CN117192605A - 一种煤矿开采三带发育特征探测方法、装置、设备及介质 - Google Patents
一种煤矿开采三带发育特征探测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117192605A CN117192605A CN202311194895.2A CN202311194895A CN117192605A CN 117192605 A CN117192605 A CN 117192605A CN 202311194895 A CN202311194895 A CN 202311194895A CN 117192605 A CN117192605 A CN 117192605A
- Authority
- CN
- China
- Prior art keywords
- data
- development
- dimensional
- coal mining
- model
- 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.)
- Pending
Links
- 238000011161 development Methods 0.000 title claims abstract description 101
- 239000003245 coal Substances 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005065 mining Methods 0.000 title claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 78
- 239000013307 optical fiber Substances 0.000 claims description 37
- 230000015654 memory Effects 0.000 claims description 21
- 238000005553 drilling Methods 0.000 claims description 16
- 239000011435 rock Substances 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 11
- 238000003384 imaging method Methods 0.000 claims description 10
- 238000003672 processing method Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000013136 deep learning model Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000002203 pretreatment Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 14
- 238000000605 extraction Methods 0.000 abstract description 5
- 208000010392 Bone Fractures Diseases 0.000 description 24
- 206010017076 Fracture Diseases 0.000 description 24
- 208000008918 voyeurism Diseases 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 238000005452 bending Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种煤矿开采三带发育特征探测方法、装置、设备及介质，方法包括：获取微震数据，对所述微震数据进行预处理，以筛选出所需的地质体型号；对筛选出的所需的地质体型号进行反演处理，以得到所述微震数据对应的三维裂缝分布图像；将所述三维裂缝分布图像输入至预先训练完备的裂缝发育三维预测模型中，以得到煤矿开采三带发育特征。本发明解决了现有技术中无法对三带发育特征，尤其是导水裂隙带、瓦斯抽采裂隙带的发育高度进行准确判定的技术问题。
Description
技术领域
本发明涉及煤矿开采技术领域，具体涉及一种煤矿开采三带发育特征探测方法、装置、设备及介质。
背景技术
随着浅部煤炭资源储量不断减少，合理、高效地回收浅部煤炭资源，已成为煤炭领域广泛关注的重要问题之一。此外，通过对高瓦斯矿井采空区冒裂带范围煤层气运移层位进行分析，可以实现合理、高效的开采煤炭、煤层气资源，从而最大程度地实现矿产资源回收利用。
