CN114880870B - 一种用于提升井地一体微震监测系统监测能力的方法 - Google Patents
一种用于提升井地一体微震监测系统监测能力的方法 Download PDFInfo
- Publication number
- CN114880870B CN114880870B CN202210587749.5A CN202210587749A CN114880870B CN 114880870 B CN114880870 B CN 114880870B CN 202210587749 A CN202210587749 A CN 202210587749A CN 114880870 B CN114880870 B CN 114880870B
- Authority
- CN
- China
- Prior art keywords
- microseismic
- well
- ground
- monitoring
- scheme
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004519 manufacturing process Methods 0.000 claims abstract description 15
- 238000009412 basement excavation Methods 0.000 claims abstract description 10
- 230000002068 genetic effect Effects 0.000 claims abstract description 10
- 238000013210 evaluation model Methods 0.000 claims abstract description 7
- 108090000623 proteins and genes Proteins 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005065 mining Methods 0.000 claims description 5
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 4
- 230000037431 insertion Effects 0.000 claims description 4
- 239000000523 sample Substances 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 239000002352 surface water Substances 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000035772 mutation Effects 0.000 claims 5
- 206010064571 Gene mutation Diseases 0.000 claims 1
- 238000009434 installation Methods 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 abstract description 3
- 239000011435 rock Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- 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. analysis, for interpretation, for correction
- G01V1/288—Event detection in seismic signals, e.g. microseismics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/42—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators in one well and receivers elsewhere or vice versa
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/10—Aspects of acoustic signal generation or detection
- G01V2210/12—Signal generation
- G01V2210/123—Passive source, e.g. microseismics
- G01V2210/1234—Hydrocarbon reservoir, e.g. spontaneous or induced fracturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- G06F2119/10—Noise analysis or noise optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
