CN112731525A - 微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法 - Google Patents
微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法 Download PDFInfo
- Publication number
- CN112731525A CN112731525A CN202011582757.8A CN202011582757A CN112731525A CN 112731525 A CN112731525 A CN 112731525A CN 202011582757 A CN202011582757 A CN 202011582757A CN 112731525 A CN112731525 A CN 112731525A
- Authority
- CN
- China
- Prior art keywords
- microseismic
- electromagnetic radiation
- surrounding rock
- signal
- roadway
- 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.)
- Granted
Links
- 239000011435 rock Substances 0.000 title claims abstract description 173
- 230000005670 electromagnetic radiation Effects 0.000 title claims abstract description 114
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 19
- 230000010355 oscillation Effects 0.000 claims abstract description 51
- 239000003245 coal Substances 0.000 claims abstract description 16
- 238000013528 artificial neural network Methods 0.000 claims abstract description 13
- 238000005065 mining Methods 0.000 claims description 6
- 238000009412 basement excavation Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 239000000411 inducer Substances 0.000 claims description 2
- 230000005641 tunneling Effects 0.000 description 7
- 230000006378 damage Effects 0.000 description 5
- 239000002243 precursor Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/0807—Measuring electromagnetic field characteristics characterised by the application
- G01R29/0814—Field measurements related to measuring influence on or from apparatus, components or humans, e.g. in ESD, EMI, EMC, EMP testing, measuring radiation leakage; detecting presence of micro- or radiowave emitters; dosimetry; testing shielding; measurements related to lightning