随着采煤工作面自切眼不断向前推进，上覆岩层产生有规律的移动、弯曲及破碎现象，其影响范围逐渐向上扩展，并在一定埋深条件下出现明显的“三带”分布，采空区上方形成“垮落带”、“裂隙带”和“弯曲下沉带”，简称“三带”。对“三带”发育的精准探测，能够对煤矿水害治理、瓦斯抽采、采空区塌陷治理提供重要的技术支持。
从“三带”理论看，导水裂缝带的高度由冒落带和裂隙带组成；从水文地质意义讲，具有导水性是导水裂缝带最主要的特点。导水裂缝带高度是预测矿井涌水量、计算防水煤柱尺寸以及评估水体下采煤安全性的重要技术参数，对研究顶板突水机理和预防顶板水害事故都有重要的理论意义和实用价值。
目前确定采空区上覆岩层“三带”的方法较为单一，同时由于影响采空区上覆岩层“三带”发育高度因素众多，缺乏多技术探测、多数据分析的方法来对三带发育，尤其是导水裂隙带、瓦斯抽采裂隙带的发育高度准确判定的方式。
发明内容
本发明的目的在于克服上述技术不足，提供一种煤矿开采三带发育特征探测方法、装置、设备及介质，解决现有技术中无法对三带发育特征，尤其是导水裂隙带、瓦斯抽采裂隙带的发育高度进行准确判定的技术问题。
为达到上述技术目的，本发明采取了以下技术方案：
第一方面，本发明提供了一种煤矿开采三带发育特征探测方法，包括如下步骤：
获取微震数据，对所述微震数据进行预处理，以筛选出所需的地质体型号；
对筛选出的所需的地质体型号进行反演处理，以得到所述微震数据对应的三维裂缝分布图像；
将所述三维裂缝分布图像输入至预先训练完备的裂缝发育三维预测模型中，以得到煤矿开采三带发育特征。
在一些实施例中，所述预处理的方法具体为：对所述微震数据进行过滤处理，保留有用的地质体型号。
在一些实施例中，所述裂缝发育三维预测模型的训练方法为：
获取若干个历史微震数据以及与所述历史微震数据对应的电法探测数据和光纤探测数据，对所述历史微震数据进行预处理，以筛选出所述历史微震数据中所需的地质体型号；
对筛选出所述历史微震数据中所需的地质体型号进行反演处理，以得到所述历史微震数据对应的三维裂缝分布图像；
采用若干个所述三维裂缝分布图像对预先建立的模型进行训练，以得到初始预测模型；
基于所述历史微震数据对应的电法探测数据和光纤探测数据，对所述初始预测模型进行修正，以得到训练完备的裂缝发育三维预测模型。
在一些实施例中，所述基于所述历史微震数据对应的电法探测数据和光纤探测数据，对所述初始预测模型进行修正，以得到训练完备的裂缝发育三维预测模型，包括：
分别对所述历史微震数据对应的电法探测数据以及光纤探测数据进行处理，以得到岩层受采动影响的电性变化数据以及地层变形数据；
基于所述岩层受采动影响的电性变化数据以及地层变形数据，对所述初始预测模型进行修正，以得到训练完备的裂缝发育三维预测模型。
在一些实施例中，所述电法探测数据的处理方法为：
基于克里格插值法，对所述电法探测数据中的各电极点的垂面坐标、以及电极电流值或比值进行处理，以得到钻孔在控制范围内的电流成像图或比值成像图。
在一些实施例中，所述光纤探测数据的处理方法为：
对所述光纤探测数据进行应变解调；
对所述应变解调后的数据进行分析处理，以得到地层变形数据。
在一些实施例中，所述裂缝发育三维预测模型为深度学习模型或机器学习模型。
第二方面，本发明还提供一种煤矿开采三带发育特征探测装置，包括：
数据获取模块，用于获取微震数据，对所述微震数据进行预处理，以筛选出所需的地质体型号；
反演模块，用于对筛选出的所需的地质体型号进行反演处理，以得到所述微震数据对应的三维裂缝分布图像；
预测模块，用于将所述三维裂缝分布图像输入至预先训练完备的裂缝发育三维预测模型中，以得到煤矿开采三带发育特征。
第三方面，本发明还提供一种电子设备，包括：处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机程序；
所述处理器执行所述计算机程序时实现如上所述的煤矿开采三带发育特征探测方法中的步骤。
第四方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的煤矿开采三带发育特征探测方法中的步骤。
与现有技术相比，本发明提供的煤矿开采三带发育特征探测方法、装置、设备及介质，首先，获取微震数据，对所述微震数据进行预处理，以筛选出所需的地质体型号，然后对筛选出的所需的地质体型号进行反演处理，以得到所述微震数据对应的三维裂缝分布图像，最后将所述三维裂缝分布图像输入至预先训练完备的裂缝发育三维预测模型中，以得到煤矿开采三带发育特征。本发明通过对围岩结构和变形演化规律进行统计分析，归纳总结出影响工作面上覆岩层力学性质和形变特征，之后利用井下电法、地面微震、光纤监测、钻孔窥视、智能探测等综合的方法实现精准探测裂隙带发育高度，进而对裂隙发育范围进行动态监测，是一种多技术探测、多数据分析的方法，缩小勘探误差的方法，而且能够对三带发育特征，尤其是导水裂隙带、瓦斯抽采裂隙带的发育高度准确判定，保障煤矿安全生产。
附图说明
图1是本发明实施例提供的煤矿开采三带发育特征探测方法的流程图；
图2是本发明进行煤矿开采三带发育特征探测的流程图；