一种用于提升井地一体微震监测系统监测能力的方法,首先在地面选择可安装无线传感器的多个候选点,形成自然数编码的候选点集合,在候选点集合中随机选择固定数量的候选点与井下已安装的传感器形成井地一体微震监测台网;多次随机选择后,直至生成一定规模的井地一体微震监测台网布设方案;然后对每个方案个体,采用微震能量与P波初至峰值幅度的传播关系式构建其监测能力评价模型,形成初始种群,并采用遗传进化算法求解获得最优个体,确定显著提升井地一体微震监测能力的最优地面无线传感器布设方案。该方法为现场调整优化地面无线传感器的安装位置提供有效指导,确保井地一体微震监测系统能观测到矿井采掘生产过程中产生的各种能量级别的微震。
Description
技术领域
本发明涉及一种用于提升井地一体微震监测系统监测能力的方法,属于煤矿安全技术领域。
背景技术
冲击地压灾害是煤矿重大灾害之一,如何对其准确监测预警一直是困扰行业的难题。
微震监测技术作为冲击地压监测与预警的最可靠手段,在冲击危险的时序和空间预警上发挥着重要的作用。一般来说,微震监测系统采集记录的微震信号越丰富,反映的围岩破裂与冲击危险演化趋势也越清晰。近几年在现场应用中,现场不利条件对微震监测的可靠性和预警分析的准确性带来了严重影响,限制了监测效能的发挥。现场不利条件包括独头巷道掘进、采空区后方远场高位岩层破裂、皮带和材料运输设备运行等,导致一方面无法利用井下传感器有效立体覆盖和包围待测区域,另一方面引起较大的环境背景噪音,极大限制了微震信号的完整采集与可靠分析。
目前,根据采掘生产区域所在位置,通过在地面安装地面传感器,与井下传感器形成井地联合微震监测台网,可显著提高微震监测系统的监测能力。当前,地面传感器安装位置的选择主要依靠人的经验来设计,尚缺乏科学性,无法满足现场对有效布设井地一体微震监测系统以达到完整监测和记录采掘生产中产生的微震信号的需求。
发明内容
针对上述现有技术存在的问题,本发明提供一种用于提升井地一体微震监测系统监测能力的方法,该方法能够确定地面监测传感器的最优安装位置,显著提升井地一体微震监测系统的观测能力,确保其能够完整采集矿井采掘生产过程中产生的各种能量级别的微震信号。
为了实现上述目的,本发明采用的技术方案是:一种用于提升井地一体微震监测系统监测能力的方法,包括如下步骤:
(1)在地面选择安装无线传感器的多个候选点,形成自然数编码的候选点集合S={1,2,3,4,5,...,n};
(3)重复步骤(2),直至生成v=p个井地一体微震监测台网布设方案,形成规模为p的方案集合G:
(4)利用步骤(3)中生成的每个井地一体微震监测方案个体Gv,形成初始种群Gen,具体步骤为:
401)利用井下传感器采集的微震信号确定微震能量E与P波初至峰值幅度f的传播关系式为:
式中,α1为幅能比系数,α2为衰减系数,r为微震震源至井下传感器的距离;
402)根据采掘生产区域范围[Xmin,Xmax]、[Ymin,Ymax]、[Zmin,Zmax],取X方向间距为dx、Y方向间距为dy、Z方向间距为dz,划分网格数量为的三维等间距网格模型;其中,m1、n1、p1分别代表X方向、Y方向和Z方向的网格数量;
其中,i∈1,2,...,m1,j∈1,2,...,n1,k∈1,2,...,p1,v∈1,2,...,p;
404)根据步骤403),建立井地一体微震监测台网方案Gv的监测能力监测能力Qv的评估模型为:
405)形成初始种群Gen为
(5)针对步骤(4)中生成的初始种群,采用遗传进化算法求解获得最优个体,确定最优地面无线传感器布设方案。
进一步地,所述步骤(1)中,在地面选择安装无线传感器的多个候选点的原则为:与井下传感器共同包围矿井采掘生产区域且距离生产区域不超过2000m,同时避开积水区、地表水系、公路设施、噪声大的场所,选择4G/5G网络信号强的区域。
进一步地,所述步骤401)中,α1和α2的确定方法为:人工标记各井下传感器记录的P波初至峰值f,计算多个不同能量级别微震信号的震源位置和微震能量E,获取微震震源至井下传感器的距离r,进一步根据非线性最小二乘法确定α1和α2。
40301:依据利用P波初至到时进行定位的微震定位原理,确定当至少有4个传感器接收到的P波初至峰值幅度f大于等于3倍环境背景噪音NL时触发微震监测系统记录微震信号;
40302:计算点(Xi,Yj,Zk)与Gv中每个传感器的距离rl,依据步骤40301确定触发每个传感器所需的P波初至峰值幅度fl,通过步骤401中确定的矿井微震能量E与P波初至峰值幅度t的传播关系式反算触发每个探头所需的震源能量为:
其中,l=1,2,...,m+k;
进一步地,所述步骤40301中,环境背景噪音NL分为安装在地表的地面传感器监测的地表环境背景噪音为NLs;安装在井下巷道里的井下传感器监测的井下环境背景噪音为NLu。
进一步地,所述步骤(5)中采用的遗传算法的进化代数不小于100,算法中变异操作选择混合使用相邻基因变异、基因插入变异、基因交换变异、三点基因交换变异和两点间倒置变异;交叉操作选择混合使用部分映射交叉、循环交叉算子、边重组交叉、线性顺序交叉、序交叉算子和均匀交叉。
本发明通过在地面选择可安装无线传感器的多个候选点,形成自然数编码的候选点集合,并在候选点集合中随机选择固定数量的候选点与井下已安装的传感器形成井地一体微震监测台网;多次随机选择后,直至生成一定规模的井地一体微震监测台网布设方案。对方案中每个井地一体微震监测方案个体,采用微震能量与P波初至峰值幅度的传播关系式构建其监测能力评价模型,进而形成初始种群,并采用遗传进化算法求解获得最优个体,最后确定显著提升井地一体微震监测能力的最优地面无线传感器布设方案。该方法为现场调整优化地面无线传感器的安装位置提供了有效指导,确保了井地一体微震监测系统能够观测到矿井采掘生产过程中产生的各种能量级别的微震,显著提升了微震监测系统对于冲击地压监测的可靠性和预警分析的准确性。