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Acoustics & Sound (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Electromagnetism (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法，包括以下步骤：在巷道围岩中布置微震传感器组和电磁辐射传感器；对微震信号到时进行定位分析，确定由远场微震诱发的近场声发射位置，并标记同源的微震信号与电磁辐射信号；提取电磁辐射阶跃信号特征；绘制围岩破裂位置与时间的关系图、围岩破裂位置与能量的关系图、围岩破裂位置与背景振荡正弦信号幅值的关系图、围岩破裂位置与背景振荡正弦信号频率的关系图；以微震信号与电磁辐射信号的特征统计值为输入单元，输入到BP人工神经网络模型，智能预测电磁辐射信号极集中区、集中区和松散区的围岩稳定性类别。本申请既能获知煤岩体破裂局部区域，又能对巷道围岩稳定性进行判断。
Description
【技术领域】
本发明属于巷道围岩稳定性智能预测方法技术领域，具体涉及一种微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法。
【背景技术】
相关研究与现场实测表明，深部(高应力)煤层开采过程中，巷道或采场围岩原岩应力及瓦斯内应力本身就很高，巷道开挖或工作面回采导致巷道或采场周边高应力集中，一是应力水平达到煤岩体破坏的临界状态，煤岩体破裂；二是应力水平虽未达到煤岩体破坏的临界状态，但远场矿震(或煤炮等)产生的动应力增量可使动静组合形成的应力场超过煤岩体动载组合破坏的临界水平，从而导致煤岩体破裂。如果采掘空间周围煤岩体的物理力学性质突然发生变化，如断层附近采掘作业时，断层滑移失稳，导致煤岩体动态破坏临界应力水平降低，诱发煤岩体破裂。
相关研究也表明，压电效应引起的电磁辐射频率较低、衰减较慢，且波形通常呈类正弦衰减振荡形式。岩石变形破断过程不断产生声发射、电荷感应信号(也诱发电磁辐射)，当主破裂发生时会有脉冲状的电磁感应信号产生。煤岩样低应力下变形是缓慢的，而随着载荷增大；变形加速，电磁辐射能量值、脉冲数逐渐增大；在破坏前，电磁辐射强度值、脉冲数均出现较大幅度的增加；电磁辐射信号的质心频率与载荷对应良好，且随时间的变化均呈现逐步增大的趋势。
相关研究同时也表明，煤与瓦斯突出的声、电、瓦斯前兆特征：危险发生前，声发射强度、电磁辐射强度、瓦斯浓度曲线均出现明显上升，且增长率增大；声发射强度和瓦斯浓度前兆出现时间(曲线峰值)较为接近，电磁辐射强度前兆出现时间(曲线峰值)较声发射强度和瓦斯浓度前兆出现时间还早。
目前常用微震仪或电磁辐射仪单独监测岩体破裂，微震仪主要监测大范围的岩体破裂，因其定位精度在米级，难以在掘进过程中对巷道围岩进行局部精细监测；电磁辐射仪虽然是对巷道围岩局部范围进行监测，因电磁辐射在煤岩和空气中的传播速度要远高于应力波，则电磁辐射仪定位困难。综上所述，微震仪或电磁辐射仪单独使用难以对巷道围岩进行稳定性预测。另外，目前电磁辐射监测仪多数只能对静态、准静态电磁辐射信号进行监测，但因其采样率低，对高应变率的冲击载荷或动载荷加载条件下煤岩破裂产生的电磁辐射是无法采集到信号的瞬时动态变化特征的。
【发明内容】
本发明的目的在于提供一种既能获知煤岩体破裂局部区域，又能对巷道围岩稳定性进行判断的微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法。
为实现上述目的，本发明提供如下技术方案：
微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法，包括如下步骤：
S1、在待监测巷道围岩的预设位置中布置微震传感器组和电磁辐射传感器；
S2、对微震传感器组采集到的微震信号和电磁辐射传感器采集到的电磁辐射信号开展信号同源识别和干扰信号剔除，并根据微震事件属性和电磁辐射的低频正弦振荡特性标定出有效的微震事件和电磁辐射事件，然后由基于阈值算法编制软件自动给出各个微震传感器接收到的同源微震信号到时；
S3、对所述微震信号到时开展人工识别，并采用微震定位软件对人工识别后的微震信号到时进行定位分析，其中，对于远场微震，根据关键层主破裂原则修正远场微震位置，根据微震波动原理分析近场声发射的动、静载诱因，确定由远场微震诱发的近场声发射位置，并标记与该由远场微震诱发的近场声发射位置同源的微震信号与电磁辐射信号；
S4、提取与由远场微震诱发的近场声发射位置同源的电磁辐射阶跃信号特征，具体包括以下步骤：
S41、对于与由远场微震诱发的近场声发射位置同源的电磁辐射信号，以背景振荡正弦信号的首个正向半正弦波最大值为辐值，对背景振荡正弦信号进行FFT变换，取其频谱曲线的第一个峰值对应的频率为背景振荡正弦信号的频率；
S42、提取其电磁辐射阶跃信号的发生时间和峰－峰值，并绘制以时间为横坐标，阶跃信号峰－峰值、背景振荡正弦信号幅值、频率分别为纵坐标的趋势曲线；
