CN116882302B - 基于图表示学习的冲击地压微-宏观前兆信息判识方法 - Google Patents
基于图表示学习的冲击地压微-宏观前兆信息判识方法 Download PDFInfo
- Publication number
- CN116882302B CN116882302B CN202311142731.5A CN202311142731A CN116882302B CN 116882302 B CN116882302 B CN 116882302B CN 202311142731 A CN202311142731 A CN 202311142731A CN 116882302 B CN116882302 B CN 116882302B
- Authority
- CN
- China
- Prior art keywords
- coal
- microscopic
- rock burst
- impact risk
- precursor information
- 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
- 239000002243 precursor Substances 0.000 title claims abstract description 161
- 239000011435 rock Substances 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 104
- 239000003245 coal Substances 0.000 claims abstract description 267
- 230000008859 change Effects 0.000 claims abstract description 67
- 230000008569 process Effects 0.000 claims abstract description 46
- 238000005065 mining Methods 0.000 claims abstract description 34
- 239000000126 substance Substances 0.000 claims description 67
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 52
- 230000006378 damage Effects 0.000 claims description 37
- 125000003118 aryl group Chemical group 0.000 claims description 25
- 238000002474 experimental method Methods 0.000 claims description 16
- 238000001179 sorption measurement Methods 0.000 claims description 13
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 11
- 229910052799 carbon Inorganic materials 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 9
- 238000000329 molecular dynamics simulation Methods 0.000 claims description 6
- 239000007789 gas Substances 0.000 description 69
- 238000004458 analytical method Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 10
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 7
- 229910002091 carbon monoxide Inorganic materials 0.000 description 7
- 229910052760 oxygen Inorganic materials 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 239000012634 fragment Substances 0.000 description 6
- 239000001301 oxygen Substances 0.000 description 6
- 239000004215 Carbon black (E152) Substances 0.000 description 5
- 229930195733 hydrocarbon Natural products 0.000 description 5
- 229910052739 hydrogen Inorganic materials 0.000 description 5
- 238000002329 infrared spectrum Methods 0.000 description 5
- 229910052757 nitrogen Inorganic materials 0.000 description 5
- 229910052717 sulfur Inorganic materials 0.000 description 5
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 150000002430 hydrocarbons Chemical class 0.000 description 4
- 239000001257 hydrogen Substances 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 239000011593 sulfur Substances 0.000 description 4
- 238000005481 NMR spectroscopy Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 125000000524 functional group Chemical group 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 125000004429 atom Chemical group 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000000921 elemental analysis Methods 0.000 description 2
