CN116540299B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN116540299B
CN116540299B CN202310815276.4A CN202310815276A CN116540299B CN 116540299 B CN116540299 B CN 116540299B CN 202310815276 A CN202310815276 A CN 202310815276A CN 116540299 B CN116540299 B CN 116540299B
Authority
CN
China
Prior art keywords
microseismic
monitoring data
event
coal mine
energy accumulation
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
CN202310815276.4A
Other languages
English (en)
Other versions
CN116540299A (zh
Inventor
骆意
周天白
杨凌凯
程健
孙闯
石林松
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.)
Beijing Technology Research Branch Of Tiandi Technology Co ltd
General Coal Research Institute Co Ltd
Original Assignee
Beijing Technology Research Branch Of Tiandi Technology Co ltd
General Coal Research Institute Co Ltd
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 Beijing Technology Research Branch Of Tiandi Technology Co ltd, General Coal Research Institute Co Ltd filed Critical Beijing Technology Research Branch Of Tiandi Technology Co ltd
Priority to CN202310815276.4A priority Critical patent/CN116540299B/zh
Publication of CN116540299A publication Critical patent/CN116540299A/zh
Application granted granted Critical
Publication of CN116540299B publication Critical patent/CN116540299B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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. analysis, for interpretation, for correction
    • G01V1/288—Event detection in seismic signals, e.g. microseismics
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH 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
    • 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
    • G01V1/30—Analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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

Abstract

本申请提出的用于煤矿场景的基于微震能量积聚倾向性的预警方法中，获取微震监测数据，并基于微震监测数据确定煤矿开采诱发型微震事件的监测数据；基于煤矿开采诱发型微震事件的监测数据，得到煤矿开采诱发型微震事件的三元组表示；基于煤矿开采诱发型微震事件的三元组表示，得到自适应时序窗口对应的微震能量积聚倾向性值；基于自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到预警结果。由此可知，本申请基于微震能量积聚倾向性值，对煤矿的岩层进行自动分析，无需依赖人工经验，减少了主观性的影响，提高了分析结果的客观性和准确性，适用范围广。

