲击地压的位置；
步骤S102：构建红外辐射特征数据集，对重点区域围岩红外辐射特征图像进行提取，同时根据其所处冲击地压的对应阶段分配标签，对发生冲击地压的位置在图像上进行标记；
步骤S103：建立基于Faster-RCNN的冲击地压应力云图预测模型，用步骤S101建立的应力云图数据集对模型进行训练；
步骤S104：建立基于Faster-RCNN的冲击地压红外辐射特征预测模型，用步骤S102建立的红外辐射特征数据集对模型进行训练；
步骤S105：提取现场重点区域的应力应变数据并构建应力云图，送入基于Faster-RCNN的冲击地压应力云图预测模型进行预测，若预测不会发生冲击地压预测，则继续监测提取数据，进行实时预测，若预测会发生冲击地压预测，根据预测的发生冲击地压的位置，继续提取该范围的红外辐射特征图像，送入基于Faster-RCNN的冲击地压红外辐射特征预测模型进行预测，根据该模型的预测结果，得到预测发生冲击地压的具体位置和预测所处冲击地压阶段。
进一步地，所述基于Faster-RCNN的冲击地压应力云图预测模型的模型参数应根据现场情况和测试结果不断调试确定。
进一步地，所述基于Faster-RCNN的冲击地压红外辐射特征预测模型的模型参数应根据现场情况和测试结果不断调试确定。
进一步地，所述应力云图数据集各类别标签所对应的图像数量相同。
进一步地，所述红外辐射特征数据集各类别标签所对应的图像数量相同。
本发明的有益效果是：1、根据现场提取图像快速判断是否发生冲击地压以及冲击地压发生位置，预测迅速、高效，同时缩小预测的范围，以利于采取针对性措施；2、两个模型互相配合，参考多类型数据，减小预测误差，提高预测精度。
附图说明
图1是基于Faster-RCNN的冲击地压预测方法流程图。
具体实施方式
下面将对本发明实施例作进一步地详细描述。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
基于Faster-RCNN的冲击地压预测方法，其较佳的具体实施方式是：
步骤S101：构建应力云图数据集，对重点区域使用应力监测设备实时提取应力-应变信息，同时构建应力云图，以是否发生冲击地压作为标签，同时在图像上进行标记发生冲击地压的位置；
步骤S102：构建红外辐射特征数据集，对重点区域围岩红外辐射特征图像进行提取，同时根据其所处冲击地压的对应阶段分配标签，对发生冲击地压的位置在图像上进行标记；
步骤S103：建立基于Faster-RCNN的冲击地压应力云图预测模型，用步骤S101建立的应力云图数据集对模型进行训练；
步骤S104：建立基于Faster-RCNN的冲击地压红外辐射特征预测模型，用步骤S102建立的红外辐射特征数据集对模型进行训练；
步骤S105：提取现场重点区域的应力应变数据并构建应力云图，送入基于Faster-RCNN的冲击地压应力云图预测模型进行预测，若预测不会发生冲击地压预测，则继续监测提取数据，进行实时预测，若预测会发生冲击地压预测，根据预测的发生冲击地压的位置，继续提取该范围的红外辐射特征图像，送入基于Faster-RCNN的冲击地压红外辐射特征预测模型进行预测，根据该模型的预测结果，得到预测发生冲击地压的具体位置和预测所处冲击地压阶段。
进一步地，所述基于Faster-RCNN的冲击地压应力云图预测模型的模型参数应根据现场情况和测试结果不断调试确定。
进一步地，所述基于Faster-RCNN的冲击地压红外辐射特征预测模型的模型参数应根据现场情况和测试结果不断调试确定。
进一步地，所述应力云图数据集各类别标签所对应的图像数量相同。
进一步地，所述红外辐射特征数据集各类别标签所对应的图像数量相同。
本文中所描述的是对基于Faster-RCNN的冲击地压预测方法的说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (5)
1.基于Faster-RCNN的冲击地压预测方法，其特征在于包括以下步骤：
步骤S101：构建应力云图数据集，对重点区域使用应力监测设备实时提取应力-应变信息，同时构建应力云图，以是否发生冲击地压作为标签，同时在图像上进行标记发生冲击地压的位置；
步骤S102：构建红外辐射特征数据集，对重点区域围岩红外辐射特征图像进行提取，同时根据其所处冲击地压的对应阶段分配标签，对发生冲击地压的位置在图像上进行标记；
步骤S103：建立基于Faster-RCNN的冲击地压应力云图预测模型，用步骤S101建立的应力云图数据集对模型进行训练；
步骤S104：建立基于Faster-RCNN的冲击地压红外辐射特征预测模型，用步骤S102建立的红外辐射特征数据集对模型进行训练；
步骤S105：提取现场重点区域的应力应变数据并构建应力云图，送入基于Faster-RCNN的冲击地压应力云图预测模型进行预测，若预测不会发生冲击地压预测，则继续监测提取数据，进行实时预测，若预测会发生冲击地压预测，根据预测的发生冲击地压的位置，继续提取该范围的红外辐射特征图像，送入基于Faster-RCNN的冲击地压红外辐射特征预测模型进行预测，根据该模型的预测结果，得到预测发生冲击地压的具体位置和预测所处冲击地压阶段。
2.根据权利要求1所述的基于Faster-RCNN的冲击地压预测方法，其特征在于：所述基于Faster-RCNN的冲击地压应力云图预测模型的模型参数应根据现场情况和测试结果不断调试确定。
3.根据权利要求1所述的基于Faster-RCNN的冲击地压预测方法，其特征在于：所述基于Faster-RCNN的冲击地压红外辐射特征预测模型的模型参数应根据现场情况和测试结果不断调试确定。
4.根据权利要求1所述的基于Faster-RCNN的冲击地压预测方法，其特征在于：所述应力云图数据集各类别标签所对应的图像数量相同。
5.根据权利要求1所述的基于Faster-RCNN的冲击地压预测方法，其特征在于：所述红外辐射特征数据集各类别标签所对应的图像数量相同。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010637834.9A CN111764963B (zh) | 2020-07-06 | 2020-07-06 | 基于Faster-RCNN的冲击地压预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010637834.9A CN111764963B (zh) | 2020-07-06 | 2020-07-06 | 基于Faster-RCNN的冲击地压预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111764963A CN111764963A (zh) | 2020-10-13 |
| CN111764963B true CN111764963B (zh) | 2021-04-02 |
Family
ID=72723783
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010637834.9A Expired - Fee Related CN111764963B (zh) | 2020-07-06 | 2020-07-06 | 基于Faster-RCNN的冲击地压预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111764963B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117709541A (zh) * | 2023-12-20 | 2024-03-15 | 中国矿业大学 | 一种断层区域工作面开采冲击地压预测系统 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1245715A1 (ru) * | 1984-03-26 | 1986-07-23 | Ордена Октябрьской Революции И Ордена Трудового Красного Знамени Институт Горного Дела Им.А.А.Скочинского | Устройство дл прогноза выбросоопасности пластов |