- 150000002431 hydrogen Chemical class 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006068 polycondensation reaction Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000001644 13C nuclear magnetic resonance spectroscopy Methods 0.000 description 1
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 1
- 238000004833 X-ray photoelectron spectroscopy Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 125000001931 aliphatic group Chemical group 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- -1 small molecule hydrocarbon Chemical class 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提出一种基于图表示学习的冲击地压微‑宏观前兆信息判识方法，该方法包括：确定目标煤矿的冲击地压前兆信息，其中，冲击地压前兆信息包括：微观前兆信息和宏观前兆信息，获取目标煤矿在开采过程中的相关数据，其中，相关数据包括：煤分子结构变化数据和煤释放气体变化数据，根据微观前兆信息和煤分子结构变化数据，确定微观预测结果，根据宏观前兆信息和煤释放气体变化数据，确定宏观预测结果，根据微观预测结果和宏观预测结果，确定目标煤矿的冲击地压预测结果。通过实施本公开的方法，能够在冲击地压预测过程中有效融合微观维度和宏观维度的相关信息，从而有效提升冲击地压预测的准确性。
Description
技术领域
本公开涉及冲击地压灾害防治技术领域，具体涉及一种基于图表示学习的冲击地压微-宏观前兆信息判识方法。
背景技术
煤矿的开拓开采可能会引发动载扰动，导致煤岩体分子结构的变形、破坏及其中气体赋存状态的变化，如果高应力动载扰动下煤岩体分子结构积聚的弹性能与赋存的瓦斯气体突然、剧烈释放，产生强烈震动并造成煤岩体剧烈破坏，就容易诱发冲击地压等动力灾害。冲击地压等煤矿动力灾害的预测预报是冲击地压防治的重要内容。
相关技术中，在对煤矿进行冲击地压预测时，准确性较低。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本公开的目的在于提出一种基于图表示学习的冲击地压微-宏观前兆信息判识方法，能够在冲击地压预测过程中有效融合微观维度和宏观维度的相关信息，从而有效提升冲击地压预测的准确性。
为达到上述目的，本公开第一方面实施例提出的基于图表示学习的冲击地压微-宏观前兆信息判识方法，包括：
确定目标煤矿的冲击地压前兆信息，其中，所述冲击地压前兆信息包括：微观前兆信息和宏观前兆信息；
获取所述目标煤矿在开采过程中的相关数据，其中，所述相关数据包括：煤分子结构变化数据和煤释放气体变化数据；
根据所述微观前兆信息和所述煤分子结构变化数据，确定微观预测结果；
根据所述宏观前兆信息和所述煤释放气体变化数据，确定宏观预测结果；
根据所述微观预测结果和所述宏观预测结果，确定所述目标煤矿的冲击地压预测结果。
本公开提供的基于图表示学习的冲击地压微-宏观前兆信息判识方法，通过确定目标煤矿的冲击地压前兆信息，其中，冲击地压前兆信息包括：微观前兆信息和宏观前兆信息，获取目标煤矿在开采过程中的相关数据，其中，相关数据包括：煤分子结构变化数据和煤释放气体变化数据，根据微观前兆信息和煤分子结构变化数据，确定微观预测结果，根据宏观前兆信息和煤释放气体变化数据，确定宏观预测结果，根据微观预测结果和宏观预测结果，确定目标煤矿的冲击地压预测结果，由此，能够在冲击地压预测过程中有效融合微观维度和宏观维度的相关信息，从而有效提升冲击地压预测的准确性。
本公开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，或通过本公开的实践了解到。
附图说明
本公开上述的和/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是本公开一实施例提出的基于图表示学习的冲击地压微-宏观前兆信息判识方法的流程示意图；
图2是本公开另一实施例提出的基于图表示学习的冲击地压微-宏观前兆信息判识方法的流程示意图；
图3是本公开另一实施例提出的基于图表示学习的冲击地压微-宏观前兆信息判识方法的流程示意图；
图4是根据本公开提出的冲击地压预测流程示意图。
具体实施方式
下面详细描述本公开的实施例，所述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，仅用于解释本公开，而不能理解为对本公开的限制。相反，本公开的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1是本公开一实施例提出的基于图表示学习的冲击地压微-宏观前兆信息判识方法的流程示意图。
其中，需要说明的是，本实施例的基于图表示学习的冲击地压微-宏观前兆信息判识方法的执行主体为基于图表示学习的冲击地压微-宏观前兆信息判识装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在计算机设备中，计算机设备可以包括但不限于终端、服务器端等，如终端可为手机、掌上电脑等。
如图1所示，该基于图表示学习的冲击地压微-宏观前兆信息判识方法，包括：
S101：确定目标煤矿的冲击地压前兆信息，其中，冲击地压前兆信息包括：微观前兆信息和宏观前兆信息。
其中，目标煤矿，可以是指待进行基于图表示学习的冲击地压微-宏观前兆信息判识的煤矿。
其中，冲击地压前兆信息，可以是指在地下开采过程中，发生冲击地压（即岩层突然破裂和塌陷）前出现的一些预警信号或迹象。这些前兆信息可以用于提前发现可能发生的冲击地压事件，并采取相应的措施来避免或减轻损害。
其中，微观前兆信息，是指冲击地压前兆信息中所包含的微观维度的前兆信息，例如可以是粒子维度的前兆信息。而宏观前兆信息，则是指冲击地压前兆信息中所包含的微观维度的前兆信息，例如可以是声学信息、光学信息等，对此不做限制。
本公开实施例中，当确定目标煤矿的冲击地压前兆信息，其中，冲击地压前兆信息包括：微观前兆信息和宏观前兆信息，可以有效提升所得冲击地压前兆信息对于目标煤矿的适用性，并基于微观前兆信息和宏观前兆信息有效提升冲击地压前兆信息的指示全面性。
S102：获取目标煤矿在开采过程中的相关数据，其中，相关数据包括：煤分子结构变化数据和煤释放气体变化数据。
其中，相关数据，是指在目标煤矿的开采过程中所获取的可以被用于进行冲击地压预测的数据。
其中，煤分子结构变化数据，可以被用于指示目标煤矿的煤分子结构在开采过程中的变化情况。该煤分子结构变化数据，可以是属于微观层面的相关数据。