Description

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
技术领域
本申请涉及微震数据预测技术领域，尤其涉及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、系统及存储介质。
背景技术
在煤矿的开采过程中会产生冲击地压现象（即岩层的破坏和移动），冲击地压现象会导致煤矿事故的发生，对矿工的生命安全和设备的完整性造成严重威胁。因此，需要利用微震监测技术对煤矿的岩层进行预测，从而提前对冲击地压灾害进行预警，避免不必要的损失。
相关技术中，微震监测技术通过监测地下微震事件提前发现岩层的运动和变形情况，判断岩层是否处于稳定状态，从而对煤矿的岩层进行预测。其中，该微震监测技术在分析微震事件时，需要依赖于专家的经验判断，主观性较强，从而影响了分析结果的准确性。并且，该微震监测技术通过设定一个历史固定对照区间，根据该固定区间的各项能量指标来判断当前时刻微震能量积聚的倾向性，忽略了不同时间段的微震事件能量的分布存在变化，使得该方法存在局限性，降低了分析结果的准确性。
发明内容
本申请提供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、系统及存储介质，以解决上述相关技术中出现的技术问题。
本申请第一方面实施例提出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，包括：
获取微震监测数据，并基于所述微震监测数据确定煤矿开采诱发型微震事件的监测数据；
基于所述煤矿开采诱发型微震事件的监测数据，得到所述煤矿开采诱发型微震事件的三元组表示；
基于所述煤矿开采诱发型微震事件的三元组表示，得到自适应时序窗口对应的微震能量积聚倾向性值；
基于所述自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到预警结果。
本申请第二方面实施例提出一种用于煤矿场景的基于微震能量积聚倾向性的预警系统，包括：
确定模块，用于获取微震监测数据，并基于所述微震监测数据确定煤矿开采诱发型微震事件的监测数据；
第一处理模块，用于基于所述煤矿开采诱发型微震事件的监测数据，得到所述煤矿开采诱发型微震事件的三元组表示；
第二处理模块，用于基于所述煤矿开采诱发型微震事件的三元组表示，得到自适应时序窗口对应的微震能量积聚倾向性值；
分析模块，用于基于所述自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到预警结果。
本申请第三方面实施例提出的计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如上第一方面所述的方法。
本申请第四方面实施例提出的计算机存储介质，其中，所述计算机存储介质存储有计算机可执行指令；所述计算机可执行指令被处理器执行后，能够实现如上第一方面所述的方法。
本申请的实施例提供的技术方案至少带来以下有益效果：
本申请提出的用于煤矿场景的基于微震能量积聚倾向性的预警方法、系统及存储介质中，获取微震监测数据，并基于微震监测数据确定煤矿开采诱发型微震事件的监测数据；基于煤矿开采诱发型微震事件的监测数据，得到煤矿开采诱发型微震事件的三元组表示；基于煤矿开采诱发型微震事件的三元组表示，得到自适应时序窗口对应的微震能量积聚倾向性值；基于自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到预警结果。由此可知，本申请可以基于微震能量积聚倾向性值，对煤矿的岩层进行自动分析，无需依赖人工经验，减少了主观性的影响，提高了分析结果的客观性。同时，本申请通过设定自适应时序窗口及其对应的微震能量积聚倾向性值得到煤矿开采诱发型微震事件的能量分布，考虑了不同时间段的微震事件能量的分布存在变化，使得更准确地判断能量的变化和积聚状态，适用范围广，提高了分析结果的准确性。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请一个实施例提供的用于煤矿场景的基于微震能量积聚倾向性的预警方法的流程示意图；
图2为根据本申请一个实施例提供的一种微震能量积聚倾向性值Q值的示意图；
图3为根据本申请一个实施例提供的用于煤矿场景的基于微震能量积聚倾向性的预警系统的结构示意图。
具体实施方式
下面详细描述本申请的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的用于煤矿场景的基于微震能量积聚倾向性的预警方法与系统。
实施例一
图1为根据本申请一个实施例提供的用于煤矿场景的基于微震能量积聚倾向性的预警方法的流程示意图，如图1所示，可以包括以下步骤：
步骤101、获取微震监测数据，并基于微震监测数据确定煤矿开采诱发型微震事件的监测数据。
其中，在本申请的实施例之中，上述微震监测数据可以包括地音传感器监测数据、微震传感器监测数据、液压支架传感器监测数据、地表沉降监测数据。
以及，在本申请的实施例之中，在煤矿开采过程中产生的微震事件可以包括源发型微震事件和煤矿开采诱发型微震事件。其中，源发型微震事件是地表自身运动产生的微震事件，煤矿开采诱发型微震事件是通过煤矿开采产生的微震事件。基于此，本申请需要对煤矿开采诱发型微震事件的监测数据，以减少地表自身运动带来的噪声干扰。