S43、以电磁辐射背景振荡正弦信号幅值、频率的趋势曲线为参考，分析、判定电磁辐射阶跃信号峰－峰值中趋势曲线上代表围岩破裂的各个凸峰，以凸峰的峰值对应的时间代表围岩破裂时间，凸峰曲线下阴影面积代表围岩破裂能量；
S5、以煤矿采区采掘工程平面图为基础，将时间作为第三坐标建立时－面三维坐标体系，将围岩破裂能量作为第三坐标建立能量－面三维坐标体系，将背景振荡正弦信号幅值作为第三坐标建立背景振荡正弦信号幅值－面三维坐标体系，将背景振荡正弦信号频率作为第三坐标建立背景振荡正弦信号频率－面三维坐标体系，在时－面三维坐标体系绘制围岩破裂位置与时间的关系图，在能量－面三维坐标体系绘制围岩破裂位置与能量的关系图，在背景振荡正弦信号幅值－面三维坐标体系绘制围岩破裂位置与背景振荡正弦信号幅值的关系图，在背景振荡正弦信号频率－面三维坐标体系绘制围岩破裂位置与背景振荡正弦信号频率的关系图；
S6、以上述四个三维图为依据，根据围岩破裂位置与时间的关系图分析围岩破裂位置的时空集中度，并将巷道围岩划分为电磁辐射信号极集中区、集中区和松散区，然后根据围岩破裂位置与能量的关系图、围岩破裂位置与背景振荡正弦信号幅值的关系图和围岩破裂位置与背景振荡正弦信号频率的关系图，甄别出松散区的稳定围岩区域，再则，对电磁辐射信号极集中区、集中区和松散区中未甄别出的非稳定围岩区域，以各区域的微震信号与电磁辐射信号数据的特征统计值为输入单元，输入到训练好的BP人工神经网络模型，智能预测电磁辐射信号极集中区、集中区和松散区的围岩稳定性类别，所述围岩稳定性类别包括稳定围岩区域、较稳定围岩区域、弱稳定围岩区域、不稳定围岩区域。
如上所述的微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法，步骤S1中，在待监测巷道围岩上间隔分布三组所述微震传感器组以及三个分别与每组微震传感器组相对应的所述电磁辐射传感器，所述微震传感器组包括巷顶微震传感器和两个巷帮微震传感器。
如上所述的微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法，步骤S1中，相邻的两组微震传感器组间隔50m。
如上所述的微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法，步骤S1中，巷顶微震传感器、巷帮微震传感器和电磁辐射传感器放入1m深钻孔内。
如上所述的微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法，步骤S2中，所述阈值算法的公式为：
其中，SSTA为信号短时平均值，SLTA为信号长时平均值，N为短时窗的长度，M是长时窗的长度，x为在i,j时刻的关于微震信号的特征函数值。
如上所述的微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法，步骤S6中，所述BP人工神经网络模型由以下步骤训练建立：
S61、在煤矿采区选定一条沿空掘进的巷道布置微震传感器组与电磁辐射传感器，同时在微震传感器组与电磁辐射传感器布设地段及其后方100m范围内设立支护结构受力、围岩变形的监测断面；
S62、巷道掘进时同时采集支护结构受力、围岩变形数据，以及微震信号与电磁辐射信号数据；
S63、监测地段的围岩变形趋于稳定，围岩破裂的微震与电磁辐射趋于平缓后，根据稳定围岩区域、较稳定围岩区域、弱稳定围岩区域、不稳定围岩区域四类围岩的评价标准，以及支护结构受力、围岩变形及其随时间的耦合性对巷道围岩稳定性进行类别识别；
S64、以微震信号与电磁辐射信号数据的特征统计值为输入单元，对应区域围岩类别为输出单元，采用遗传算法优化确定隐单元个数；
S65、最后开展BP人工神经网络训练，建立起巷道围岩稳定性类别和微震信号与电磁辐射信号大数据间的BP人工神经网络模型。
与现有技术相比，本申请有如下优点：
本申请微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法中，既能获知煤岩体破裂局部区域，又能对巷道围岩稳定性进行判断，且判断精准，方便作业人员及时对不稳定围岩区域、弱稳定围岩区域立即加强支护，对较稳定围岩区域重点监管，提高作业安全性。
【附图说明】
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。
图1为待监测巷道围岩上微震传感器组和电磁辐射传感器布置示意图。
【具体实施方式】
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，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其他全部实施例，都属于本发明保护的范围。