本公开实施例中可以获取现场高应力动载条件下的煤块，并基于该煤块确定煤分子结构变化数据。
可以理解的是，在受力作用下，煤分子结构片段可能会发生破坏，而冲击地压过程中煤分子结构可能具有对应的变化特征，由此，可以获取目标煤矿在开采过程中的煤分子结构变化数据作为微观层面的相关数据。
其中，煤释放气体变化数据，可以被用于指示目标煤矿的煤层在开采过程中所释放气体的变化情况。
可以理解是，煤层在开采过程中可能会由于物理化学反应而向空气中释放气体（如甲烷、一氧化碳等），而冲击地压过程中煤层所释放的气体可能会产生变化，由此，可以获取目标煤矿在开采过程中的煤释放气体变化数据作为宏观层面的相关数据。
S103：根据微观前兆信息和煤分子结构变化数据，确定微观预测结果。
其中，微观预测结果，是指基于微观前兆信息和煤分子结构变化数据对目标煤矿进行冲击地压预测所得到的微观层面的预测结果。
本公开实施例中，在根据微观前兆信息和煤分子结构变化数据，确定微观预测结果时，可以是将微观前兆信息和煤分子结构变化数据输入至预训练的机器学习模型中，以确定微观预测结果，或者，还可以是确定微观前兆信息和煤分子结构变化数据之间的匹配结果，而后根据该匹配结果确定微观预测结果，对此不做限制。
本公开实施例中，当根据微观前兆信息和煤分子结构变化数据，确定微观预测结果时，可以为后续确定目标煤矿的冲击地压预测结果提供微观层面的参考信息。
S104：根据宏观前兆信息和煤释放气体变化数据，确定宏观预测结果。
其中，宏观预测结果，可以是指基于宏观前兆信息和煤释放气体变化数据所确定的目标煤矿在宏观层面的冲击地压预测结果。
本公开实施例中，在根据宏观前兆信息和煤释放气体变化数据，确定宏观预测结果时，可以是根据宏观前兆信息确定对应的预设关系表，该预设关系表中包含与煤释放气体变化数据对应的宏观预测结果，或者，还可以是基于数形结合的方法根据宏观前兆信息和煤释放气体变化数据，确定宏观预测结果，对此不做限制。
本公开实施例中，当根据宏观前兆信息和煤释放气体变化数据，确定宏观预测结果时，可以为后续确定目标煤矿的冲击地压预测结果提供宏观层面的参考信息。
S105：根据微观预测结果和宏观预测结果，确定目标煤矿的冲击地压预测结果。
其中，冲击地压预测结果，可以是指对微观预测结果和宏观预测结果进行融合处理所得到的结果。
本公开实施例中，在根据微观预测结果和宏观预测结果，确定目标煤矿的冲击地压预测结果时，可以是基于数形结合的方法根据微观预测结果和宏观预测结果，确定目标煤矿的冲击地压预测结果，或者，还可以是将微观预测结果和宏观预测结果输入至预训练的冲击地压预测模型中，以得到目标煤矿的冲击地压预测结果，对此不做限制。
即是说，本公开实施例中，在得到微观预测结果和宏观预测结果之后，可以对微观预测结果和宏观预测结果进行综合分析和考量，以确定目标煤矿的冲击地压预测结果。
本实施例中，通过确定目标煤矿的冲击地压前兆信息，其中，冲击地压前兆信息包括：微观前兆信息和宏观前兆信息，获取目标煤矿在开采过程中的相关数据，其中，相关数据包括：煤分子结构变化数据和煤释放气体变化数据，根据微观前兆信息和煤分子结构变化数据，确定微观预测结果，根据宏观前兆信息和煤释放气体变化数据，确定宏观预测结果，根据微观预测结果和宏观预测结果，确定目标煤矿的冲击地压预测结果，由此，能够在冲击地压预测过程中有效融合微观维度和宏观维度的相关信息，从而有效提升冲击地压预测的准确性。
图2是本公开另一实施例提出的基于图表示学习的冲击地压微-宏观前兆信息判识方法的流程示意图。
如图2所示，该基于图表示学习的冲击地压微-宏观前兆信息判识方法，包括：
S201：在对目标煤矿进行开采之前，采集目标煤矿的煤样本。
其中，煤样本，可以是指对目标煤矿进行采样处理所得到的用于作为样本的煤块。
可以理解的是，本公开实施例中可以根据应用场景的个性化需求灵活确定煤样本的采集位置和采集数量，对此不做限制。
即是说，本公开实施例可以在对目标煤矿进行开采之前，采集目标煤矿的煤样本，从而为后续分析目标煤矿初始状态的相关参数提供可靠的研究对象。
S202：确定煤样本的第一物理结构参数和第一化学结构参数。
其中，第一物理结构参数，可以是指对煤样本进行物理结构参数测定所得到的相关参数。第一化学结构参数，则可以是指对煤样本进行化学结构参数测定所得到的相关参数。
可选的，一些实施例中，第一物理结构参数，包括以下至少一项：芳香层片面网间距；芳香层片堆砌厚度；芳香层片延展度；芳香层片平均堆砌层数。由此，可以有效提升第一物理结构参数确定过程的针对性，保证所得第一物理结构参数的实用性。
可以理解的是，在煤分子的多种煤分子结构片段中，芳香层趋于稳定，不容易发生断裂，由此，可以选用芳香层的相关参数作为冲击地压预测的分析依据。
可选的，一些实施例中，第一化学结构参数，包括以下至少一项：元素比例信息；表面基团分布特征；元素化学态信息；碳元素分布信息。由此，可以有效提升第一化学结构参数对于煤分子化学结构的指示效果。
其中，元素比例信息，可以是指煤分子中各元素的原子个数比。
其中，表面基团分布特征，可以是通过煤的傅里叶红外光谱测定煤中芳香结构、含氧官能团和脂肪侧链等表面基团分布特征，对红外光谱曲线进行分峰拟合实现各表面基团的定量表征。
其中，元素化学态信息，可以是指通过煤的XPS测试表征煤中氧、氮、硫等元素的化学态及化学态的相对含量。
其中，碳元素分布信息，可以是通过核磁共振碳谱测试来确定煤中碳元素的分布状态，实现煤分子结构中芳香缩聚程度的定量表达。
本公开实施例中，当确定煤样本的第一物理结构参数和第一化学结构参数时，可以为确定微观前兆信息提供煤分子初始状态下的相关参数。
S203：基于煤样本依次进行甲烷吸附实验和含甲烷煤动载破坏试验，并确定煤样本在动载破坏过程中的气体释放类型和气体释放数量。
其中，气体释放类型，可以被用于指示煤样本在动载破坏过程中所释放的气体种类，例如可以包含甲烷、一氧化碳等。
其中，气体释放数量，可以被用于指示不同种类气体的释放数量。
本公开实施例中，当基于煤样本依次进行甲烷吸附实验和含甲烷煤动载破坏试验，并确定煤样本在动载破坏过程中的气体释放类型和气体释放数量时，可以实现冲击地压的实验模拟，从而为确定微观前兆信息和宏观前兆信息提供可靠的分析对象。
S204：确定煤样本在动载破坏后的第二物理结构参数和第二化学结构参数。
其中，第二物理结构参数和第二化学结构参数，可以是指煤样本在动载破坏后的物理结构参数和化学结构参数。
本公开实施中，第二物理结构参数和第二化学结构参数中所包含的相关参数可以与上述第一物理结构参数和第一化学结构参数一致，在此不再赘述。
本公开实施例中，当确定煤样本在动载破坏后的第二物理结构参数和第二化学结构参数时，可以为确定微观前兆信息提供煤分子在动载破坏后的相关参数。
S205：根据第一物理结构参数、第一化学结构参数、第二物理结构参数和第二化学结构参数，确定微观前兆信息。
即是说，本公开实施例中，在获取煤分子初始状态下的第一物理结构参数和第一化学结构参数，以及在动载破坏后的第二物理结构参数和第二化学结构参数之后，可以根据第一物理结构参数、第一化学结构参数、第二物理结构参数和第二化学结构参数，确定微观前兆信息。