具体地，在本申请的实施例之中，上述基于微震监测数据确定煤矿开采诱发型微震事件的监测数据的方法可以包括以下步骤：
步骤1011、基于微震监测数据中未发生微震事件的各监测数据，求解各监测数据的均值和方差；
其中，在本申请的实施例之中，基于微震监测数据中未发生微震事件的地音传感器监测数据、微震传感器监测数据、液压支架传感器监测数据、地表沉降监测数据，分别求解得到地音传感器监测数据的均值mean(DY)和方差std(DY)、微震传感器监测数据的均值mean(WZ)和方差std(WZ)、液压支架传感器监测数据的均值mean(ZJ)和方差std(ZJ)、地表沉降监测数据的均值mean(CJ)和方差std(CJ)。
步骤1012、基于各监测数据的均值和方差，对各时刻的各监测数据进行预处理，分别得到各时刻地音传感器监测数据、微震传感器监测数据、液压支架传感器监测数据、地表沉降监测数据对应的波动量；
其中，在本申请的实施例之中，上述基于各监测数据的均值和方差，对各时刻的各监测数据进行预处理，得到各时刻的各监测数据对应的波动量的方法相同。基于此，本申请通过地音传感器监测数据对上述方法进行举例说明。
示例的，在本申请的实施例之中，基于地音传感器监测数据的均值和方差，对各时刻的地音传感器监测数据进行预处理，得到各时刻的地音传感器监测数据对应的波动量的方法可以包括：基于地音传感器监测数据的均值和方差，利用第一公式对各时刻的地音传感器监测数据进行预处理，得到各时刻的地音传感器监测数据对应的波动量，其中第一公式为：
其中，在本申请的实施例之中，上述为第i时刻的地音传感器监测数据。
步骤1013、基于各时刻地音传感器监测数据、微震传感器监测数据、液压支架传感器监测数据、地表沉降监测数据对应的波动量，通过波动熵因果求解得到各监测数据之间的同步性结果；
其中，在本申请的实施例之中，基于各时刻地音传感器监测数据、微震传感器监测数据、液压支架传感器监测数据、地表沉降监测数据对应的波动量，通过波动熵因果求解得到各监测数据之间的同步性结果的方法可以包括：基于各时刻地音传感器监测数据、微震传感器监测数据、液压支架传感器监测数据、地表沉降监测数据对应的波动量，利用第二公式通过波动熵因果求解得到各监测数据之间的同步性结果，其中，第二公式为：
;
;
;
;
;
。
其中，上述为第t+1时刻的微震传感器监测数据，/>为第t时刻的地音传感器监测数据，/>为第t时刻的液压支架传感器监测数据，/>为第t时刻的地表沉降监测数据，表示/>组合发生的概率，/>指对所有可能的组合情况的积分。
以及，在本申请的实施例之中，上述通过第二公式可以得到各监测数据之间的同步性结果可以代表地音传感器监测数据、液压支架传感器监测数据、地表沉降监测数据分别与微震传感器监测数据相互关系的同步性结果。
步骤1014、基于各监测数据之间的同步性结果，确定煤矿开采诱发型微震事件的监测数据。
其中，在本申请的实施例之中，通过上述步骤得到各监测数据之间的同步性结果后，可以基于各监测数据之间的同步性结果，确定煤矿开采诱发型微震事件的监测数据。以及，在本申请的实施例之中，若各监测数据之间的同步性结果均较好，则确定该监测数据为煤矿开采诱发型微震事件的监测数据；若各监测数据之间的同步性结果较弱，则确定该监测数据为源发型微震事件的监测数据。
具体地，在本申请的实施例之中，若通过上述步骤1013得到六组同步性结果中存在任意三组数值大于第一阈值，则确定该监测数据为煤矿开采诱发型微震事件的监测数据，则保留该部分监测数据；否则，确定该监测数据为源发型微震事件的监测数据，则过滤掉该部分监测数据。其中，第一阈值可以根据需要进行设定，例如第一阈值可以为0.4。
其中，在本申请的实施例之中，通过上述方法可以自动辨识源发型微震事件和煤矿开采诱发型微震事件，以使得能够准确判断微震事件是否与煤矿开采活动有关，从而有效地减少了地表自身运动对微震事件的干扰，提供了更准确的监测数据，使得后续基于该监测数据得到的分析结果更加准确。
步骤102、基于煤矿开采诱发型微震事件的监测数据，得到煤矿开采诱发型微震事件的三元组表示。
其中，在本申请的实施例之中，通过上述步骤得到煤矿开采诱发型微震事件的监测数据后，可以基于煤矿开采诱发型微震事件的监测数据，得到该监测数据对应煤矿开采诱发型微震事件的时间、位置和能量，并根据规约要求将煤矿开采诱发型微震事件的监测数据按照时间、位置和能量三元组进行规约。基于此，煤矿开采诱发型微震事件的三元组表示包括<时间，位置，能量>。
以及，在本申请的实施例之中，上述三元组表示中的时间是指将煤矿开采诱发型微震事件按照发生的时间顺序进行排列和记录；上述三元组表示中的位置是指将煤矿开采诱发型微震事件的发生位置进行准确定位和记录；上述三元组表示中的能量是指将微震事件的能量进行统计和量化，并记录下来。
需要说明的是，在本申请的实施例之中，通过上述三元组表示的规约方式，可以准确获取煤矿开采诱发型微震事件的相关信息，从而为后续的微震能量积聚倾向性分析提供可靠的数据基础。
步骤103、基于煤矿开采诱发型微震事件的三元组表示，得到自适应时序窗口对应的微震能量积聚倾向性值。