图3是本发明裂缝发育三维预测模型的示意图；
图4是本发明实施例提供的煤矿开采三带发育特征探测装置的功能模块示意图；
图5是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
鉴于现有技术中无法对三带发育特征，尤其是导水裂隙带、瓦斯抽采裂隙带的发育高度进行准确判定，本发明提供了一种煤矿开采三带发育特征探测方法，请参阅图1，图1是本发明实施例提供的一种煤矿开采三带发育特征探测方法的流程示意图，本发明所涉及的煤矿开采三带发育特征探测方法可用于煤矿开采三带发育特征预测中，以对三带发育特征，尤其是导水裂隙带、瓦斯抽采裂隙带的发育高度准确判定。本发明所涉及的煤矿开采三带发育特征探测方法可由电子设备执行，该电子设备能够进行接收或发送数据等操作，可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、便携式计算机和台式服务器等等。如图1所示，该方法具体包括以下步骤S100至步骤S300。
S100、获取微震数据，对所述微震数据进行预处理，以筛选出所需的地质体型号。
S200、对筛选出的所需的地质体型号进行反演处理，以得到所述微震数据对应的三维裂缝分布图像。
S300、将所述三维裂缝分布图像输入至预先训练完备的裂缝发育三维预测模型中，以得到煤矿开采三带发育特征。
本实施例中，首先，获取微震数据，对所述微震数据进行预处理，以筛选出所需的地质体型号，然后对筛选出的所需的地质体型号进行反演处理，以得到所述微震数据对应的三维裂缝分布图像，最后将所述三维裂缝分布图像输入至预先训练完备的裂缝发育三维预测模型中，以得到煤矿开采三带发育特征。本发明通过对围岩结构和变形演化规律进行统计分析，归纳总结出影响工作面上覆岩层力学性质和形变特征，之后利用井下电法、地面微震、光纤监测、钻孔窥视、智能探测等综合的方法实现精准探测裂隙带发育高度，进而对裂隙发育范围进行动态监测，是一种多技术探测、多数据分析的方法，缩小勘探误差的方法，而且能够对三带发育特征，尤其是导水裂隙带、瓦斯抽采裂隙带的发育高度准确判定，保障煤矿安全生产。
在一些实施例中，请参阅图2，所述步骤S100中，首先根据测量获得的工作面，在地面投影范围内布置微震检波器，然后将智能检波器插入根据采煤厚度预算的裂隙发育带的岩层中，并试验线缆将与采集控制装置相连接，此时可使检波器开展工作，通过检测器检测微震数据，之后对微震数据进行预处理，筛选出所需的地质体型号。
可选的，所述预处理的方法具体为：对所述微震数据进行过滤处理，保留有用的地质体型号。
本实施例中，控制检波器开展工作，并在采集控制装置中对检波器采集的信号进行过滤处理，只保留有用的地质体型号，便于后期反演技术处理。
在一些实施例中，所述步骤S200中，将获得的型号进行反演处理，形成三维裂缝分布图像，其中，反演处理的方式有多种，可选的，可采用全波形反演(FWI)来进行三维裂缝图像的重构，全波形反演是高分辨率重构地下结构的一类重要方法，该方法的核心思想是借助地震波形包含的丰富信息，利用观测到的数据和模拟数据的最优匹配进行地下介质模型的重构。或者可以采用基于深度神经网络(DNN)的全波形反演地质体结构，该方法的主要思想是基于万能逼近定理，使用深度神经网络的权重对物理参数进行重新参数化，将原反演问题转化为物理原理约束下的网络参数的重构问题。该反演方法的优势是重参数化的网络具有对抗神经网络的功能(GAN)，网络的稀疏表示信息使该方法具有隐式正则化的作用，因此，其适合求解不适定的非线性反问题。此外，该方法仅需要一阶导数信息，因此，具有高计算效率。通过使用多个图形处理单元(GPU)和中央处理单元(CPU)进行权重更新和波场正演模拟，使其能够充分利用硬件对算法进行加速，在具体进行反演时，可根据实际需求选择反演方法，本发明实施例对此不做限定。
在一些实施例中，所述步骤S300中，所述裂缝发育三维预测模型的训练方法为：
获取若干个历史微震数据以及与所述历史微震数据对应的电法探测数据和光纤探测数据，对所述历史微震数据进行预处理，以筛选出所述历史微震数据中所需的地质体型号；
对筛选出所述历史微震数据中所需的地质体型号进行反演处理，以得到所述历史微震数据对应的三维裂缝分布图像；
采用若干个所述三维裂缝分布图像对预先建立的模型进行训练，以得到初始预测模型；
基于所述历史微震数据对应的电法探测数据和光纤探测数据，对所述初始预测模型进行修正，以得到训练完备的裂缝发育三维预测模型。
本实施例中，将三维裂缝分布图像作为模型的输入，将煤矿开采三带发育特征作为输出来建立模型，通过历史三维裂缝分布图像对模型进行训练，使其能够预测分析主要裂缝发育特征。为了增强模型的预测能力，还通过历史微震数据对应的电法探测数据和光纤探测数据，对所述初始预测模型进行修正，进而提高模型的探测精度。
在一些实施例中，所述裂缝发育三维预测模型为深度学习模型或机器学习模型。