附图说明
图1是本发明的工作流程图;
图2是实施例中实际P波初至峰值幅度f与拟合数据的对比曲线;
图3是实施例中划分的三维网格模型;
图4是实施例中随进化代数种群最优个体监测能力评估值的寻优过程图。
具体实施方式
下面将结合附图对本发明作进一步说明。
如图1所示,一种用于提升井地一体微震监测系统监测能力的方法,包括如下步骤:
(1)在地面选择安装无线传感器的多个候选点,形成自然数编码的候选点集合S={1,2,3,4,5,...,n};
(3)重复步骤(2),直至生成v=p个井地一体微震监测台网布设方案,形成规模为p的方案集合G:
(4)利用步骤(3)中生成的每个井地一体微震监测方案个体Gv,形成初始种群Gen,具体步骤为:
401)利用井下传感器采集的微震信号确定微震能量E与P波初至峰值幅度f的传播关系式为:
式中,α1为幅能比系数,α2为衰减系数,r为微震震源至井下传感器的距离;
402)根据采掘生产区域范围[Xmin,Xmax]、[Ymin,Ymax]、[Zmin,Zmax],取X方向间距为dx、Y方向间距为dy、Z方向间距为dz,划分网格数量为的三维等间距网格模型;其中,m1、n1、p1分别代表X方向、Y方向和Z方向的网格数量;
其中,i∈1,2,...,m1,j∈1,2,...,n1,k∈1,2,...,p1,v∈1,2,...,p;
404)根据步骤403),建立井地一体微震监测台网方案Gv的监测能力Qv的评估模型为
405)形成初始种群Gen为
(5)针对步骤(4)中生成的初始种群,采用遗传进化算法求解获得最优个体,确定最优地面无线传感器布设方案。
进一步地,所述步骤(1)中,在地面选择安装无线传感器的多个候选点的原则为:与井下传感器共同包围矿井采掘生产区域且距离生产区域不超过2000m,同时避开积水区、地表水系、公路设施、噪声大的场所,选择4G/5G网络信号强的区域。
进一步地,所述步骤401)中,α1和α2的确定方法为:人工标记各井下传感器记录的P波初至峰值f,计算多个不同能量级别微震信号的震源位置和微震能量E,获取微震震源至井下传感器的距离r,进一步根据非线性最小二乘法确定α1和α2。
40301:依据利用P波初至到时进行定位的微震定位原理,确定当至少有4个传感器接收到的P波初至峰值幅度f大于等于3倍环境背景噪音NL时触发微震监测系统记录微震信号;
40302:计算点(Xi,Yj,Zk)与Gv中每个传感器的距离rl,依据步骤40301确定触发每个传感器所需的P波初至峰值幅度fl,通过步骤401中确定的矿井微震能量E与P波初至峰值幅度f的传播关系式反算触发每个探头所需的震源能量为:
其中,l=1,2,...,m+k;
进一步地,所述步骤40301中,环境背景噪音NL分为安装在地表的地面传感器监测的地表环境背景噪音为NLs;安装在井下巷道里的井下传感器监测的井下环境背景噪音为NLu。
进一步地,所述步骤(5)中采用的遗传算法的进化代数不小于100,算法中变异操作选择混合使用相邻基因变异、基因插入变异、基因交换变异、三点基因交换变异和两点间倒置变异;交叉操作选择混合使用部分映射交叉、循环交叉算子、边重组交叉、线性顺序交叉、序交叉算子和均匀交叉。
实施例:
(1)在地面选择安装无线传感器的多个候选点,形成自然数编码的候选点集合S={1,2,3,4,5,…,72},集合中,每个候选点的坐标见下表:
(2)从步骤(1)建立的候选点集合S中随机选择固定数量为5的候选点与井下已安装的传感器集合U形成井地一体微震监测台网方案G1为:
U | x/m | y/m | z/m |
U<sub>1</sub> | 19382780.65 | 4322747.45 | 693.80 |
U<sub>2</sub> | 19382493.17 | 4322201.48 | 696.80 |
U<sub>3</sub> | 19382492.86 | 4322681.22 | 692.80 |
U<sub>4</sub> | 19382780.95 | 4322183.56 | 697.00 |
(3)重复步骤(2),直至生成v=100个井地一体微震监测台网布设方案,形成规模为p=100的方案集合G:
(4)利用步骤(3)中生成的每个井地一体微震监测方案个体Gv,形成初始种群Gen的步骤为:
401)利用井下传感器采集的微震信号确定微震能量E与P波初至峰值幅度f的传播关系式为:
α1为幅能比系数,α2为衰减系数,r为微震震源至井下传感器的距离;α1和α2的确定方法为:选择采集的3个不同能量级别的微震信号,计算微震震源能量、震源位置,如下表:
之后人工标记井下传感器记录的P波初至峰值f,计算震源至各传感器的距离r,如下表:
代入微震能量E与P波初至峰值幅度f的传播关系式
进一步根据非线性最小二乘法确定α1和α2分别为7.28352×10-7、0.0012836,绘制如图2所示的实际P波初至峰值f和拟合结果的对比图。