其中，在本申请的实施例之中，在传统的微震能量积聚倾向性值求解中，通过设定一个不变的对照区间来判断微震能量是否积聚。但是，该方法忽略了不同时间段的煤矿开采诱发型微震事件能量分布的变化，使得微震能量积聚倾向性分析的准确性受限于历史固定对照区间的选择，局限性较大。基于此，本申请通过设定自适应时序窗口及其对应的自适应能量积聚倾向性计算方法来计算煤矿开采诱发型微震事件的能量分布，更准确地判断能量的变化和积聚状态，提高了通用性。
以及，在本申请的实施例之中，上述自适应时序窗口可以根据需要进行设定。示例的，上述自适应时序窗口可以为12天，也即是，以过去12天的煤矿开采诱发型微震事件的三元组表示为数据基础进行微震能量积聚倾向性计算。
进一步地，在本申请的实施例之中，上述基于煤矿开采诱发型微震事件的三元组表示，得到自适应时序窗口对应的微震能量积聚倾向性值的方法可以包括以下步骤：
步骤1031、将三元组表示中的能量数据转化为对应的微震事件能级数据；
其中，在本申请的实施例之中，在得到煤矿开采诱发型微震事件的三元组表示之后，需要将三元组表示中的能量数据转化为对应的微震事件能级数据，以便后续通过微震事件能级数据计算微震能量积聚倾向性值，使得微震能量积聚倾向性值更加准确。
具体地，在本申请的实施例之中，上述将三元组表示中的能量数据转化为对应的微震事件能级数据的方法可以包括：将三元组表示中的能量数据通过第三公式转化为对应的微震事件能级数据，其中，第三公式为：
其中，上述E表示三元组表示中的能量数据，表示微震事件能级数据。
步骤1032、将微震事件能级数据进行对称扩充，得到自适应时序窗口对应的微震事件能级数据；
其中，在本申请的实施例之中，得到微震事件能级数据之后，需要对自适应时序窗口的微震事件能级数据进行对称扩充，以优化微震事件能级数据的统计表征，确保后续得到的微震能量积聚倾向性值考虑不同微震事件的分布特征，不受能级数据的偏差影响。
示例的，在本申请的实施例之中，假设上述自适应时序窗口为12天，则进行对称扩充之前对应的微震事件能级数据L={l1，l2，l3，...，l12}，进行对称扩充之后得到自适应时序窗口对应的微震事件能级数据为Lex={l1，l2，l3，...，l12，-l1，-l2，-l3，...，-l12}。
步骤1033、基于自适应时序窗口对应的微震事件能级数据，得到自适应时序窗口对应的微震能量积聚倾向性值。
其中，在本申请的实施例之中，上述基于自适应时序窗口对应的微震事件能级数据，得到自适应时序窗口对应的微震能量积聚倾向性值的方法可以包括：基于自适应时序窗口对应的微震事件能级数据，得到微震事件能量分布，并基于微震事件能量分布得到自适应时序窗口对应的微震能量积聚倾向性值。
具体地，在本申请的实施例之中，上述基于微震事件能量的分布得到自适应时序窗口对应的微震能量积聚倾向性值的方法可以包括：基于微震事件能量分布，通过第四公式得到自适应时序窗口对应的微震能量积聚倾向性值，其中，第四公式为：
其中，在本申请的实施例之中，上述为微震事件能量分布中的参数，Lex满足Lex～N(/>)分布。
以及，在本申请的实施例之中，通过上述步骤可以不断自适应地计算微震事件能量分布和微震能量积聚倾向性Q值。基于此，能够实时跟踪微震能量的变化，从而得到微震能量积聚倾向性Q值，并根据Q值得到微震能量的积聚倾向性。具体地，若Q值越大，则自适应时序窗口内的微震能量愈向大能量事件积聚；若Q值越小，则自适应时序窗口内的微震能量愈向小能量事件积聚。
示例的，在本申请的实施例之中，图2为本申请提出的一种微震能量积聚倾向性值Q值的示意图。如图2所示，图2中的横坐标代表时刻，纵坐标代表各时刻对应的Q值，通过图2可以得到微震能量积聚倾向性值Q值的变化趋势，以便后续对煤矿的岩层进行分析。
进一步地，在本公开的实施例之中，上述步骤利用历史煤矿开采诱发型微震事件的监测数据，通过自适应时序窗口、第三公式和第四公式得到微震能量积聚倾向性值，从而可以自动分析得到微震能量积聚倾向性值，无需依赖人工经验，减少了主观性的影响，提高了分析结果的客观性和准确性。
步骤104、基于自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到预警结果。
其中，在本申请的实施例之中，上述基于自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到预警结果的方法可以包括以下步骤：
步骤1041、基于自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到对应的风险等级；
其中，在本申请的实施例之中，上述基于自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到对应的风险等级的方法可以包括：若自适应时序窗口对应的微震能量积聚倾向性值符合第一特征，则确定煤矿的岩层的风险等级为中风险；若自适应时序窗口对应的微震能量积聚倾向性值符合第二特征，则确定煤矿的岩层的风险等级为高风险；若自适应时序窗口对应的微震能量积聚倾向性值符合第三特征，则确定煤矿的岩层的风险等级为中风险；若自适应时序窗口对应的微震能量积聚倾向性值符合第四特征，则确定煤矿的岩层的风险等级为高风险；若自适应时序窗口对应的微震能量积聚倾向性值符合第五特征，则确定所述煤矿的岩层的风险等级为低风险。