本公开实施例中，在根据第一物理结构参数、第一化学结构参数、第二物理结构参数和第二化学结构参数，确定微观前兆信息时，可以将第一物理结构参数、第一化学结构参数、第二物理结构参数和第二化学结构参数输入至预训练的微观前兆信息确定模型中，以得到对应的微观前兆信息，或者，还可以是基于数形结合的方法根据第一物理结构参数、第一化学结构参数、第二物理结构参数和第二化学结构参数，确定微观前兆信息，对此不做限制。
可选的，一些实施例中，在根据第一物理结构参数、第一化学结构参数、第二物理结构参数和第二化学结构参数，确定微观前兆信息时，可以是根据第一物理结构参数和第一化学结构参数，构建第一煤分子模型，根据第二物理结构参数和第二化学结构参数，构建第二煤分子模型，基于第一煤分子模型和第二煤分子模型进行分子动力学模拟，以确定微观前兆信息，由此，可以基于煤分子结构的图表示方法和分子动力学模拟，有效提升所得微观前兆信息的准确性。
其中，第一煤分子模型，可以是基于第一物理结构参数和第一化学结构参数所构建的煤分子模型。而第二煤分子模型，则可以是指基于第二物理结构参数和第二化学结构参数所构建的煤分子模型。
本公开实施例中，当根据第一物理结构参数、第一化学结构参数、第二物理结构参数和第二化学结构参数，确定微观前兆信息，可以有效提升所得微观前兆信息对于目标煤矿的适用性。
S206：根据气体释放类型和气体释放数量，确定宏观前兆信息。
即是说，本公开实施例中，可以将煤分子在动载破坏过程中的气体释放类型和气体释放数量作为分析依据，确定宏观前兆信息。
也即是说，本公开实施例中，可以在对目标煤矿进行开采之前，采集目标煤矿的煤样本，确定煤样本的第一物理结构参数和第一化学结构参数，基于煤样本依次进行甲烷吸附实验和含甲烷煤动载破坏试验，并确定煤样本在动载破坏过程中的气体释放类型和气体释放数量，确定煤样本在动载破坏后的第二物理结构参数和第二化学结构参数，根据第一物理结构参数、第一化学结构参数、第二物理结构参数和第二化学结构参数，确定微观前兆信息，根据气体释放类型和气体释放数量，确定宏观前兆信息，由此，可以保证微观前兆信息和宏观前兆信息的确定过程适用于个性化的应用场景，从而有效提升所得微观前兆信息和宏观前兆信息的可靠性和实用性。
S207：获取目标煤矿在开采过程中的相关数据，其中，相关数据包括：煤分子结构变化数据和煤释放气体变化数据。
S208：根据微观前兆信息和煤分子结构变化数据，确定微观预测结果。
S209：根据宏观前兆信息和煤释放气体变化数据，确定宏观预测结果。
S210：根据微观预测结果和宏观预测结果，确定目标煤矿的冲击地压预测结果。
S207-S210的描述说明可以具体参见上述实施例，在此不再赘述。
本实施例中，通过在对目标煤矿进行开采之前，采集目标煤矿的煤样本，确定煤样本的第一物理结构参数和第一化学结构参数，基于煤样本依次进行甲烷吸附实验和含甲烷煤动载破坏试验，并确定煤样本在动载破坏过程中的气体释放类型和气体释放数量，确定煤样本在动载破坏后的第二物理结构参数和第二化学结构参数，根据第一物理结构参数、第一化学结构参数、第二物理结构参数和第二化学结构参数，确定微观前兆信息，根据气体释放类型和气体释放数量，确定宏观前兆信息，由此，可以保证微观前兆信息和宏观前兆信息的确定过程适用于个性化的应用场景，从而有效提升所得微观前兆信息和宏观前兆信息的可靠性和实用性。第一物理结构参数，包括以下至少一项：芳香层片面网间距；芳香层片堆砌厚度；芳香层片延展度；芳香层片平均堆砌层数。由此，可以有效提升第一物理结构参数确定过程的针对性，保证所得第一物理结构参数的实用性。第一化学结构参数，包括以下至少一项：元素比例信息；表面基团分布特征；元素化学态信息；碳元素分布信息。由此，可以有效提升第一化学结构参数对于煤分子化学结构的指示效果。根据第一物理结构参数和第一化学结构参数，构建第一煤分子模型，根据第二物理结构参数和第二化学结构参数，构建第二煤分子模型，基于第一煤分子模型和第二煤分子模型进行分子动力学模拟，以确定微观前兆信息，由此，可以基于煤分子结构的图表示方法和分子动力学模拟，有效提升所得微观前兆信息的准确性。
图3是本公开另一实施例提出的基于图表示学习的冲击地压微-宏观前兆信息判识方法的流程示意图。
如图3所示，该基于图表示学习的冲击地压微-宏观前兆信息判识方法，包括：
S301：确定目标煤矿的冲击地压前兆信息，其中，冲击地压前兆信息包括：微观前兆信息和宏观前兆信息。
S302：获取目标煤矿在开采过程中的相关数据，其中，相关数据包括：煤分子结构变化数据和煤释放气体变化数据。
S301和S302的描述说明可以具体参见上述实施例，在此不再赘述。
S303：根据微观前兆信息，获取第一样本数据。
其中，第一样本数据，可以是基于微观前兆信息所获取的煤矿在发生冲击地压时微观层面的样本数据。
本公开实施例中，当根据微观前兆信息，获取第一样本数据时，可以保证第一样本数据对于微观前兆信息的适配性，从而有效提升第一样本数据后续对于初始微观预测模型的训练效果。
S304：基于第一样本数据训练初始微观预测模型，得到目标微观预测模型。
其中，初始微观预测模型，可以是指预设的用于对冲击地压进行微观预测的机器学习模型。目标微观预测模型，则可以是指基于第一样本数据训练初始微观预测模型后所得到的预测模型。
本公开实施例中，当基于第一样本数据训练初始微观预测模型，得到目标微观预测模型时，可以为得到微观预测结果提供自动化的预测工具，从而有效降低用户主观因素的影响，提升微观层面的预测准确性。
S305：将煤分子结构变化数据输入至目标微观预测模型中，得到微观预测结果。
也即是说，本公开实施例中，在获取目标煤矿在开采过程中的相关数据之后，可以根据微观前兆信息，获取第一样本数据，基于第一样本数据训练初始微观预测模型，得到目标微观预测模型，将煤分子结构变化数据输入至目标微观预测模型中，得到微观预测结果，由此，可以基于目标微观预测模型有效提升微观预测的智能化水平，从而有效提升所得微观预测结果的准确性。
S306：根据宏观前兆信息，获取第二样本数据。
其中，第二样本数据，可以是指基于宏观前兆信息所获取的煤矿在发生冲击地压时宏观层面的样本数据。
本公开实施例中，当根据宏观前兆信息，获取第二样本数据时，可以保证所得第二样本数据对于宏观前兆信息的适配性，从而有效提升第二样本数据后续对于初始宏观预测模型的训练效果。
S307：基于第二样本数据训练初始宏观预测模型，得到目标宏观预测模型。
其中，初始宏观预测模型，可以是指预设的用于对冲击地压进行宏观预测的机器学习模型。目标宏观预测模型，则可以是指基于第二样本数据训练初始宏观预测模型后所得到的预测模型。
本公开实施例中，当基于第二样本数据训练初始宏观预测模型，得到目标宏观预测模型时，可以有效提升所得目标宏观预测模型对于冲击地压宏观层面的预测准确性。
S308：将煤释放气体变化数据输入至目标宏观预测模型，得到宏观预测结果。
也即是说，本公开实施例中，在获取目标煤矿在开采过程中的相关数据之后，可以根据宏观前兆信息，获取第二样本数据，基于第二样本数据训练初始宏观预测模型，得到目标宏观预测模型，将煤释放气体变化数据输入至目标宏观预测模型，得到宏观预测结果，由此，可以有效提升宏观预测结果的预测效率和预测准确性。