402)根据采掘生产区域范围[Xmin=19382312,Xmax=19382962]、[Ymin=4322587,Ymax=4323037]、[Zmin=600,Zmax=800],取X方向间距为dx=50、Y方向间距为dy=50、Z方向间距为dz=50,划分如图3所示网格数量为m1×n1×p1=14×10×5的三维等间距网格模型;
403)依据步骤401)确定的传播关系式,可得:
结合步骤402)划分三的维等间距网格模型,计算网格模型内点(Xi,Yj,Zk)上能够触发井地一体微震监测台网方案Gv记录微震信号的最小能量其中,i∈1,2,...,14,j∈1,2,...,10,k∈1,2,...,5,v∈1,2,...100;对于点[X1=19382312,Y1=4322587,Z1=600]上能够触发井地一体微震监测台网方案记录微震信号的最小能量的计算步骤为:
40301:依据利用P波初至到时进行定位的微震定位原理,确定至少有4个传感器接收到的P波初至峰值幅度f大于等于3倍环境背景噪音NL才能触发微震监测系统记录微震信号。环境背景噪音NL分为:地面传感器安装在地表,地表监测环境背景噪音为NLs=2.0×10-8m/s;井下传感器安装在井下巷道里,井下监测环境背景噪音为NLu=5.0×10-7m/s;具体要求地面传感器f≥3×2.0×10-8m/s=6×10-8m/s、井下传感器f≥3×5.0×10-7m/s=1.5×10-6m/s;
40302:计算点[X1=19382312,Y1=4322587,Z1=600]与G2中每个传感器的距离r={1297,1048,874,1659,1472,504,437,224,626};依据步骤40301确定触发每个传感器所需的P波初至峰值幅度:
f={6×10-8,6×10-8,6×10-8,6×10-8,6×10-8,1.5×10-6,1.5×10-6,1.5×10-6,1.5×10-6};
将得到的震源能量按照从小到大的顺序进行排序,{220.9,331.4,565.2,615.2,802.4,1149.4,1576.1,1983.2,2880.8}中第4个能量值作为能够触发井地一体微震监测台网方案记录微震信号的最小能量/>
404)依据步骤403),建立井地一体微震监测台网方案Gv的监测能力Qv的评估模型为
以井地一体微震监测台网方案G2为例,其监测能力评估为:
针对所有井地一体微震监测台网方案G,计算
405)形成初始种群Gen为
(5)如图4,针对步骤405)中生成的初始种群Gen,采用遗传进化算法搜寻确定最优个体,此时评估模型Q取得最小值为179.9。遗传算法的进化代数为200,每代进化中,变异操作选择混合使用相邻基因变异、基因插入变异、基因交换变异、三点基因交换变异和两点间倒置变异;交叉操作选择混合使用部分映射交叉、循环交叉算子、边重组交叉、线性顺序交叉、序交叉算子和均匀交叉。最终确定显著提升井地一体微震监测能力的最优地面无线传感器布设方案见下表:
S | x/m | y/m | z/m |
S<sub>39</sub> | 19382646 | 4322878 | 1400 |
S<sub>38</sub> | 19382646 | 4322678 | 1400 |
S<sub>31</sub> | 19382446 | 4322878 | 1400 |
S<sub>47</sub> | 19382846 | 4322878 | 1400 |
S<sub>30</sub> | 19382446 | 4322678 | 1400 |
Claims (6)
1.一种用于提升井地一体微震监测系统监测能力的方法,其特征在于,包括如下步骤:
(1)在地面选择安装无线传感器的多个候选点,形成自然数编码的候选点集合S={1,2,3,4,5,…,n};
(3)重复步骤(2),直至生成v=p个井地一体微震监测台网布设方案,形成规模为p的方案集合G:
(4)利用步骤(3)中生成的每个井地一体微震监测方案个体Gv,形成初始种群Gen,具体步骤为:
401)利用井下传感器采集的微震信号确定微震能量E与P波初至峰值幅度f的传播关系式为:
式中,α1为幅能比系数,α2为衰减系数,r为微震震源至井下传感器的距离;
402)根据采掘生产区域范围[Xmin,Xmax]、[Ymin,Ymax]、[Zmin,Zmax],取X方向间距为dx、Y方向间距为dy、Z方向间距为dz,划分网格数量为的三维等间距网格模型;其中,m1、n1、p1分别代表X方向、Y方向和Z方向的网格数量;
其中,i∈1,2,...,m1,j∈1,2,...,n1,k∈1,2,...,p1,v∈1,2,...,p;
404)根据步骤403),建立井地一体微震监测台网方案Gv的监测能力监测能力Qv的评估模型为:
405)形成初始种群Gen为
(5)针对步骤(4)中生成的初始种群,采用遗传进化算法求解获得最优个体,确定最优地面无线传感器布设方案。
2.根据权利要求1所述的一种用于提升井地一体微震监测系统监测能力的方法,其特征在于,所述步骤(1)中,在地面选择安装无线传感器的多个候选点的原则为:与井下传感器共同包围矿井采掘生产区域且距离生产区域不超过2000m,同时避开积水区、地表水系、公路设施、噪声大的场所,选择4G/5G网络信号强的区域。
3.根据权利要求1或2所述的一种用于提升井地一体微震监测系统监测能力的方法,其特征在于,所述步骤401)中,α1和α2的确定方法为:人工标记各井下传感器记录的P波初至峰值f,计算多个不同能量级别微震信号的震源位置和微震能量E,获取微震震源至井下传感器的距离r,进一步根据非线性最小二乘法确定α1和α2。