以及，在本申请的实施例之中，上述第一特征、第二特征、第三特征、第四特征和第五特征各不相同。具体地，在本申请的实施例之中，上述第一特征为Q值大于0且随着时间逐步增加，当自适应时序窗口对应的微震能量积聚倾向性值符合第一特征时，表示当前煤矿的微震能量向大能量事件积聚，可能存在岩层失稳的风险，则确定煤矿的岩层的风险等级为中风险；上述第二特征为Q值大于0且随着时间逐步增加后又开始减少，当自适应时序窗口对应的微震能量积聚倾向性值符合第二特征时，表示微震积聚的能量即将释放，岩层失稳的风险增加，则确定煤矿的岩层的风险等级为高风险；上述第三特征为Q值小于0且随着时间逐步减少，当自适应时序窗口对应的微震能量积聚倾向性值符合第三特征时，表示煤矿的微震能量向小能量事件积聚，煤矿的岩层相对稳定，但是存在突发性能量事件的可能性，则确定煤矿的岩层的风险等级为中风险；上述第四特征为Q值小于0且随着时间由减少转为增加，当自适应时序窗口对应的微震能量积聚倾向性值符合第四特征时，表示微震事件积聚的能量即将释放，岩层失稳的风险增加，则确定煤矿的岩层的风险等级为高风险；上述第五特征为Q值是其他数值和情况下，当自适应时序窗口对应的微震能量积聚倾向性值符合第五特征时，煤矿开采运营处于低风险状态，则确定煤矿的岩层的风险等级为低风险。
步骤1042、基于风险等级，输出预警结果。
其中，在本申请的实施例之中，不同的风险等级对应不同的预警结果。
具体地，在本申请的实施例之中，若风险等级为低风险，不用输出预警信息；若风险等级为中风险，可以输出预警信息，且提示用户需要进行实时关注；若风险等级为高风险，可以输出预警信息和报警指示，提醒采矿工作人员加强监测和预防措施，以避免潜在的危险。
以及，在本申请的实施例之中，基于上述得到的Q值结果，可以及时识别微震能量的积聚和释放状态，并根据识别到的微震能量的积聚和释放状态进行提前预警，使得煤矿管理人员能够采取相应的措施，及时调整开采策略和采取防护措施，从而有效降低冲击地压灾害的风险。
需要说明的是，在本申请的实施例之中，上述用于煤矿场景的基于微震能量积聚倾向性的预警方法还可以应用于其它地下工程领域（如隧道、地铁等），实现对地下岩层稳定性的监测和预测，提高工程的安全性和可靠性。
本申请提出的用于煤矿场景的基于微震能量积聚倾向性的预警方法中，获取微震监测数据，并基于微震监测数据确定煤矿开采诱发型微震事件的监测数据；基于煤矿开采诱发型微震事件的监测数据，得到煤矿开采诱发型微震事件的三元组表示；基于煤矿开采诱发型微震事件的三元组表示，得到自适应时序窗口对应的微震能量积聚倾向性值；基于自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到预警结果。由此可知，本申请可以基于微震能量积聚倾向性值，对煤矿的岩层进行自动分析，无需依赖人工经验，减少了主观性的影响，提高了分析结果的客观性。同时，本申请通过设定自适应时序窗口及其对应的微震能量积聚倾向性值得到煤矿开采诱发型微震事件的能量分布，考虑了不同时间段的微震事件能量的分布存在变化，使得更准确地判断能量的变化和积聚状态，适用范围广，提高了分析结果的准确性。
图3为根据本申请一个实施例提供的用于煤矿场景的基于微震能量积聚倾向性的预警系统的结构示意图，如图3所示，可以包括：
确定模块301，用于获取微震监测数据，并基于微震监测数据确定煤矿开采诱发型微震事件的监测数据；
第一处理模块302，用于基于煤矿开采诱发型微震事件的监测数据，得到煤矿开采诱发型微震事件的三元组表示；
第二处理模块303，用于基于煤矿开采诱发型微震事件的三元组表示，得到自适应时序窗口对应的微震能量积聚倾向性值；
分析模块304，用于基于自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到预警结果。
本申请提出的用于煤矿场景的基于微震能量积聚倾向性的预警系统中，获取微震监测数据，并基于微震监测数据确定煤矿开采诱发型微震事件的监测数据；基于煤矿开采诱发型微震事件的监测数据，得到煤矿开采诱发型微震事件的三元组表示；基于煤矿开采诱发型微震事件的三元组表示，得到自适应时序窗口对应的微震能量积聚倾向性值；基于自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到预警结果。由此可知，本申请可以基于微震能量积聚倾向性值，对煤矿的岩层进行自动分析，无需依赖人工经验，减少了主观性的影响，提高了分析结果的客观性。同时，本申请通过设定自适应时序窗口及其对应的微震能量积聚倾向性值得到煤矿开采诱发型微震事件的能量分布，考虑了不同时间段的微震事件能量的分布存在变化，使得更准确地判断能量的变化和积聚状态，适用范围广，提高了分析结果的准确性。
为了实现上述实施例，本申请还提出一种计算机设备。
本申请实施例提供的计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序；处理器执行程序时，能够实现如图1所示的方法。
为了实现上述实施例，本申请还提出一种计算机存储介质。
本申请实施例提供的计算机存储介质，计算机存储介质存储有计算机可执行指令；计算机可执行指令被处理器执行后，能够实现如图1所示的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (6)

