CN117974927A - 四维属性地质模型的煤矿灾害实时预警方法 - Google Patents
四维属性地质模型的煤矿灾害实时预警方法 Download PDFInfo
- Publication number
- CN117974927A CN117974927A CN202410362786.5A CN202410362786A CN117974927A CN 117974927 A CN117974927 A CN 117974927A CN 202410362786 A CN202410362786 A CN 202410362786A CN 117974927 A CN117974927 A CN 117974927A
- Authority
- CN
- China
- Prior art keywords
- grid
- attribute
- dimensional
- coal mine
- determining
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 230000005856 abnormality Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 9
- 238000005065 mining Methods 0.000 description 6
- 239000003673 groundwater Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Animal Husbandry (AREA)
- Remote Sensing (AREA)
- Marine Sciences & Fisheries (AREA)
- Computer Graphics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本公开提出一种四维属性地质模型的煤矿灾害实时预警方法,该方法包括:构建目标煤矿在第一时刻的三维栅格地质模型,其中,第一时刻的三维栅格地质模型包括多个第一栅格,每个第一栅格具有对应的第一属性值,第一属性值用于描述对应第一栅格的地质属性;根据目标煤矿的四维属性地质模型,确定与每个第一栅格对应的参考属性值;根据第一属性值和参考属性值,确定第一栅格的栅格状态;根据多个栅格状态,确定目标煤矿在第一时刻的灾害预警结果。通过实施本公开的方法,能够基于四维属性地质模型综合描述了煤矿地质属性在水平、垂直和时间维度上的分布,提供了全时空视角的地质信息,从而有效提升煤矿灾害预警的实时性、准确性和可靠性。
Description
技术领域
本公开涉及煤矿开采技术领域,具体涉及一种四维属性地质模型的煤矿灾害实时预警方法。
背景技术
在煤矿开采过程中可能会遇到各种地质灾害,为了保证煤矿开采过程的安全性,需要对煤矿地质灾害进行实时监测和预警。
相关技术中,在对煤矿进行地质灾害预警时,依赖于单一监测点,缺乏在水平、垂直和时间维度上全时空视角的监测。
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四维属性地质模型的煤矿灾害实时预警方法,能够基于四维属性地质模型综合描述了煤矿地质属性在水平、垂直和时间维度上的分布,提供了全时空视角的地质信息,从而有效提升煤矿灾害预警的实时性、准确性和可靠性。
为达到上述目的,本公开提出的四维属性地质模型的煤矿灾害实时预警方法,包括:
构建目标煤矿在第一时刻的三维栅格地质模型,其中,所述第一时刻的三维栅格地质模型包括多个第一栅格,每个所述第一栅格具有对应的第一属性值,所述第一属性值用于描述对应所述第一栅格的地质属性;
根据所述目标煤矿的四维属性地质模型,确定与每个所述第一栅格对应的参考属性值;
根据所述第一属性值和所述参考属性值,确定所述第一栅格的栅格状态;
根据多个所述栅格状态,确定所述目标煤矿在所述第一时刻的灾害预警结果。