4.根据权利要求3所述的一种用于提升井地一体微震监测系统监测能力的方法,其特征在于,所述步骤403)中,点(Xi,Yj,Zk)上能够触发井地一体微震监测台网方案Gv记录微震信号的最小能量的计算步骤为:
40301:依据利用P波初至到时进行定位的微震定位原理,确定当至少有4个传感器接收到的P波初至峰值幅度f大于等于3倍环境背景噪音NL时触发微震监测系统记录微震信号;
40302:计算点(Xi,Yj,Zk)与Gv中每个传感器的距离rl,依据步骤40301确定触发每个传感器所需的P波初至峰值幅度fl,通过步骤401中确定的矿井微震能量E与P波初至峰值幅度f的传播关系式反算触发每个探头所需的震源能量为:
其中,l=1,2,...,m+k;
5.根据权利要求4所述的一种用于提升井地一体微震监测系统监测能力的方法,其特征在于,所述步骤40301中,环境背景噪音NL分为安装在地表的地面传感器监测的地表环境背景噪音为NLs;安装在井下巷道里的井下传感器监测的井下环境背景噪音为NLu。
6.根据权利要求5所述的一种用于提升井地一体微震监测系统监测能力的方法,其特征在于,所述步骤(5)中采用的遗传算法的进化代数不小于100,算法中变异操作选择混合使用相邻基因变异、基因插入变异、基因交换变异、三点基因交换变异和两点间倒置变异;交叉操作选择混合使用部分映射交叉、循环交叉算子、边重组交叉、线性顺序交叉、序交叉算子和均匀交叉。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210587749.5A CN114880870B (zh) | 2022-05-27 | 2022-05-27 | 一种用于提升井地一体微震监测系统监测能力的方法 |
US18/128,233 US20230385486A1 (en) | 2022-05-27 | 2023-03-30 | Method for improving monitoring capability of borehole-surface micro-seismic monitoring system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210587749.5A CN114880870B (zh) | 2022-05-27 | 2022-05-27 | 一种用于提升井地一体微震监测系统监测能力的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114880870A CN114880870A (zh) | 2022-08-09 |
CN114880870B true CN114880870B (zh) | 2023-03-24 |
Family
ID=82676841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210587749.5A Active CN114880870B (zh) | 2022-05-27 | 2022-05-27 | 一种用于提升井地一体微震监测系统监测能力的方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230385486A1 (zh) |
CN (1) | CN114880870B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115826037B (zh) * | 2022-11-02 | 2023-12-12 | 北京国信安科技术有限公司 | 矿山采空区微震监测预警系统监测预警能力的评估方法 |
CN117331118A (zh) * | 2023-10-18 | 2024-01-02 | 华亭煤业集团有限责任公司 | 确保微震监测有效爆破信号的最小炸药量确定方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109782356A (zh) * | 2019-02-25 | 2019-05-21 | 西南大学 | 基于能量网格搜索的井下微震监测传感器最优布设方法 |
CN111308559A (zh) * | 2020-03-06 | 2020-06-19 | 西南大学 | 基于p波入射方向的煤矿井下微震监测传感器布设方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2133830B1 (en) * | 2008-06-10 | 2015-04-15 | Fujitsu Ltd. | Improvements in wireless sensor networks |
CN107861157B (zh) * | 2017-10-27 | 2019-07-09 | 福州大学 | 一种地下水封洞库运营期微震监测方法 |
CN110703320A (zh) * | 2019-09-29 | 2020-01-17 | 天地科技股份有限公司 | 一种井上下联合微震监测系统及方法 |
US11428836B2 (en) * | 2019-10-31 | 2022-08-30 | Halliburton Energy Services, Inc. | Determining event characteristics of microseismic events in a wellbore using distributed acoustic sensing |