1.一种用于煤矿场景的基于微震能量积聚倾向性的预警方法，其特征在于，所述方法包括：
获取微震监测数据，并基于所述微震监测数据确定煤矿开采诱发型微震事件的监测数据，其中，所述微震监测数据包括地音传感器监测数据、微震传感器监测数据、液压支架传感器监测数据、地表沉降监测数据；
基于所述煤矿开采诱发型微震事件的监测数据，得到所述煤矿开采诱发型微震事件的三元组表示，其中，所述煤矿开采诱发型微震事件的三元组表示包括时间，位置，能量；
基于所述煤矿开采诱发型微震事件的三元组表示，得到自适应时序窗口对应的微震能量积聚倾向性值；
基于所述自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到预警结果；
所述基于所述微震监测数据确定煤矿开采诱发型微震事件的监测数据，包括：
基于所述微震监测数据中未发生微震事件的各监测数据，求解所述各监测数据的均值和方差；
基于所述各监测数据的均值和方差，对各时刻的各监测数据进行预处理，分别得到各时刻地音传感器监测数据、微震传感器监测数据、液压支架传感器监测数据、地表沉降监测数据对应的波动量；
基于所述各时刻地音传感器监测数据、微震传感器监测数据、液压支架传感器监测数据、地表沉降监测数据对应的波动量，通过波动熵因果求解得到各监测数据之间的同步性结果；
基于所述各监测数据之间的同步性结果，确定煤矿开采诱发型微震事件的监测数据；
所述基于所述煤矿开采诱发型微震事件的三元组表示，得到自适应时序窗口对应的微震能量积聚倾向性值，包括：
将所述三元组表示中的能量数据转化为对应的微震事件能级数据；
对所述微震事件能级数据进行对称扩充，得到所述自适应时序窗口对应的微震事件能级数据；
基于所述自适应时序窗口对应的微震事件能级数据，得到所述自适应时序窗口对应的微震能量积聚倾向性值。
2.根据权利要求1所述的方法，其特征在于，所述基于所述自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到预警结果，包括：
基于所述自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到对应的风险等级；
基于所述风险等级，输出预警结果。
3.根据权利要求2所述的方法，其特征在于，所述基于所述自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到对应的风险等级，包括：
若所述自适应时序窗口对应的微震能量积聚倾向性值符合第一特征，则确定所述煤矿的岩层的风险等级为中风险；
若所述自适应时序窗口对应的微震能量积聚倾向性值符合第二特征，则确定所述煤矿的岩层的风险等级为高风险；
若所述自适应时序窗口对应的微震能量积聚倾向性值符合第三特征，则确定所述煤矿的岩层的风险等级为中风险；
若所述自适应时序窗口对应的微震能量积聚倾向性值符合第四特征，则确定所述煤矿的岩层的风险等级为高风险；
若所述自适应时序窗口对应的微震能量积聚倾向性值符合第五特征，则确定所述煤矿的岩层的风险等级为低风险。
4.一种用于煤矿场景的基于微震能量积聚倾向性的预警系统，其特征在于，所述系统包括：
确定模块，用于获取微震监测数据，并基于所述微震监测数据确定煤矿开采诱发型微震事件的监测数据，其中，所述微震监测数据包括地音传感器监测数据、微震传感器监测数据、液压支架传感器监测数据、地表沉降监测数据；
第一处理模块，用于基于所述煤矿开采诱发型微震事件的监测数据，得到所述煤矿开采诱发型微震事件的三元组表示，其中，所述煤矿开采诱发型微震事件的三元组表示包括时间，位置，能量；
第二处理模块，用于基于所述煤矿开采诱发型微震事件的三元组表示，得到自适应时序窗口对应的微震能量积聚倾向性值；
分析模块，用于基于所述自适应时序窗口对应的微震能量积聚倾向性值，对煤矿的岩层进行分析得到预警结果；
所述确定模块，还用于基于所述微震监测数据中未发生微震事件的各监测数据，求解所述各监测数据的均值和方差；
基于所述各监测数据的均值和方差，对各时刻的各监测数据进行预处理，分别得到各时刻地音传感器监测数据、微震传感器监测数据、液压支架传感器监测数据、地表沉降监测数据对应的波动量；
基于所述各时刻地音传感器监测数据、微震传感器监测数据、液压支架传感器监测数据、地表沉降监测数据对应的波动量，通过波动熵因果求解得到各监测数据之间的同步性结果；
基于所述各监测数据之间的同步性结果，确定煤矿开采诱发型微震事件的监测数据；
所述第二处理模块，还用于将所述三元组表示中的能量数据转化为对应的微震事件能级数据；
对所述微震事件能级数据进行对称扩充，得到所述自适应时序窗口对应的微震事件能级数据；
基于所述自适应时序窗口对应的微震事件能级数据，得到所述自适应时序窗口对应的微震能量积聚倾向性值。
5.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，能够实现如权利要求1-3中任一所述的方法。
6.一种计算机存储介质，其中，所述计算机存储介质存储有计算机可执行指令；所述计算机可执行指令被处理器执行后，能够实现权利要求1-3中任一所述的方法。
CN202310815276.4A 2023-07-05 2023-07-05 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 Active CN116540299B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310815276.4A CN116540299B (zh) 2023-07-05 2023-07-05 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310815276.4A CN116540299B (zh) 2023-07-05 2023-07-05 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