本实施例中，机器学习模型可以包括但不限于线性回归模型、岭回归模型、支持向量回归模型、支持向量机、决策树、全连接神经网络、循环神经网络等。深度学习模型可以包括但不限于卷积神经网络、全卷积神经网络、残差网络等。本实施例中，第一训练模型采用全卷积神经网络模型，例如V-Net神经网络模型、SN神经网络模型、MSN神经网络模型、U-NET网络模型等，当然，在其它的实施例中，还可采用其它的模型来实现本发明功能，本发明对此不做限定。请参阅图3，其为本发明一实施例中裂缝发育三维预测模型的示意图，包括若干个3×3的卷积核和若干个2×2的最大池化层，通过该模型来实现煤矿开采三带发育特征的输出。
在模型训练完毕后，地面施工钻孔并应用钻孔窥视仪对裂隙发育特征进行成像探测，验证裂缝发育三维预测模型，实现三带发育特征的精准探测。
在一些实施例中，所述基于所述历史微震数据对应的电法探测数据和光纤探测数据，对所述初始预测模型进行修正，以得到训练完备的裂缝发育三维预测模型，包括：
分别对所述历史微震数据对应的电法探测数据以及光纤探测数据进行处理，以得到岩层受采动影响的电性变化数据以及地层变形数据；
基于所述岩层受采动影响的电性变化数据以及地层变形数据，对所述初始预测模型进行修正，以得到训练完备的裂缝发育三维预测模型。
本实施例中，首先通过对电法探测数据以及光纤探测数据进行处理得到岩层受采动影响的电性变化数据以及地层变形数据，然后通过岩层受采动影响的电性变化数据以及地层变形数据对初始预测模型进行修正，进而可以提高最终得到的裂缝发育三维预测模型的探测精度。
在一些实施例中，所述电法探测数据的处理方法为：
基于克里格插值法，对所述电法探测数据中的各电极点的垂面坐标、以及电极电流值或比值进行处理，以得到钻孔在控制范围内的电流成像图或比值成像图。
本实施例中，在煤体一侧施工2-3个电法探测钻孔，布置电极，连同电缆，在工作面推进工程中控制电法探测电极工作，探测上覆岩层电阻率的变化情况，对电法探测的数据进行处理，钻孔内各电极点的垂面坐标及电极电流值或比值，利用克里格插值法，可得到两钻孔控制范围电流或比值成像图，可反映垂直剖面内岩层受采动影响的电性变化情况，解释覆岩破坏带。
在一些实施例中，所述光纤探测数据的处理方法为：
对所述光纤探测数据进行应变解调；
对所述应变解调后的数据进行分析处理，以得到地层变形数据。
本实施例中，在煤体一侧施工1个光纤探测钻孔，布置光纤传感器，连同光缆，随后封孔，之后通过光纤传感器得到光纤探测数据，并对光纤采集的数据进行应变解调，通过对应变数据进行分析处理实现地层变形信息。
本发明提供的技术方案，首先，获取微震数据，对所述微震数据进行预处理，以筛选出所需的地质体型号，然后对筛选出的所需的地质体型号进行反演处理，以得到所述微震数据对应的三维裂缝分布图像，最后将所述三维裂缝分布图像输入至预先训练完备的裂缝发育三维预测模型中，以得到煤矿开采三带发育特征。本发明通过对围岩结构和变形演化规律进行统计分析，归纳总结出影响工作面上覆岩层力学性质和形变特征，之后利用井下电法、地面微震、光纤监测、钻孔窥视、智能探测等综合的方法实现精准探测裂隙带发育高度，进而对裂隙发育范围进行动态监测，是一种多技术探测、多数据分析的方法，缩小勘探误差的方法，而且能够对三带发育特征，尤其是导水裂隙带、瓦斯抽采裂隙带的发育高度准确判定，保障煤矿安全生产。
本发明另一实施例提供一种煤矿开采三带发育特征探测装置，请参阅图4，该煤矿开采三带发育特征探测装置包括数据获取模块11、反演模块12以及预测模块13。
数据获取模块11用于获取微震数据，对所述微震数据进行预处理，以筛选出所需的地质体型号。
反演模块12用于对筛选出的所需的地质体型号进行反演处理，以得到所述微震数据对应的三维裂缝分布图像。
预测模块13用于将所述三维裂缝分布图像输入至预先训练完备的裂缝发育三维预测模型中，以得到煤矿开采三带发育特征。
本实施例中，首先，获取微震数据，对所述微震数据进行预处理，以筛选出所需的地质体型号，然后对筛选出的所需的地质体型号进行反演处理，以得到所述微震数据对应的三维裂缝分布图像，最后将所述三维裂缝分布图像输入至预先训练完备的裂缝发育三维预测模型中，以得到煤矿开采三带发育特征。本发明通过对围岩结构和变形演化规律进行统计分析，归纳总结出影响工作面上覆岩层力学性质和形变特征，之后利用井下电法、地面微震、光纤监测、钻孔窥视、智能探测等综合的方法实现精准探测裂隙带发育高度，进而对裂隙发育范围进行动态监测，是一种多技术探测、多数据分析的方法，缩小勘探误差的方法，而且能够对三带发育特征，尤其是导水裂隙带、瓦斯抽采裂隙带的发育高度准确判定，保障煤矿安全生产。
需要说明的是，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述煤矿开采三带发育特征探测的执行过程，各模块的具体实施方式请参考上述对应的方法实施例，此处不再赘述。
在一些实施例中，所述预处理的方法具体为：对所述微震数据进行过滤处理，保留有用的地质体型号。
在一些实施例中，所述裂缝发育三维预测模型的训练方法为：