S309：根据微观预测结果，确定第一冲击危险性指标。
其中，冲击危险性指标，可以是指基于冲击地压预测结果所确定的用于评估冲击危险等级的指标。而第一冲击危险性指标，则是指基于微观预测结果所确定的冲击危险性指标。
本公开实施例中，第一冲击危险性指标可以包括：无冲击危险性、弱冲击危险性和强冲击危险性。
其中，各个指标的冲击风险等级关系为：无冲击危险性＜弱冲击危险性＜强冲击危险性。
可以理解的是，本公开实施例中，冲击危险性指标还可以根据应用场景的需求信息划分为任意数量个等级指标，例如可以划分为无冲击危险性和无冲击危险性，或者，还可以划分为无冲击危险性、弱冲击危险性、中冲击危险性和强冲击危险性等，对此不做限制。
S310：根据宏观预测结果，确定第二冲击危险性指标。
其中，第二冲击危险性指标，可以是指基于宏观预测结果所确定的冲击危险性指标。
本公开实施例中，第二冲击危险性指标的等级划分可以与上述第一冲击危险性指标一致，包括：无冲击危险性、弱冲击危险性和强冲击危险性。
S311：确定第一冲击危险性指标和第二冲击危险性指标的比对结果。
其中，比对结果，可以被用于描述第一冲击危险性指标和第二冲击危险性指标之间风险等级的大小关系。
可以理解的是，第一冲击危险性指标和第二冲击危险性指标分别是微观和宏观维度所得到的冲击危险性指标，其代表的风险等级可能存在差异，由此，本公开实施例中，当确定第一冲击危险性指标和第二冲击危险性指标的比对结果时，可以为后续将第一冲击危险性指标或第二冲击危险性指标作为冲击地压预测结果提供可靠的执行依据。
S312：根据比对结果，将第一冲击危险性指标或第二冲击危险性指标作为冲击地压预测结果。
可选的，一些实施例中，在根据比对结果，将第一冲击危险性指标或第二冲击危险性指标作为冲击地压预测结果时，可以是如果第一冲击危险性指标大于第二冲击危险性指标，则将第一冲击危险性指标作为冲击地压预测结果，如果第一冲击危险性指标小于第二冲击危险性指标，则将第二冲击危险性指标作为冲击地压预测结果，如果第一冲击危险性指标等于第二冲击危险性指标，则将第一冲击危险性指标或第二冲击危险性指标作为冲击地压预测结果，由此，可以基于冲击地压预测结果有效提升目标煤矿开采过程的安全性。
即是说，本公开实施例中，可以根据微观预测结果，确定第一冲击危险性指标，根据宏观预测结果，确定第二冲击危险性指标，确定第一冲击危险性指标和第二冲击危险性指标的比对结果，根据比对结果，将第一冲击危险性指标或第二冲击危险性指标作为冲击地压预测结果，由此，可以基于比对结果灵活选取第一冲击危险性指标或第二冲击危险性指标作为冲击地压预测结果，从而有效提升所得冲击地压预测结果的可靠性。
本实施例中，通过根据微观前兆信息，获取第一样本数据，基于第一样本数据训练初始微观预测模型，得到目标微观预测模型，将煤分子结构变化数据输入至目标微观预测模型中，得到微观预测结果，由此，可以基于目标微观预测模型有效提升微观预测的智能化水平，从而有效提升所得微观预测结果的准确性。根据宏观前兆信息，获取第二样本数据，基于第二样本数据训练初始宏观预测模型，得到目标宏观预测模型，将煤释放气体变化数据输入至目标宏观预测模型，得到宏观预测结果，由此，可以有效提升宏观预测结果的预测效率和预测准确性。根据微观预测结果，确定第一冲击危险性指标，根据宏观预测结果，确定第二冲击危险性指标，确定第一冲击危险性指标和第二冲击危险性指标的比对结果，根据比对结果，将第一冲击危险性指标或第二冲击危险性指标作为冲击地压预测结果，由此，可以基于比对结果灵活选取第一冲击危险性指标或第二冲击危险性指标作为冲击地压预测结果，从而有效提升所得冲击地压预测结果的可靠性。
举例而言，如图4所示，图4是根据本公开提出的冲击地压预测流程示意图，其中，可以由三个步骤组成，分别是：冲击地压微-宏观前兆信息确定、冲击地压前兆信息监测和冲击地压预测预报。
步骤一：冲击地压微-宏观前兆信息确定
为了充分利用冲击地压发生前煤分子结构变化这一微观前兆信息和动载作用下煤涌出气体成分和气体量变化这一宏观前兆信息，本发明可以在采煤工作面布置完成、且在采煤机未进行采煤前，对煤壁进行取样，并进行原煤物理化学结构参数测试；然后开展甲烷吸附实验和含甲烷煤动载破坏试验，确定煤动载破坏过程中气体释放类型和数量，并进行破坏后煤物理化学结构参数测试；最后，基于动载破坏前后煤物化结构参数的测定结果和煤分子结构的图表示学习方法，分别构建动载破坏前后煤分子模型，并开展分子动力学模拟，最终确定冲击地压发生前分子结构和气体变化等前兆信息。
煤分子结构中化学结构参数测定：通过元素分析、FTIR、XPS与13C-NMR等测试共同确定。通过元素分析测定煤中碳、氢、氧、氮和硫等元素的含量，计算煤中各元素的原子个数比；通过煤的傅里叶红外光谱测定煤中芳香结构、含氧官能团和脂肪侧链等表面基团分布特征，对红外光谱曲线进行分峰拟合实现各表面基团的定量表征；通过煤的XPS测试表征煤中氧、氮和硫元素的化学态及化学态的相对含量；通过核磁共振碳谱测试来确定煤中碳元素的分布状态，实现煤分子结构中芳香缩聚程度的定量表达。
煤分子结构中物理结构参数测定：通过XRD测定煤中碳结构的芳香层片面网间距d002、芳香层片堆砌厚度Lc002、芳香层片延展度La100和芳香层片平均堆砌层数Nave等微晶参数，如式（1）~（4）所示：
（1）
（2）
（3）
（4）
式中，λ为X射线1.5406 Å波长；θ002为002峰对应的Bragg角，rad；θ100为100峰对应的Bragg角，rad；β002为002峰的半高峰宽，rad；β100为100峰的半高峰宽，rad。
在微观层面，主要通过对比分析采煤前与采煤过程中煤的主控煤力学性质的分子结构片段断键程度，以评估煤体冲击危险性的动态变化。煤的分子结构由各种有机化合物组成，包括芳香环、脂肪链和功能基团等，在采煤过程中，煤岩受到高应力动载作用，这些分子结构片段会发生芳香环破裂或键断裂等现象。通过红外光谱、核磁共振等煤微观结构探测和分析技术，检测煤样中的分子结构特征和键的状态。采集采煤前和采煤过程中的煤样，并对比分析特定的键的强度、键长和键角等参数的变化，获得煤主控煤力学性质分子结构片段的破坏程度，评估煤体微观层面的破坏程度。
该步骤所得结果在步骤三中表示为分子结构图。
在宏观层面，开展煤样动载破坏过程中前兆信息的捕获实验。利用所制备的煤样，开展恒温状态下吸附压力分别为1.0，2.0，3.0和4.0MPa的甲烷吸附实验，同时设定吸附平衡时长1800s，平衡标准偏差0.008MPa。利用上述甲烷吸附饱和的煤样，开展甲烷特性实验。利用所制备的不同变质程度甲烷吸附饱和煤样，开展含甲烷煤力学破坏实验。利用气相色谱法，测定煤样变形-破坏过程中释放气体的类型与含量；采用上述多尺度煤样分子结构测定方法，得到不同变质程度煤样破坏过程中释放气体的差异。
步骤二：冲击地压前兆信息监测
通过冲击地压微观-宏观融合判识技术来实现井下冲击地压前兆信息的综合评判，可以有效评估煤矿开采过程中可能出现的地压灾害风险。该技术结合微观和宏观两个层面的监测和分析，以明确采煤过程中的煤体分子结构变化和释放气体成分的动态变化情况。