| SU1461995A1 (ru) * | 1987-07-17 | 1989-02-28 | Донецкий политехнический институт | Способ определени верхней границы прогноза выбросоопасности угольных шахтопластов |
| SU1610044A1 (ru) * | 1988-05-12 | 1990-11-30 | Таштагольское рудоуправление | Способ прогноза горных ударов |
| SU1712601A1 (ru) * | 1989-05-12 | 1992-02-15 | Научно-производственное объединение "Сибцветметавтоматика" | Устройство дл определени степени удароопасности горных пород |
| CN105260599A (zh) * | 2015-09-30 | 2016-01-20 | 山东黄金矿业(莱州)有限公司三山岛金矿 | 一种基于bp神经网络建模的冲击地压动态预测方法 |
| CN106777772B (zh) * | 2017-01-09 | 2019-11-12 | 辽宁工程技术大学 | 一种基于煤岩动力系统的矿井冲击地压危险性预测方法 |
| CN107122860B (zh) * | 2017-04-28 | 2020-01-07 | 辽宁工程技术大学 | 基于网格搜索和极限学习机的冲击地压危险等级预测方法 |
| CN108280289B (zh) * | 2018-01-22 | 2021-10-08 | 辽宁工程技术大学 | 基于局部加权c4.5算法的冲击地压危险等级预测方法 |
| CN108564565A (zh) * | 2018-03-12 | 2018-09-21 | 华南理工大学 | 一种基于深度学习的电力设备红外图像多目标定位方法 |
| CN109918697B (zh) * | 2018-11-13 | 2023-04-18 | 山西潞安环保能源开发股份有限公司常村煤矿 | 一种矿井冲击地压强度的预测方法及装置 |
| KR102105954B1 (ko) * | 2018-11-21 | 2020-04-29 | 충남대학교산학협력단 | 사고위험 감지시스템 및 감지방법 |
-
2020
- 2020-07-06 CN CN202010637834.9A patent/CN111764963B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN111764963A (zh) | 2020-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Methodologies of safety risk control for China’s metro construction based on BIM | |
| He et al. | Rockburst laboratory tests database—application of data mining techniques | |
| CN103745477A (zh) | 基于机器视觉的建筑结构裂缝检测及修复方法 | |
| CN103669366A (zh) | 一种深基坑围护结构变形远程监测预警系统 | |
| CN111080015B (zh) | 盾构设备及其实时寿命的预测系统和预测方法 | |
| CN109707453A (zh) | 一种煤矿永久硐室冲击安全性论证方法 | |
| CN111764963B (zh) | 基于Faster-RCNN的冲击地压预测方法 | |
| CN111191870A (zh) | 工地危险源管理方法、装置、计算机设备和存储介质 | |
| CN103278843A (zh) | 岩石隧道施工过程中岩爆实时预报技术装置 | |
| CN104742939B (zh) | 高速铁路温度信息采集和预警方法与系统 | |
| Wu et al. | A dynamic decision approach for risk analysis in complex projects | |
| CN115929406A (zh) | 基于神经网络的围岩稳定性预测方法、系统及存储介质 | |
| CN116777085B (zh) | 基于数据分析和机器学习技术的煤矿水害预测系统 | |
| Bhatta et al. | Machine learning-based classification for rapid seismic damage assessment of buildings at a regional scale | |
| Wu et al. | An improved fractal prediction model for forecasting mine slope deformation using GM (1, 1) | |
| Kappos et al. | Seismic risk of inter-urban transportation networks | |
| CN112802307B (zh) | 一种用于地质勘察的地质监测预警方法及系统 | |
| Joughin et al. | A risk-based approach to ground support design | |
| CN116792693A (zh) | 一种燃气管道地下泄漏扩散范围的预测分析系统 | |
| WO2021240650A1 (ja) | 管路脆弱性推定システム、管路脆弱性推定方法、モデル作成装置、およびプログラム | |
| CN114494907A (zh) | 基于多时相图像的灾情评估方法及装置 | |
| CN113565570A (zh) | 一种用于水害预警的指标设置方法 | |
| Coghill | Prestressed Concrete Cylinder Pipe Management: Communication Methodologies and Decision Support Tools for the San Diego County Water Authority-a Case Study | |
| CN110705835A (zh) | 一种基于gis和bim的煤矿安全风险预警方法 | |
| CN110109176B (zh) | 隧道微震传感器监测台网病态条件下的岩爆风险评估方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210402 |