本实施例公开了微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法，包括如下步骤：
S1、在待监测巷道1围岩的预设位置中布置微震传感器组2和电磁辐射传感器3。本步骤中，如图1所示，在待监测巷道1围岩上间隔分布三组所述微震传感器组2以及三个分别与每组微震传感器组2相对应的所述电磁辐射传感器3，所述微震传感器组2包括设于巷道顶部的巷顶微震传感器21和两个设于巷道侧边的巷帮微震传感器22。为有效判识同源应力波，考虑到应力波在层状岩体传播时的折射角影响，将9个微震传感器分三组布置，组内3个微震传感器近距离布置，组与组之间远距离间隔分布，具体地，相邻的两组微震传感器组间隔50m，将3个电磁辐射传感器分别与三组微震传感器组同组布置，1个电磁辐射传感器和三个微震传感器呈非对称三棱锥布置。为有效采集信号，巷顶微震传感器、巷帮微震传感器和电磁辐射传感器放入1m深的钻孔内，微震传感器钻孔用炮泥封堵。首次布置时，距掘进迎头最近的电磁辐射传感器布置在距掘进迎头20m范围内，同组的巷顶微震传感器与之水平垂线距5m，同组的两个巷帮微震传感器与之水平垂线距10m；随着巷道掘进，当电磁辐射传感器距掘进迎头超过50m时，按电磁辐射传感器左帮、右帮交替布置的原则，在距掘进迎头20m范围内钻出1m深的钻孔，将离掘进迎头最远的一个电磁辐射传感器放入该钻孔内；当最近的微震传感器距掘进迎头超过100m时，重新按图1所示布置微震与电磁辐射传感器。
S2、对微震传感器组采集到的微震信号和电磁辐射传感器采集到的电磁辐射信号开展信号同源识别和干扰信号剔除，并根据微震事件属性和电磁辐射的低频正弦振荡特性标定出有效的微震事件和电磁辐射事件，然后由基于阈值算法编制软件自动给出各个微震传感器接收到的同源微震信号到时。
本步骤中，所述阈值算法的公式为：
其中，SSTA为信号短时平均值，SLTA为信号长时平均值，N为短时窗的长度，M是长时窗的长度，x为在i,j时刻的关于微震信号的特征函数值。
S3、首先对前述确定有效的微震信号到时采用各种信号处理方法(如小波分析)人工开展更精准的识别，并采用高精度微震定位软件对人工识别后的微震信号到时进行定位分析，其中，对于远场微震，根据关键层主破裂原则修正远场微震位置，根据微震波动原理分析近场声发射的动、静载诱因，确定由远场微震诱发的近场声发射位置，并标记与该由远场微震诱发的近场声发射位置同源的微震信号与电磁辐射信号。
S4、提取与由远场微震诱发的近场声发射位置同源的电磁辐射阶跃信号特征，具体包括以下步骤：
S41、对于与由远场微震诱发的近场声发射位置同源的电磁辐射信号，以背景振荡正弦信号的首个正向半正弦波最大值为辐值，对背景振荡正弦信号进行FFT变换，取其频谱曲线的第一个峰值对应的频率为背景振荡正弦信号的频率。
S42、提取其电磁辐射阶跃信号的发生时间和峰－峰值，并绘制以时间为横坐标，阶跃信号峰－峰值、背景振荡正弦信号幅值、频率分别为纵坐标的趋势曲线。
S43、以电磁辐射背景振荡正弦信号幅值、频率的趋势曲线为参考，分析、判定电磁辐射阶跃信号峰－峰值中趋势曲线上代表围岩破裂的各个凸峰，以凸峰的峰值对应的时间代表围岩破裂时间，凸峰曲线下阴影面积代表围岩破裂能量。
S5、以煤矿采区采掘工程平面图为基础，将时间作为第三坐标建立时－面三维坐标体系，将围岩破裂能量作为第三坐标建立能量－面三维坐标体系，将背景振荡正弦信号幅值作为第三坐标建立背景振荡正弦信号幅值－面三维坐标体系，将背景振荡正弦信号频率作为第三坐标建立背景振荡正弦信号频率－面三维坐标体系，在时－面三维坐标体系绘制围岩破裂位置与时间的关系图，在能量－面三维坐标体系绘制围岩破裂位置与能量的关系图，在背景振荡正弦信号幅值－面三维坐标体系绘制围岩破裂位置与背景振荡正弦信号幅值的关系图，在背景振荡正弦信号频率－面三维坐标体系绘制围岩破裂位置与背景振荡正弦信号频率的关系图。
S6、以上述四个三维图为依据，根据围岩破裂位置与时间的关系图分析围岩破裂位置的时空集中度，并将巷道围岩划分为电磁辐射信号极集中区、集中区和松散区，然后根据围岩破裂位置与能量的关系图、围岩破裂位置与背景振荡正弦信号幅值的关系图和围岩破裂位置与背景振荡正弦信号频率的关系图，甄别出松散区的稳定围岩区域，再则，对电磁辐射信号极集中区、集中区和松散区中未甄别出的非稳定围岩区域，以各区域的微震信号与电磁辐射信号数据的特征统计值为输入单元，输入到训练好的BP人工神经网络模型，智能预测电磁辐射信号极集中区、集中区和松散区的围岩稳定性类别，所述围岩稳定性类别包括稳定围岩区域、较稳定围岩区域、弱稳定围岩区域、不稳定围岩区域。