Publications (2)

Publication Number Publication Date
CN116540299A CN116540299A (zh) 2023-08-04
CN116540299B true CN116540299B (zh) 2023-09-26

Family

ID=87454531

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310815276.4A Active CN116540299B (zh) 2023-07-05 2023-07-05 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

Country Status (1)

Country Link
CN (1) CN116540299B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102628373A (zh) * 2012-04-27 2012-08-08 天地科技股份有限公司 煤矿冲击地压分源综合预警方法
CN103513272A (zh) * 2012-06-19 2014-01-15 中国石油化工股份有限公司 一种微地震模拟监测方法
CN104062677A (zh) * 2014-07-03 2014-09-24 中国科学院武汉岩土力学研究所 一种多功能综合集成高精度智能微震监测系统
CN106777772A (zh) * 2017-01-09 2017-05-31 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
CN110058294A (zh) * 2019-05-10 2019-07-26 东北大学 一种隧道微震监测岩石破裂事件自动识别方法
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
WO2020228546A1 (zh) * 2019-05-16 2020-11-19 中国矿业大学 一种基于微震损伤重构的采动应力评估方法
CN113050159A (zh) * 2021-03-23 2021-06-29 中国矿业大学 一种煤岩水力压裂裂缝微震定位及扩展机理监测方法
CN113330185A (zh) * 2018-11-29 2021-08-31 Bp探索操作有限公司 利用机器学习使用das特征的事件检测
CN114635754A (zh) * 2022-04-14 2022-06-17 山东科技大学 基于温度梯度的冲击地压/岩爆危险性预警评价方法
CN115390130A (zh) * 2022-08-29 2022-11-25 吉林建筑大学 一种煤矿开采大能量微震事件预测方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10073184B2 (en) * 2012-02-06 2018-09-11 Ion Geophysical Corporation Sensor system of buried seismic array
CN110779574B (zh) * 2019-10-30 2020-11-13 北京科技大学 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