获取若干个历史微震数据以及与所述历史微震数据对应的电法探测数据和光纤探测数据，对所述历史微震数据进行预处理，以筛选出所述历史微震数据中所需的地质体型号；
对筛选出所述历史微震数据中所需的地质体型号进行反演处理，以得到所述历史微震数据对应的三维裂缝分布图像；
采用若干个所述三维裂缝分布图像对预先建立的模型进行训练，以得到初始预测模型；
基于所述历史微震数据对应的电法探测数据和光纤探测数据，对所述初始预测模型进行修正，以得到训练完备的裂缝发育三维预测模型。
在一些实施例中，所述基于所述历史微震数据对应的电法探测数据和光纤探测数据，对所述初始预测模型进行修正，以得到训练完备的裂缝发育三维预测模型，包括：
分别对所述历史微震数据对应的电法探测数据以及光纤探测数据进行处理，以得到岩层受采动影响的电性变化数据以及地层变形数据；
基于所述岩层受采动影响的电性变化数据以及地层变形数据，对所述初始预测模型进行修正，以得到训练完备的裂缝发育三维预测模型。
在一些实施例中，所述电法探测数据的处理方法为：
基于克里格插值法，对所述电法探测数据中的各电极点的垂面坐标、以及电极电流值或比值进行处理，以得到钻孔在控制范围内的电流成像图或比值成像图。
在一些实施例中，所述光纤探测数据的处理方法为：
对所述光纤探测数据进行应变解调；
对所述应变解调后的数据进行分析处理，以得到地层变形数据。
在一些实施例中，所述裂缝发育三维预测模型为深度学习模型或机器学习模型。
本发明另一实施例提供一种电子设备，如图5所示，电子设备10包括：
一个或多个处理器110以及存储器120，图5中以一个处理器110为例进行介绍，处理器110和存储器120可以通过总线或者其他方式连接，图5中以通过总线连接为例。
处理器110用于完成电子设备10的各种控制逻辑，其可以为通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM(Acorn RISCMachine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有，处理器110还可以是任何传统处理器、微处理器或状态机。处理器110也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。
存储器120作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的煤矿开采三带发育特征探测方法对应的程序指令。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及单元，从而执行电子设备10的各种功能应用以及数据处理，即实现上述方法实施例中的煤矿开采三带发育特征探测方法。
存储器120可以包括存储程序区和存储数据区，其中，存储程序区可存储操作平台、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备10使用所创建的数据等。此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器120可选包括相对于处理器110远程设置的存储器，这些远程存储器可以通过网络连接至电子设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个单元存储在存储器120中，当被一个或者多个处理器110执行时，执行上述任意方法实施例中的煤矿开采三带发育特征探测方法，例如，执行以上描述的图1中的方法步骤S100至步骤S300。
本发明另一实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图1中的方法步骤S100至步骤S300。
作为示例，计算机可读存储介质能够包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(RAM)。通过说明而非限制，RAM可以以诸如同步RAM(SRAM)、动态RAM、(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、Synchlink DRAM(SLDRAM)以及直接Rambus(兰巴斯)RAM(DRRAM)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
综上所述，本发明提供的煤矿开采三带发育特征探测方法、装置、设备及介质，首先，获取微震数据，对所述微震数据进行预处理，以筛选出所需的地质体型号，然后对筛选出的所需的地质体型号进行反演处理，以得到所述微震数据对应的三维裂缝分布图像，最后将所述三维裂缝分布图像输入至预先训练完备的裂缝发育三维预测模型中，以得到煤矿开采三带发育特征。本发明通过对围岩结构和变形演化规律进行统计分析，归纳总结出影响工作面上覆岩层力学性质和形变特征，之后利用井下电法、地面微震、光纤监测、钻孔窥视、智能探测等综合的方法实现精准探测裂隙带发育高度，进而对裂隙发育范围进行动态监测，是一种多技术探测、多数据分析的方法，缩小勘探误差的方法，而且能够对三带发育特征，尤其是导水裂隙带、瓦斯抽采裂隙带的发育高度准确判定，保障煤矿安全生产。