本步骤中，所述BP人工神经网络模型由以下步骤训练建立：
S61、在煤矿采区选定一条典型的沿空掘进的巷道布置微震传感器组与电磁辐射传感器，同时在微震传感器组与电磁辐射传感器布设地段及其后方100m范围内设立支护结构受力、围岩变形的监测断面。
S62、巷道掘进时同时采集支护结构受力、围岩变形数据，以及微震信号与电磁辐射信号数据。
S63、监测地段的围岩变形趋于稳定，围岩破裂的微震与电磁辐射趋于平缓后，根据稳定围岩区域、较稳定围岩区域、弱稳定围岩区域、不稳定围岩区域四类围岩的评价标准，以及支护结构受力、围岩变形及其随时间的耦合性对巷道围岩稳定性进行类别识别。
S64、以微震信号与电磁辐射信号数据的特征统计值为输入单元，对应区域围岩类别为输出单元，采用遗传算法优化确定隐单元个数。
S65、最后开展BP人工神经网络训练，建立起巷道围岩稳定性类别和微震信号与电磁辐射信号大数据间的BP人工神经网络模型。
本实施例微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法中，既能获知煤岩体破裂局部区域，又能对巷道围岩稳定性进行判断，且判断精准，方便作业人员及时对不稳定围岩区域、弱稳定围岩区域立即加强支护，对较稳定围岩区域重点监管，提高作业安全性。
Claims (6)
1.微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法，其特征在于，包括如下步骤：
S1、在待监测巷道围岩的预设位置中布置微震传感器组和电磁辐射传感器；
S2、对微震传感器组采集到的微震信号和电磁辐射传感器采集到的电磁辐射信号开展信号同源识别和干扰信号剔除，并根据微震事件属性和电磁辐射的低频正弦振荡特性标定出有效的微震事件和电磁辐射事件，然后由基于阈值算法编制软件自动给出各个微震传感器接收到的同源微震信号到时；
S3、对所述微震信号到时开展人工识别，并采用微震定位软件对人工识别后的微震信号到时进行定位分析，其中，对于远场微震，根据关键层主破裂原则修正远场微震位置，根据微震波动原理分析近场声发射的动、静载诱因，确定由远场微震诱发的近场声发射位置，并标记与该由远场微震诱发的近场声发射位置同源的微震信号与电磁辐射信号；
S4、提取与由远场微震诱发的近场声发射位置同源的电磁辐射阶跃信号特征，具体包括以下步骤：
S41、对于与由远场微震诱发的近场声发射位置同源的电磁辐射信号，以背景振荡正弦信号的首个正向半正弦波最大值为辐值，对背景振荡正弦信号进行FFT变换，取其频谱曲线的第一个峰值对应的频率为背景振荡正弦信号的频率；
S42、提取其电磁辐射阶跃信号的发生时间和峰－峰值，并绘制以时间为横坐标，阶跃信号峰－峰值、背景振荡正弦信号幅值、频率分别为纵坐标的趋势曲线；
S43、以电磁辐射背景振荡正弦信号幅值、频率的趋势曲线为参考，分析、判定电磁辐射阶跃信号峰－峰值中趋势曲线上代表围岩破裂的各个凸峰，以凸峰的峰值对应的时间代表围岩破裂时间，凸峰曲线下阴影面积代表围岩破裂能量；
S5、以煤矿采区采掘工程平面图为基础，将时间作为第三坐标建立时－面三维坐标体系，将围岩破裂能量作为第三坐标建立能量－面三维坐标体系，将背景振荡正弦信号幅值作为第三坐标建立背景振荡正弦信号幅值－面三维坐标体系，将背景振荡正弦信号频率作为第三坐标建立背景振荡正弦信号频率－面三维坐标体系，在时－面三维坐标体系绘制围岩破裂位置与时间的关系图，在能量－面三维坐标体系绘制围岩破裂位置与能量的关系图，在背景振荡正弦信号幅值－面三维坐标体系绘制围岩破裂位置与背景振荡正弦信号幅值的关系图，在背景振荡正弦信号频率－面三维坐标体系绘制围岩破裂位置与背景振荡正弦信号频率的关系图；
S6、以上述四个三维图为依据，根据围岩破裂位置与时间的关系图分析围岩破裂位置的时空集中度，并将巷道围岩划分为电磁辐射信号极集中区、集中区和松散区，然后根据围岩破裂位置与能量的关系图、围岩破裂位置与背景振荡正弦信号幅值的关系图和围岩破裂位置与背景振荡正弦信号频率的关系图，甄别出松散区的稳定围岩区域，再则，对电磁辐射信号极集中区、集中区和松散区中未甄别出的非稳定围岩区域，以各区域的微震信号与电磁辐射信号数据的特征统计值为输入单元，输入到训练好的BP人工神经网络模型，智能预测电磁辐射信号极集中区、集中区和松散区的围岩稳定性类别，所述围岩稳定性类别包括稳定围岩区域、较稳定围岩区域、弱稳定围岩区域、不稳定围岩区域。