本公开提供的四维属性地质模型的煤矿灾害实时预警方法,通过构建目标煤矿在第一时刻的三维栅格地质模型,其中,第一时刻的三维栅格地质模型包括多个第一栅格,每个第一栅格具有对应的第一属性值,第一属性值用于描述对应第一栅格的地质属性,根据目标煤矿的四维属性地质模型,确定与每个第一栅格对应的参考属性值,根据第一属性值和参考属性值,确定第一栅格的栅格状态,根据多个栅格状态,确定目标煤矿在第一时刻的灾害预警结果。由此,能够基于四维属性地质模型综合描述了煤矿地质属性在水平、垂直和时间维度上的分布,提供了全时空视角的地质信息,从而有效提升煤矿灾害预警的实时性、准确性和可靠性。
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四维属性地质模型的煤矿灾害实时预警方法的流程示意图;
图2是本公开另一实施例提出的四维属性地质模型的煤矿灾害实时预警方法的流程示意图;
图3是根据本公开提出的四维属性地质模型的煤矿灾害实时预警方法示意图。
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四维属性地质模型的煤矿灾害实时预警方法的流程示意图。
如图1所示,该四维属性地质模型的煤矿灾害实时预警方法,包括:
S101:构建目标煤矿在第一时刻的三维栅格地质模型,其中,第一时刻的三维栅格地质模型包括多个第一栅格,每个第一栅格具有对应的第一属性值,第一属性值用于描述对应第一栅格的地质属性。
其中,目标煤矿,可以是指本公开实施例中待进行煤矿灾害实时预警的煤矿。
其中,第一时刻,可以是指待进行煤矿灾害实时预警的时刻,例如可以是当前时刻。
其中,三维栅格地质模型,是指通过将地质数据以三维栅格的形式进行建模,来描述地下地质构造、岩性分布、地层结构等信息的一种模型。这种模型通常用于地质勘探、矿产资源评估、地下水开发等领域。
其中,第一栅格,可以是指第一时刻的三维栅格地质模型中所包含的体元栅格。
本公开实施例中,当构建目标煤矿在第一时刻的三维栅格地质模型时,所得第一时刻的三维栅格地质模型可以准确指示目标煤矿在第一时刻各个位置的属性状态,从而为后续进行灾害预警提供可靠的数据支持。
S102:根据目标煤矿的四维属性地质模型,确定与每个第一栅格对应的参考属性值。
其中,四维属性地质模型是指在三维空间坐标的基础上,还考虑了时间因素,用于描述地下地质结构和属性随时间变化的模型。
其中,参考属性值,可以是指基于目标煤矿的四维属性地质模型所确定的第一栅格在第一时刻的预测属性值。
可选的,一些实施例中,可以构建目标煤矿在第二时刻的三维栅格地质模型,其中,第二时刻在第一时刻之前,第二时刻的三维栅格地质模型包括与第一栅格对应的第二栅格,每个第二栅格具有对应的第二属性值,第二属性值用于描述对应第二栅格的地质属性,基于多个第二时刻的三维栅格地质模型,构建四维属性地质模型。由此,可以在构建四维属性地质模型的过程中有效结合目标煤矿在不同第二时刻的多个三维栅格地质模型,以保证所得四维属性地质模型对于目标煤矿的适用性。
其中,第二时刻,可以是指在上述第一时刻之前的任一历史时刻。
其中,第二栅格,可以是指第二时刻的三维栅格地质模型中所包含的体元栅格。
可以理解的是,本公开实施例中,可以基于相同的模型参数对同一煤矿区域建立不同时刻对应的三维栅格地质模型,因此,可以每个第二时刻的三维栅格地质模型中均包括与第一栅格对应的第二栅格。
本公开实施例中,当根据目标煤矿的四维属性地质模型,确定与每个第一栅格对应的参考属性值时,可以有效结果第一栅格在时空维度的变化特征,从而保证所得参考属性值的实用性。
S103:根据第一属性值和参考属性值,确定第一栅格的栅格状态。
其中,栅格状态,可以被用于描述对应第一栅格所指示的煤矿局部区域的地质属性是否存在异常。
本公开实施例中,在根据第一属性值和参考属性值,确定第一栅格的栅格状态时,可以是将第一属性值和参考属性值输入至预训练的机器学习模型中,以确定第一栅格的栅格状态,或者,还可以是基于数形结合的方法,根据第一属性值和参考属性值,确定第一栅格的栅格状态,对此不做限制。