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种煤矿开采三带发育特征探测方法，其特征在于，包括如下步骤：
获取微震数据，对所述微震数据进行预处理，以筛选出所需的地质体型号；
对筛选出的所需的地质体型号进行反演处理，以得到所述微震数据对应的三维裂缝分布图像；
将所述三维裂缝分布图像输入至预先训练完备的裂缝发育三维预测模型中，以得到煤矿开采三带发育特征。
2.根据权利要求1所述的煤矿开采三带发育特征探测方法，其特征在于，所述预处理的方法具体为：对所述微震数据进行过滤处理，保留有用的地质体型号。
3.根据权利要求1所述的煤矿开采三带发育特征探测方法，其特征在于，所述裂缝发育三维预测模型的训练方法为：
获取若干个历史微震数据以及与所述历史微震数据对应的电法探测数据和光纤探测数据，对所述历史微震数据进行预处理，以筛选出所述历史微震数据中所需的地质体型号；
对筛选出所述历史微震数据中所需的地质体型号进行反演处理，以得到所述历史微震数据对应的三维裂缝分布图像；
采用若干个所述三维裂缝分布图像对预先建立的模型进行训练，以得到初始预测模型；
基于所述历史微震数据对应的电法探测数据和光纤探测数据，对所述初始预测模型进行修正，以得到训练完备的裂缝发育三维预测模型。
4.根据权利要求3所述的煤矿开采三带发育特征探测方法，其特征在于，所述基于所述历史微震数据对应的电法探测数据和光纤探测数据，对所述初始预测模型进行修正，以得到训练完备的裂缝发育三维预测模型，包括：
分别对所述历史微震数据对应的电法探测数据以及光纤探测数据进行处理，以得到岩层受采动影响的电性变化数据以及地层变形数据；
基于所述岩层受采动影响的电性变化数据以及地层变形数据，对所述初始预测模型进行修正，以得到训练完备的裂缝发育三维预测模型。
5.根据权利要求4所述的煤矿开采三带发育特征探测方法，其特征在于，所述电法探测数据的处理方法为：
基于克里格插值法，对所述电法探测数据中的各电极点的垂面坐标、以及电极电流值或比值进行处理，以得到钻孔在控制范围内的电流成像图或比值成像图。
6.根据权利要求4所述的煤矿开采三带发育特征探测方法，其特征在于，所述光纤探测数据的处理方法为：
对所述光纤探测数据进行应变解调；
对所述应变解调后的数据进行分析处理，以得到地层变形数据。
7.根据权利要求1所述的煤矿开采三带发育特征探测方法，其特征在于，所述裂缝发育三维预测模型为深度学习模型或机器学习模型。
8.一种煤矿开采三带发育特征探测装置，其特征在于，包括：
数据获取模块，用于获取微震数据，对所述微震数据进行预处理，以筛选出所需的地质体型号；
反演模块，用于对筛选出的所需的地质体型号进行反演处理，以得到所述微震数据对应的三维裂缝分布图像；
预测模块，用于将所述三维裂缝分布图像输入至预先训练完备的裂缝发育三维预测模型中，以得到煤矿开采三带发育特征。
9.一种电子设备，其特征在于，包括：处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机程序；
所述处理器执行所述计算机程序时实现如权利要求1-7任意一项所述的煤矿开采三带发育特征探测方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-7任意一项所述的煤矿开采三带发育特征探测方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311194895.2A CN117192605A (zh) | 2023-09-15 | 2023-09-15 | 一种煤矿开采三带发育特征探测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311194895.2A CN117192605A (zh) | 2023-09-15 | 2023-09-15 | 一种煤矿开采三带发育特征探测方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117192605A true CN117192605A (zh) | 2023-12-08 |
Family
ID=88986723