2.根据权利要求1所述的微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法，其特征在于，步骤S1中，在待监测巷道围岩上间隔分布三组所述微震传感器组以及三个分别与每组微震传感器组相对应的所述电磁辐射传感器，所述微震传感器组包括巷顶微震传感器和两个巷帮微震传感器。
3.根据权利要求2所述的微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法，其特征在于，步骤S1中，相邻的两组微震传感器组间隔50m。
4.根据权利要求2所述的微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法，其特征在于，步骤S1中，巷顶微震传感器、巷帮微震传感器和电磁辐射传感器放入1m深钻孔内。
5.根据权利要求1所述的微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法，其特征在于，步骤S2中，所述阈值算法的公式为：
其中，SSTA为信号短时平均值，SLTA为信号长时平均值，N为短时窗的长度，M是长时窗的长度，x为在i,j时刻的关于微震信号的特征函数值。
6.根据权利要求1所述的微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法，其特征在于，步骤S6中，所述BP人工神经网络模型由以下步骤训练建立：
S61、在煤矿采区选定一条沿空掘进的巷道布置微震传感器组与电磁辐射传感器，同时在微震传感器组与电磁辐射传感器布设地段及其后方100m范围内设立支护结构受力、围岩变形的监测断面；
S62、巷道掘进时同时采集支护结构受力、围岩变形数据，以及微震信号与电磁辐射信号数据；
S63、监测地段的围岩变形趋于稳定，围岩破裂的微震与电磁辐射趋于平缓后，根据稳定围岩区域、较稳定围岩区域、弱稳定围岩区域、不稳定围岩区域四类围岩的评价标准，以及支护结构受力、围岩变形及其随时间的耦合性对巷道围岩稳定性进行类别识别；
S64、以微震信号与电磁辐射信号数据的特征统计值为输入单元，对应区域围岩类别为输出单元，采用遗传算法优化确定隐单元个数；
S65、最后开展BP人工神经网络训练，建立起巷道围岩稳定性类别和微震信号与电磁辐射信号大数据间的BP人工神经网络模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011582757.8A CN112731525B (zh) | 2020-12-28 | 2020-12-28 | 微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011582757.8A CN112731525B (zh) | 2020-12-28 | 2020-12-28 | 微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112731525A true CN112731525A (zh) | 2021-04-30 |
| CN112731525B CN112731525B (zh) | 2022-04-29 |
Family
ID=75606788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011582757.8A Active CN112731525B (zh) | 2020-12-28 | 2020-12-28 | 微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112731525B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113420611A (zh) * | 2021-06-01 | 2021-09-21 | 煤炭科学研究总院 | 一种巷道围岩安全状态的检测方法、装置及电子设备 |
| CN114542186A (zh) * | 2022-03-31 | 2022-05-27 | 中国矿业大学 | 一种基于主被动震电磁三场的深部巷道支护健康监测方法 |
| CN116579668A (zh) * | 2023-07-12 | 2023-08-11 | 中国矿业大学(北京) | 切顶自成巷留巷效果测评方法及系统 |
| CN117235428A (zh) * | 2023-11-16 | 2023-12-15 | 北京科技大学 | 煤岩损伤过程关键震源判识方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105260575A (zh) * | 2015-11-17 | 2016-01-20 | 中国矿业大学 | 一种基于神经网络的巷道围岩变形预测方法 |