S104:根据多个栅格状态,确定目标煤矿在第一时刻的灾害预警结果。
即是说,本公开实施例中,在根据第一属性值和参考属性值,确定第一栅格的栅格状态之后,可以结合不同第一栅格的栅格状态进行综合分析,以确定目标煤矿在第一时刻的灾害预警结果。
本实施例中,通过构建目标煤矿在第一时刻的三维栅格地质模型,其中,第一时刻的三维栅格地质模型包括多个第一栅格,每个第一栅格具有对应的第一属性值,第一属性值用于描述对应第一栅格的地质属性,根据目标煤矿的四维属性地质模型,确定与每个第一栅格对应的参考属性值,根据第一属性值和参考属性值,确定第一栅格的栅格状态,根据多个栅格状态,确定目标煤矿在第一时刻的灾害预警结果。由此,能够基于四维属性地质模型综合描述了煤矿地质属性在水平、垂直和时间维度上的分布,提供了全时空视角的地质信息,从而有效提升煤矿灾害预警的实时性、准确性和可靠性。
图2是本公开另一实施例提出的四维属性地质模型的煤矿灾害实时预警方法的流程示意图。
如图2所示,该四维属性地质模型的煤矿灾害实时预警方法,包括:
S201:获取目标煤矿在第一时刻的水文数据、瓦斯数据以及矿压数据。
其中,水文数据指的是与地下水有关的信息,包括地下水位、地下水流动方向和速度、水文地质条件等。
其中,瓦斯数据通常指与煤矿等矿山相关的瓦斯(即可燃气体)情况,包括瓦斯涌出量、瓦斯成分、瓦斯分布规律等。
其中,矿压数据则是指在采矿过程中,地下岩层因开采活动而产生的压力情况,包括岩层变形、岩层应力状态、岩层断裂情况等。
本公开实施例中,当获取目标煤矿在第一时刻的水文数据、瓦斯数据以及矿压数据时,可以为后续构建第一时刻的三维栅格地质模型提供可靠的数据支持。
S202:根据水文数据、瓦斯数据以及矿压数据,构建第一时刻的三维栅格地质模型。
即是说,本公开实施例中,可以获取目标煤矿在第一时刻的水文数据、瓦斯数据以及矿压数据,根据水文数据、瓦斯数据以及矿压数据,构建第一时刻的三维栅格地质模型。由此,可以在构建第一时刻的三维栅格地质模型的过程中有效结合目标煤矿在第一时刻的水文数据、瓦斯数据以及矿压数据,以保证所得三维栅格地质模型对目标煤矿在第一时刻的相关数据的指示准确性。
S203:根据目标煤矿的四维属性地质模型,确定与第一栅格对应的多个第二属性值。
即是说,本公开实施例中,在对第一时刻的第一栅格进行属性预测时,可以获取该第一栅格多个历史时刻的第二属性值,从而为后续进行模型训练提供可靠的样本数据。
S204:根据多个第二属性值对初始属性值预测模型进行训练,以得到目标属性值预测模型。
其中,初始属性值预测模型,可以是指预先构建的用于进行属性值预测的机器学习模型。而目标属性值预测模型,则是指初始属性值预测模型经由多个第二属性值训练后所得到的模型。
本公开实施例中,当根据多个第二属性值对初始属性值预测模型进行训练,以得到目标属性值预测模型时,可以有效提升所得目标属性值预测模型对于第一栅格的适配性。
S205:根据目标属性值预测模型,确定与第一栅格对应的参考属性值。
即是说,本公开实施例中,在得到目标属性值预测模型之后,可以根据目标属性值预测模型对第一栅格在第一时刻的属性值进行预测,以得到参考属性值。
即是说,本公开实施例中可以根据目标煤矿的四维属性地质模型,确定与第一栅格对应的多个第二属性值,根据多个第二属性值对初始属性值预测模型进行训练,以得到目标属性值预测模型,根据目标属性值预测模型,确定与第一栅格对应的参考属性值。由此,可以基于与第一栅格对应的多个第二属性值保证所得目标属性值预测模型对于第一栅格的适配性,从而有效提升所得参考属性值的描述准确性。
S206:根据第一栅格的多个第二属性值,确定与第一栅格对应的属性阈值。
其中,属性阈值,可以被用于描述第一栅格在第一时刻的属性值相对于参数属性值的波动范围。
S207:确定第一属性值和参考属性值的第一差值。
其中,第一差值,可以被用于描述第一属性值和参考属性值的偏差情况。
S208:如果第一差值小于或等于属性阈值,则确定对应第一栅格为正常栅格。