在微观层面，通过采取煤壁打钻的方法，获取现场高应力动载条件下煤试样，将煤试样进行物理化学结构测定可以获取采矿过程中煤分子结构变化情况。这一过程中，具体测试需要重复上述步骤一，通过对比原始煤样和采煤过程中的煤样物理化学结构参数，用于判断主控煤力学特性和甲烷吸附特性的分子结构是否发生了破坏。
在宏观层面，通过实时监测采煤过程中采煤工作面与巷道中的甲烷、一氧化碳、二氧化碳和小分子烃类气体成分，可以获取采煤过程中煤层释放气体动态变化信息。这些气体成分和涌出量的变化是与煤分子结构的破坏的重要指标之一，通过连续监测这些气体成分的变化趋势，可以评估主控煤力学特性和甲烷吸附特性的分子结构破坏程度。
通过融合微-宏观前兆信息的监测和评判，可以识别出冲击地压前兆的存在和发展趋势。
步骤三：冲击地压预测预报
1.微观冲击危险性预测：一个煤分子可表示为一个标记的图（由步骤一中的1求得），其节点为分子中的原子，边为原子间的键。每个节点都有一个特征向量，其表示形式如下：
（5）
其中，C、H、O、N、S分别代表每个节点中碳、氢、氧、氮、硫的相对原子质量。每条边（，）与一个指示其键类型的特征向量相关联。
信息传递神经网络（Message-passing Neural Network，MPNN）框架将图嵌入到连续向量中，并将隐藏状态与每个节点相关联，其中即是每个节点的信息输入特征。此外，节点间对应边的状态（，）通过传递消息来更新，每个消息的初始化值为0。则在时间步骤中，分子信息可表示为：
（6）
其中是的邻居节点集，MLP代表多层感知器（Multilayer Perceptron，MLP）。在信息传递步骤之后，隐藏状态可表示为：
（7）
计算图表示，最终可由来求得微观冲击危险性：
（8）
本公开实施例中，在由来求得微观冲击危险性之后，可以基于所的微观冲击危险性概率进行冲击危险性指标的评估，以得到无冲击危险性、弱冲击危险性和强冲击危险性三个风险等级的冲击危险性指标。
2.宏观冲击危险性预测：将步骤二中2在宏观层面所得到的甲烷、一氧化碳、二氧化碳、氢气和小分子烃类气体浓度进行监测，气体浓度的变化值，即为宏观输入特征M，表示为：
（9）
以M为输入，历史冲击地压倾向性数据为输出，训练MLP网络，如下式：
（10）
由公式10求得宏观冲击危险性，即发生冲击的概率。
本公开实施例中，在根据公式10求得宏观层面发生冲击的概率之后，可以基于所得宏观冲击危险性概率进行冲击危险性指标的评估，以得到无冲击危险性、弱冲击危险性和强冲击危险性三个风险等级的冲击危险性指标。
3.微-宏观融合驱动分析：为了保证冲击地压预测过程的鲁棒性，本公开中可以选取第一冲击危险性指标和第二冲击危险性指标中危险等级最高的一项作为最终的冲击地压预测结果。
举例而言，当第一冲击危险性指标和第二冲击危险性指标的组合为（无冲击危险性，弱冲击危险性），则最终的冲击地压预测结果为弱冲击危险性；当第一冲击危险性指标和第二冲击危险性指标的组合为（强冲击危险性，弱冲击危险性），则最终的冲击地压预测结果为强冲击危险性。
本发明提供的冲击地压预测预报是基于冲击地压微-宏观融合判识技术实现，主要是基于对比分析上述煤微观分子结构的破坏以及工作面和巷道气体成分相关数据，判断高应力动载过程中不同煤分子结构的断键顺序、断键程度及新生气体的类型和数量，从而对微观分子信息和宏观气体相关数据进行综合分析，提高前兆信息的测量精度的同时降低专家判识的主观因素，提高冲击地压预警的准确性。
通过微-宏观层面的综合分析，量化微观分子结构的破坏信息以及采煤工作面和巷道气体成分的变化来预测冲击地压的发生概率。巷道中的气体成分监测可以实时获得甲烷、一氧化碳、二氧化碳和小分子烃类等气体的浓度变化情况，这些涌出气体成分和涌出量变化，主要与煤体微观结构的破坏和新生小分子气体相关。例如，原有甲烷浓度的突然增加、新生一氧化碳和小分子烃类气体含量的增加，可能意味着煤体的剧烈破坏。通过分析不同矿井中的历史数据，可以建立统计模型或机器学习模型，将微观和宏观指标与冲击地压事件之间的关联进行建模，这样的预测模型可以用于实时监测和预警冲击地压的发生。当微观层面的煤主控煤力学性质分子结构片段破坏程度由脂肪侧链断裂转为芳香环破裂，或者宏观层面的巷道气体成分的变化由氢气和一氧化碳转为甲烷和小分子烃类气体时，预警系统可以发出警报，提醒矿工和相关人员采取相应的防范措施。
基于上述技术方案，本公开至少包括以下技术效果：
1）高应力动载场景适用性：与传统方法相比，本发明针对煤矿高应力动载场景，能够更准确地捕捉冲击地压的前兆信息。在高应力条件下，冲击地压的行为具有复杂性和非线性特征，传统方法可能无法充分考虑这些因素，而煤分子结构的图表示方法深入冲击地压发生的微观分子层面，能够更好地适应这些挑战。
2）前兆信息分子-工程尺度判识：本发明结合了微观和宏观尺度的信息，将前兆信息的捕捉从微观到宏观进行了全面的判识。这意味着可以从不同尺度、更好地理解煤层中高应力引起的煤分子结构的变形-破坏与煤体中的能量积聚-释放演化过程，从而更准确地预测和防范冲击地压灾害的发生。
3）前兆信息精准捕获：通过本发明提供的方法，可以更准确地捕获冲击地压的前兆信息。这意味着采煤过程中钻孔取样和气体成分联合监测，能够更早地发现地压灾害的迹象，采取相应的预防和控制措施，有效减少事故的发生。
4）解决现有技术中存在的问题：现有的冲击地压判识方法往往只依赖于传感器数据或经验规则，存在一定的局限性。本发明尝试通过结合微观和宏观尺度的信息，提供了一种更全面、更准确的前兆信息判识方法，有助于弥补传统方法的不足并提高地压灾害预防和控制的效果。
综上所述，本发明在煤矿动力灾害防治中前兆信息精准捕获领域具有突出的优势，能够更准确地预测和识别冲击地压的前兆信息，提高煤矿安全性，减少事故发生的风险，并为采矿行业的可持续发展做出贡献。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
需要说明的是，在本公开的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。
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特定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，并且本公开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，这应被本公开的实施例所属技术领域的技术人员所理解。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本公开各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