| CN105484802A (zh) * | 2016-01-15 | 2016-04-13 | 西安科技大学 | 一种煤矿冲击地压联合监测预警系统及其监测预警方法 |
| CN106437854A (zh) * | 2016-10-08 | 2017-02-22 | 中国矿业大学 | 分布式煤岩动力灾害声电同步监测系统及方法 |
| CN107765340A (zh) * | 2017-10-18 | 2018-03-06 | 北京科技大学 | 一种基于电磁辐射和微震联合监测的井下煤岩破裂源定位方法 |
| US20200033496A1 (en) * | 2018-02-26 | 2020-01-30 | University Of Science And Technology Beijing | Monitoring and forewarning method for coal-rock dynamic disasters based on electromagnetic radiation and earth sound |
| CN111042866A (zh) * | 2019-12-30 | 2020-04-21 | 安徽惠洲地质安全研究院股份有限公司 | 一种多物理场协同的突水监测方法 |
-
2020
- 2020-12-28 CN CN202011582757.8A patent/CN112731525B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105260575A (zh) * | 2015-11-17 | 2016-01-20 | 中国矿业大学 | 一种基于神经网络的巷道围岩变形预测方法 |
| CN105484802A (zh) * | 2016-01-15 | 2016-04-13 | 西安科技大学 | 一种煤矿冲击地压联合监测预警系统及其监测预警方法 |
| CN106437854A (zh) * | 2016-10-08 | 2017-02-22 | 中国矿业大学 | 分布式煤岩动力灾害声电同步监测系统及方法 |
| CN107765340A (zh) * | 2017-10-18 | 2018-03-06 | 北京科技大学 | 一种基于电磁辐射和微震联合监测的井下煤岩破裂源定位方法 |
| US20200033496A1 (en) * | 2018-02-26 | 2020-01-30 | University Of Science And Technology Beijing | Monitoring and forewarning method for coal-rock dynamic disasters based on electromagnetic radiation and earth sound |
| CN111042866A (zh) * | 2019-12-30 | 2020-04-21 | 安徽惠洲地质安全研究院股份有限公司 | 一种多物理场协同的突水监测方法 |
Non-Patent Citations (3)
| Title |
|---|
| PINGAN PENG 等: "Automatic Classification of Microseismic Records in Underground Mining: A Deep Learning Approach", 《IEEE ACCESS》 * |
| 周春华 等: "基于微震与电磁辐射联合监测的多元岩爆预警方法研究", 《岩土工程学报》 * |
| 杨佳楠 等: "基于关键层的微震波动理论分析与数值模拟", 《地下空间与工程学报》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113420611A (zh) * | 2021-06-01 | 2021-09-21 | 煤炭科学研究总院 | 一种巷道围岩安全状态的检测方法、装置及电子设备 |
| CN113420611B (zh) * | 2021-06-01 | 2024-03-29 | 煤炭科学研究总院有限公司 | 一种巷道围岩安全状态的检测方法、装置及电子设备 |
| CN114542186A (zh) * | 2022-03-31 | 2022-05-27 | 中国矿业大学 | 一种基于主被动震电磁三场的深部巷道支护健康监测方法 |