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311194895.2A Pending CN117192605A (zh) | 2023-09-15 | 2023-09-15 | 一种煤矿开采三带发育特征探测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117192605A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2467171C1 (ru) * | 2011-06-01 | 2012-11-20 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Новосибирский национальный исследовательский государственный университет" (Новосибирский государственный университет, НГУ) | Способ диагностики опасных ситуаций при подземной добыче каменного угля и методика прогноза параметров зон трещиноватости, образованной гидроразрывом пласта |
| WO2016041189A1 (zh) * | 2014-09-19 | 2016-03-24 | 杨顺伟 | 一种评价页岩气储层及寻找甜点区的方法 |
| RU2690977C1 (ru) * | 2018-07-20 | 2019-06-07 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Кубанский государственный аграрный университет имени И.Т. Трубилина" | Способ прогнозирования зон развития вторичных коллекторов трещинного типа в осадочном чехле для поиска залежей углеводородов |
| CN111691872A (zh) * | 2020-05-27 | 2020-09-22 | 北京科技大学 | 一种煤层覆岩裂隙发育范围及程度的动态精准探测方法 |
| CN113360592A (zh) * | 2021-06-29 | 2021-09-07 | 中煤能源研究院有限责任公司 | 基于微震监测的n00工法煤层顶板突水危险性预警方法 |
| CN116591777A (zh) * | 2023-05-16 | 2023-08-15 | 中国矿业大学 | 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 |
-
2023
- 2023-09-15 CN CN202311194895.2A patent/CN117192605A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2467171C1 (ru) * | 2011-06-01 | 2012-11-20 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Новосибирский национальный исследовательский государственный университет" (Новосибирский государственный университет, НГУ) | Способ диагностики опасных ситуаций при подземной добыче каменного угля и методика прогноза параметров зон трещиноватости, образованной гидроразрывом пласта |
| WO2016041189A1 (zh) * | 2014-09-19 | 2016-03-24 | 杨顺伟 | 一种评价页岩气储层及寻找甜点区的方法 |
| RU2690977C1 (ru) * | 2018-07-20 | 2019-06-07 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Кубанский государственный аграрный университет имени И.Т. Трубилина" | Способ прогнозирования зон развития вторичных коллекторов трещинного типа в осадочном чехле для поиска залежей углеводородов |
| CN111691872A (zh) * | 2020-05-27 | 2020-09-22 | 北京科技大学 | 一种煤层覆岩裂隙发育范围及程度的动态精准探测方法 |
| CN113360592A (zh) * | 2021-06-29 | 2021-09-07 | 中煤能源研究院有限责任公司 | 基于微震监测的n00工法煤层顶板突水危险性预警方法 |