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公开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一定是指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何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种基于图表示学习的冲击地压微-宏观前兆信息判识方法，其特征在于，包括：
确定目标煤矿的冲击地压前兆信息，其中，所述冲击地压前兆信息包括：微观前兆信息和宏观前兆信息；
获取所述目标煤矿在开采过程中的相关数据，其中，所述相关数据包括：煤分子结构变化数据和煤释放气体变化数据；
根据所述微观前兆信息和所述煤分子结构变化数据，确定微观预测结果；
根据所述宏观前兆信息和所述煤释放气体变化数据，确定宏观预测结果；
根据所述微观预测结果和所述宏观预测结果，确定所述目标煤矿的冲击地压预测结果；
所述确定目标煤矿的冲击地压前兆信息，包括：
在对所述目标煤矿进行开采之前，采集所述目标煤矿的煤样本；
确定所述煤样本的第一物理结构参数和第一化学结构参数；
基于所述煤样本依次进行甲烷吸附实验和含甲烷煤动载破坏试验，并确定所述煤样本在动载破坏过程中的气体释放类型和气体释放数量；
确定所述煤样本在动载破坏后的第二物理结构参数和第二化学结构参数；
根据所述第一物理结构参数、所述第一化学结构参数、所述第二物理结构参数和所述第二化学结构参数，确定所述微观前兆信息；
根据所述气体释放类型和所述气体释放数量，确定所述宏观前兆信息。
2.如权利要求1所述的方法，其特征在于，所述第一物理结构参数，包括以下至少一项：
芳香层片面网间距；
芳香层片堆砌厚度；
芳香层片延展度；
芳香层片平均堆砌层数。
3.如权利要求1所述的方法，其特征在于，所述第一化学结构参数，包括以下至少一项：
元素比例信息；
表面基团分布特征；
元素化学态信息；
碳元素分布信息。
4.如权利要求1所述的方法，其特征在于，所述根据所述第一物理结构参数、所述第一化学结构参数、所述第二物理结构参数和所述第二化学结构参数，确定所述微观前兆信息，包括：
根据所述第一物理结构参数和所述第一化学结构参数，构建第一煤分子模型；
根据所述第二物理结构参数和所述第二化学结构参数，构建第二煤分子模型；
基于所述第一煤分子模型和所述第二煤分子模型进行分子动力学模拟，以确定所述微观前兆信息。
5.如权利要求1所述的方法，其特征在于，所述根据所述微观前兆信息和所述煤分子结构变化数据，确定微观预测结果，包括：
根据所述微观前兆信息，获取第一样本数据；
基于所述第一样本数据训练初始微观预测模型，得到目标微观预测模型；
将所述煤分子结构变化数据输入至所述目标微观预测模型中，得到所述微观预测结果。
6.如权利要求1所述的方法，其特征在于，所述根据所述宏观前兆信息和所述煤释放气体变化数据，确定宏观预测结果，包括：
根据所述宏观前兆信息，获取第二样本数据；
基于所述第二样本数据训练初始宏观预测模型，得到目标宏观预测模型；
将所述煤释放气体变化数据输入至所述目标宏观预测模型，得到所述宏观预测结果。
7.如权利要求1所述的方法，其特征在于，所述根据所述微观预测结果和所述宏观预测结果，确定所述目标煤矿的冲击地压预测结果，包括：
根据所述微观预测结果，确定第一冲击危险性指标；
根据所述宏观预测结果，确定第二冲击危险性指标；
确定所述第一冲击危险性指标和所述第二冲击危险性指标的比对结果；
根据所述比对结果，将所述第一冲击危险性指标或所述第二冲击危险性指标作为所述冲击地压预测结果。
8.如权利要求7所述的方法，其特征在于，所述根据所述比对结果，将所述第一冲击危险性指标或所述第二冲击危险性指标作为所述冲击地压预测结果，包括：
如果所述第一冲击危险性指标大于所述第二冲击危险性指标，则将所述第一冲击危险性指标作为所述冲击地压预测结果；
如果所述第一冲击危险性指标小于所述第二冲击危险性指标，则将所述第二冲击危险性指标作为所述冲击地压预测结果；
如果所述第一冲击危险性指标等于所述第二冲击危险性指标，则将所述第一冲击危险性指标或所述第二冲击危险性指标作为所述冲击地压预测结果。
9.如权利要求7所述的方法，其特征在于，所述第一冲击危险性指标包括：无冲击危险性、弱冲击危险性和强冲击危险性；所述第二冲击危险性指标包括：无冲击危险性、弱冲击危险性和强冲击危险性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311142731.5A CN116882302B (zh) | 2023-09-06 | 2023-09-06 | 基于图表示学习的冲击地压微-宏观前兆信息判识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311142731.5A CN116882302B (zh) | 2023-09-06 | 2023-09-06 | 基于图表示学习的冲击地压微-宏观前兆信息判识方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116882302A CN116882302A (zh) | 2023-10-13 |
| CN116882302B true CN116882302B (zh) | 2023-11-21 |
Family
ID=88264852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311142731.5A Active CN116882302B (zh) | 2023-09-06 | 2023-09-06 | 基于图表示学习的冲击地压微-宏观前兆信息判识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116882302B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105607127A (zh) * | 2016-01-27 | 2016-05-25 | 中国矿业大学 | 一种高应力集中区冲击地压的微震多参量预警方法 |
| CN114105599A (zh) * | 2021-10-20 | 2022-03-01 | 中国矿业大学 | 一种低强度强冲击性的煤相似模拟材料及其制备方法 |
| CN114757266A (zh) * | 2022-03-27 | 2022-07-15 | 中国矿业大学 | 专家知识与数据融合驱动的冲击地压预测模型构建方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107843874B (zh) * | 2017-10-31 | 2020-04-21 | 北京科技大学 | 一种煤岩动力灾害前兆电磁辐射定位煤岩主破裂的方法 |
-
2023
- 2023-09-06 CN CN202311142731.5A patent/CN116882302B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105607127A (zh) * | 2016-01-27 | 2016-05-25 | 中国矿业大学 | 一种高应力集中区冲击地压的微震多参量预警方法 |