| CN114542186B (zh) * | 2022-03-31 | 2022-12-02 | 中国矿业大学 | 一种基于主被动震电磁三场的深部巷道支护健康监测方法 |
| CN116579668A (zh) * | 2023-07-12 | 2023-08-11 | 中国矿业大学(北京) | 切顶自成巷留巷效果测评方法及系统 |
| CN116579668B (zh) * | 2023-07-12 | 2023-09-26 | 中国矿业大学(北京) | 切顶自成巷留巷效果测评方法及系统 |
| CN117235428A (zh) * | 2023-11-16 | 2023-12-15 | 北京科技大学 | 煤岩损伤过程关键震源判识方法 |
| CN117235428B (zh) * | 2023-11-16 | 2024-01-26 | 北京科技大学 | 煤岩损伤过程关键震源判识方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112731525B (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112731525B (zh) | 微震与电磁辐射同步监测的巷道围岩稳定性智能预测方法 | |
| CN113050159B (zh) | 一种煤岩水力压裂裂缝微震定位及扩展机理监测方法 | |
| CN108957521B (zh) | 一种用于隧道长距离三维超前地质预报方法 | |
| CN101968550B (zh) | 基于阵列光纤传感器的岩层识别装置及方法 | |
| US11899154B2 (en) | DAS same-well monitoring real-time microseismic effective event identification method based on deep learning | |
| CN106353792A (zh) | 一种适用于水力压裂微震震源定位的方法 | |
| CN105891874A (zh) | 一种采动煤岩体突水微震监测方法 | |
| CN105676268A (zh) | 一种基于声音信号波形变化特征的应变型岩爆预警方法 | |
| CN102879805A (zh) | 一种基于钻孔与地面相结合的地震波空间探测方法 | |
| CN114412573B (zh) | 一种矿井井壁破裂监测预警系统及方法 | |
| CN112360548B (zh) | 巷旁混凝土充填体全服务周期稳定性监测预警系统及方法 | |
| CN113390458B (zh) | 一种爆破区围岩损伤程度的判定方法 | |
| CN113153430B (zh) | 巷道围岩破坏声发射定位与波速成像监测及灾变预警方法 | |
| CN116591777B (zh) | 多场多源信息融合的冲击地压智能化监测预警装置及方法 | |
| Young et al. | Seismic spectroscopy in fracture characterization | |
| CN103323530A (zh) | 利用爆破作业震动波检测巷道群围岩稳定性的方法 | |
| CN111852566A (zh) | 煤矿井下水力压裂裂缝扩展规律的微震监测方法 | |
| CN107479098A (zh) | 一种水力压裂过程中同井微地震监测工艺 | |
| CN111125872A (zh) | 一种用于tbm掘进隧道的岩爆预测方法 | |
| CN112213767A (zh) | 一种用于顶板超前预裂爆破效果的评价方法 | |
| CN104697683A (zh) | 动力灾害矿井锚岩稳定性集成检测方法及系统 | |
| CN111335954A (zh) | 基于分布式光纤传感的岩爆监测系统及数据采集处理方法 | |
| CN113914932B (zh) | 利用震动波断层扫描识别煤与瓦斯突出危险区域的方法 | |
| CN114109508A (zh) | 一种基于能量系统分析的冲击地压监测方法及应用 | |
| Kwiatek et al. | New insights into fracture process through in-situ acoustic emission monitoring during fatigue hydraulic fracture experiment in Äspö Hard Rock Laboratory |
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 |