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102628373A (zh) * 2012-04-27 2012-08-08 天地科技股份有限公司 煤矿冲击地压分源综合预警方法
CN103513272A (zh) * 2012-06-19 2014-01-15 中国石油化工股份有限公司 一种微地震模拟监测方法
CN104062677A (zh) * 2014-07-03 2014-09-24 中国科学院武汉岩土力学研究所 一种多功能综合集成高精度智能微震监测系统
CN106777772A (zh) * 2017-01-09 2017-05-31 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
CN113330185A (zh) * 2018-11-29 2021-08-31 Bp探索操作有限公司 利用机器学习使用das特征的事件检测
CN110058294A (zh) * 2019-05-10 2019-07-26 东北大学 一种隧道微震监测岩石破裂事件自动识别方法
WO2020228546A1 (zh) * 2019-05-16 2020-11-19 中国矿业大学 一种基于微震损伤重构的采动应力评估方法
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
CN113050159A (zh) * 2021-03-23 2021-06-29 中国矿业大学 一种煤岩水力压裂裂缝微震定位及扩展机理监测方法
CN114635754A (zh) * 2022-04-14 2022-06-17 山东科技大学 基于温度梯度的冲击地压/岩爆危险性预警评价方法
CN115390130A (zh) * 2022-08-29 2022-11-25 吉林建筑大学 一种煤矿开采大能量微震事件预测方法和装置

Also Published As

Publication number Publication date
CN116540299A (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
Odbert et al. Chapter 2 Cyclic phenomena at the Soufrière Hills Volcano, Montserrat
CN110671153B (zh) 用于隧道及地下工程突涌水灾害的监测预警系统
CN105484724A (zh) 一种钻井井下异常监测方法
CN112149920A (zh) 一种区域地质灾害趋势预测方法
CN116540299B (zh) 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
US20170306726A1 (en) Stuck pipe prediction
CN112031839B (zh) 有限数据条件下的矿压时空双周期预测方法、装置及设备
CN111042866A (zh) 一种多物理场协同的突水监测方法
Astriana et al. Assessing seismic performance of moment resisting frame and frame-shear wall system using seismic fragility curve
CN116597604A (zh) 装配式智慧工地安全预警系统、方法、设备和介质
CN117034014A (zh) 一种深基坑形变智能控制方法及控制系统
Blagojević et al. Scenario-based resilience assessment of communities with interdependent civil infrastructure systems
Tierney et al. The optimisation and comparison of re-entry assessment methodologies for use in seismically active mines
Shevchenko et al. Validation of parameters and design of information system on the underground mining job safety with taking into account geomechanical factors
Miranda Nonlinear response spectra for earthquake resistant design
CN113626905A (zh) 水利工程库区大型滑坡安全性风险情景构建和应急响应、预防方法
CN114294062A (zh) 一种冲击地压时空动态综合预警方法
Lewis et al. A multi-interval method for discretizing continuous-time event sequences
Swart, AH & Handley The design of stable stope spans for shallow mining operations
CN108319915B (zh) 一种岩爆信号阈值动态调整的多时窗简化形式识别方法
Yaghmaei-Sabegh et al. A bimodal hybrid model for time-dependent probabilistic seismic hazard analysis
CN110365944A (zh) 空顶作业的监控方法、装置、设备和存储介质
Utomo et al. Slope Failure Behaviour and Characteristic in Gold and Coal Mines based on Slope Stability Radar Data
Jiménez et al. Probabilistic prediction of squeezing in tunneling under high-stress conditions
Li et al. Physics-informed deep learning to forecast maximum expected magnitude during hydraulic fracturing

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