| CN116591777A (zh) * | 2023-05-16 | 2023-08-15 | 中国矿业大学 | 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 |
Non-Patent Citations (1)
| Title |
|---|
| 乔伟 等: "基于云服务的煤矿水害监测大数据智能预警平台构建", 煤炭学报, vol. 45, no. 7, 23 June 2020 (2020-06-23), pages 2619 - 2627 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3437067B1 (en) | Automated core description | |
| US20220114302A1 (en) | Reservoir performance system | |
| CA2873816C (en) | Systems and methods for processing geophysical data | |
| CN111783304A (zh) | 矿山的仿真分析方法及装置、设备及存储介质 | |
| Zhao et al. | Unfavorable geology recognition in front of shallow tunnel face using machine learning | |
| US20240169273A1 (en) | Field equipment data system | |
| CN111986321B (zh) | 三维地质建模方法、装置、设备及存储介质 | |
| CN114251125A (zh) | 一种煤矿水害智能预警系统 | |
| CN113033047A (zh) | 煤炭矿井三维地应力场优化反演方法、系统、介质及应用 | |
| CN117369254A (zh) | 基于复杂地质条件瓦斯防控机器人集群控制方法及系统 | |
| CN114357750A (zh) | 一种采空区充水状态评估方法 | |
| US10152783B2 (en) | Method and system for two dimensional sediment particle shape characterization based on borehole image | |
| Qin et al. | Prediction of longwall mining‐induced stress in roof rock using LSTM neural network and transfer learning method | |
| CN113327070B (zh) | 智能勘查煤系气的方法、装置及电子设备 | |
| CN118070971A (zh) | 一种隐伏矿三维定量预测方法、计算机设备、介质及产品 | |
| Tao et al. | Rock mass quality prediction of open-pit gold mine slope based on the kriging interpolation method | |
| Bi et al. | Quantitative prediction model of water inrush quantities from coal mine roofs based on multi-factor analysis | |
| CN117192605A (zh) | 一种煤矿开采三带发育特征探测方法、装置、设备及介质 | |
| CN116090662B (zh) | 基于知识图谱的境外铜矿潜力预测方法、系统及电子设备 | |
| CN115980863A (zh) | 一种地球物理工程的勘探探测方法、勘探装置及应用 | |
| Cao et al. | Three-Dimensional Geological Modelling in Earth Science Research: An In-Depth Review and Perspective Analysis | |
| Gu et al. | Research on the Prediction Model of Mine Subsidence Based on Object‐Oriented and Probability Integration Method | |
| CN113111928A (zh) | 一种基于地学数据库的半监督学习矿产资源定量预测方法 | |
| US20240141774A1 (en) | Hydraulic fracturing framework | |
| US20240045095A1 (en) | Geologic fault seal characterization |
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 |