CN113836717A (zh) * | 2021-09-23 | 2021-12-24 | 中国矿业大学 | 地震观测系统的设计方法及系统、计算机装置及存储介质 |
-
2022
- 2022-05-27 CN CN202210587749.5A patent/CN114880870B/zh active Active
-
2023
- 2023-03-30 US US18/128,233 patent/US20230385486A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109782356A (zh) * | 2019-02-25 | 2019-05-21 | 西南大学 | 基于能量网格搜索的井下微震监测传感器最优布设方法 |
CN111308559A (zh) * | 2020-03-06 | 2020-06-19 | 西南大学 | 基于p波入射方向的煤矿井下微震监测传感器布设方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114880870A (zh) | 2022-08-09 |
US20230385486A1 (en) | 2023-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114880870B (zh) | 一种用于提升井地一体微震监测系统监测能力的方法 | |
KR101642951B1 (ko) | Gis 기반 실시간 지진피해 예측 방법 | |
CN101930083B (zh) | 井间电磁波层析成像多孔对联合反演方法 | |
KR101927659B1 (ko) | 건축물 영역에 대한 대표 지반조건 결정 방법 | |
CN106326528A (zh) | 一种露天矿端帮地下开采诱发地表裂缝分布规律预测方法 | |
CN113514886B (zh) | 一种砂岩型铀矿成矿有利部位地质-地震三维预测方法 | |
CN112965136B (zh) | 一种富水岩溶隧道的多手段超前探测方法 | |
CN112948952B (zh) | 一种盾构隧道衬砌背后空洞的演化预测方法 | |
CN114994791B (zh) | 一种用于评估井地一体微震监测系统监测能力的方法 | |
CN110609335A (zh) | 一种基于多手段的残采区复杂条件探测方法 | |
CN102590874A (zh) | 一种山地采煤沉陷水田地表裂缝探测方法 | |
WO2023000257A1 (zh) | 一种砂岩型铀矿成矿有利部位地质-地震三维预测方法 | |
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 | |
CN111538071B (zh) | 陡倾层状岩体洞室群高边墙位移定量预测方法 | |
CN105005081A (zh) | 煤机采动激励下综采面近场煤岩动态层析成像系统及方法 | |
Laubach | Fracture networks in selected cretaceous sandstones of the green river and San Juan basins, Wyoming, New Mexico, and Colorado | |
Stanko et al. | Evaluation of the local site effects and their implication to the seismic risk of the UNESCO World Heritage Site Old City of Dubrovnik (Croatia) | |
CN107515419A (zh) | 岩体稳定性的估计方法和装置 | |
KR101926304B1 (ko) | 건축물 영역에 대한 대표 시추조사 자료 선정 방법 | |
Oparin et al. | Geomechanical monitoring of temporal lining in railway tunneling in complex geological conditions | |
CN112064617B (zh) | 一种土石混合料地基质量检测方法 | |
CN115182736A (zh) | 隧道的施工方法 | |
LA POINTE | Pattern analysis and simulation of joints for rock engineering | |
Chen et al. | Understanding rockfalls along the national road G318 in China: from source area identification to hazard probability simulation | |
CN116559958A (zh) | 一种井地联合微震监测效果评估与提升方法 |
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 |