| CN114105599A (zh) * | 2021-10-20 | 2022-03-01 | 中国矿业大学 | 一种低强度强冲击性的煤相似模拟材料及其制备方法 |
| CN114757266A (zh) * | 2022-03-27 | 2022-07-15 | 中国矿业大学 | 专家知识与数据融合驱动的冲击地压预测模型构建方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于地音监测的近直立煤层冲击地压前兆特征研究;刘昆轮;闫瑞兵;;煤炭工程(第04期);全文 * |
| 基于能量理论的冲击地压细观过程研究;崔铁军;李莎莎;王来贵;;安全与环境学报(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116882302A (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Maes et al. | Validation of vibration-based structural health monitoring on retrofitted railway bridge KW51 | |
| Kunwar et al. | Damage detection in an experimental bridge model using Hilbert–Huang transform of transient vibrations | |
| Yazgan et al. | Post‐earthquake damage assessment using residual displacements | |
| Soleimani‐Babakamali et al. | Toward a general unsupervised novelty detection framework in structural health monitoring | |
| Heitner et al. | Updating probabilities of bridge reinforcement corrosion using health monitoring data | |
| Follen et al. | Statistical bridge signatures | |
| CN117314218B (zh) | 一种基于大数据分析的煤矿水害实时预警方法 | |
| CN111581865A (zh) | 一种工程结构损伤远程监测预警方法及系统 | |
| Rainieri et al. | Shaking table tests for the experimental verification of the effectiveness of an automated modal parameter monitoring system for existing bridges in seismic areas | |
| KR102682184B1 (ko) | 실시간으로 재난 상황을 감지하고 대응하는 재난 대응 시스템 | |
| Umar et al. | Sensor clustering-based approach for structural damage identification under ambient vibration | |
| Ko et al. | Formulation of an uncertainty model relating modal parameters and environmental factors by using long-term monitoring data | |
| Ghiasi et al. | A non-parametric approach toward structural health monitoring for processing big data collected from the sensor network | |
| Salehi et al. | Identification of boundary conditions of railway bridges using artificial neural networks | |
| CN117386355A (zh) | 深埋土层中高强混凝土井壁破坏预测方法 | |
| Karimi et al. | Damage identification in bridge structures: review of available methods and case studies | |
| Tefera et al. | Challenges in applying vibration-based damage detection to highway bridge structures | |
| CN116882302B (zh) | 基于图表示学习的冲击地压微-宏观前兆信息判识方法 | |
| Bhatta et al. | Machine learning-based classification for rapid seismic damage assessment of buildings at a regional scale | |
| Sternal et al. | BIM-Based modeling of structural health monitoring systems using the IFC standard | |
| Sarmadi et al. | Prediction of long-term dynamic responses of a heritage masonry building under thermal effects by automated kernel-based regression modeling | |
| CN115238365B (zh) | 一种基于动态深度学习的隧道灾后损伤预警方法及系统 | |
| Li et al. | Mechanics-Informed Autoencoder Enables Automated Detection and Localization of Unforeseen Structural Damage | |
| Melchiorre et al. | Intelligent Structural Damage Detection with MEMS-Like Sensors Noisy Data | |
| CN117345344B (zh) | 一种矿井声电信号智能预测方法与系统 |
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 |