即是说,本公开实施例中,当第一差值小于或等于属性阈值时,可以确定第一栅格对应的地质属性波动在正常范围内,因此确定对应第一栅格为正常栅格。
S209:如果第一差值大于属性阈值,则确定对应第一栅格为异常栅格。
即是说,本公开实施例中,在第一差值大于属性阈值时,可以确定对应第一栅格的地质属性波动超出正常范围,因此确定对应第一栅格为异常栅格。
可选的,一些实施例中,在确定对应第一栅格为异常栅格之后,可以确定第一差值与属性阈值的第二差值,并根据第二差值确定栅格异常程度;根据栅格异常程度,对第一栅格进行标记处理。由此,可以基于第一差值与属性阈值的第二差值实现对第一栅格不同异常程度的划分,以有效提升灾害预警的指示效果。
可选的,一些实施例中,还可以确定第一栅格的位置信息,根据栅格异常程度和位置信息,生成预警信息。由此,所得预警信息可以准确指示煤矿的异常点位置,以及对应的异常程度,从而有效提升煤矿灾害预警的实用性。
即是说,本公开实施例中在确定与第一栅格对应的参考属性值之后,可以根据第一栅格的多个第二属性值,确定与第一栅格对应的属性阈值,确定第一属性值和参考属性值的第一差值,如果第一差值小于或等于属性阈值,则确定对应第一栅格为正常栅格,如果第一差值大于属性阈值,则确定对应第一栅格为异常栅格。由此,可以结合第一栅格的多个第二属性值保证所得属性阈值的实用性,并结合第一差值与属性阈值的对比结果实现对第一栅格属性状态的准确划分。
S210:根据多个栅格状态,确定目标煤矿在第一时刻的灾害预警结果。
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,通过获取目标煤矿在第一时刻的水文数据、瓦斯数据以及矿压数据,根据水文数据、瓦斯数据以及矿压数据,构建第一时刻的三维栅格地质模型。由此,可以在构建第一时刻的三维栅格地质模型的过程中有效结合目标煤矿在第一时刻的水文数据、瓦斯数据以及矿压数据,以保证所得三维栅格地质模型对目标煤矿在第一时刻的相关数据的指示准确性。根据目标煤矿的四维属性地质模型,确定与第一栅格对应的多个第二属性值,根据多个第二属性值对初始属性值预测模型进行训练,以得到目标属性值预测模型,根据目标属性值预测模型,确定与第一栅格对应的参考属性值。由此,可以基于与第一栅格对应的多个第二属性值保证所得目标属性值预测模型对于第一栅格的适配性,从而有效提升所得参考属性值的描述准确性。根据第一栅格的多个第二属性值,确定与第一栅格对应的属性阈值,确定第一属性值和参考属性值的第一差值,如果第一差值小于或等于属性阈值,则确定对应第一栅格为正常栅格,如果第一差值大于属性阈值,则确定对应第一栅格为异常栅格。由此,可以结合第一栅格的多个第二属性值保证所得属性阈值的实用性,并结合第一差值与属性阈值的对比结果实现对第一栅格属性状态的准确划分。
基于上述实施例,本公开提出了一种四维属性地质模型的煤矿灾害实时预警方法,如图3所示,图3是根据本公开提出的四维属性地质模型的煤矿灾害实时预警方法示意图。该方法包括如下步骤:
首先,需要采集传感器数据,包括水文信息、瓦斯信息或者矿压信息等。这些数据可以通过传感器获得。
然后,利用这些数据构建三维栅格地质模型。其中的每一个栅格都有一个属性值。这里需要指定栅格地质模型的行列层数,每一个时刻构建一个属性地质模型,且所有时刻的栅格地质模型的维度相同。不同时期的地质模型构成的三维时间序列数据结合了地质模型在不同时间点的信息,以三维形式表示了地层分布、地下水位、瓦斯分布和矿压分布等地质属性在时序演变中的变化。
然后,针对属性地质模型的每个栅格的时序数据,需要设计实时异常检测算法,以识别地质过程中的属性异常变化。接着建立一个实时监测系统,系统不断接收新的栅格地质模型,在接收到新的地质模型后,可以立即进行预测并判断异常。如果该栅格的属性发生异常,则对该栅格标记异常标签,如果未发生异常,则标记非异常标签。最后每个栅格都会产生一个标签,将这些标签重新赋值给对应栅格位置,输出一个新的异常栅格地质模型。一旦检测到地质异常,系统应能够发出及时的预警信号,并为决策者提供详细的信息,包括异常的位置、程度以及可能的影响。
针对每一个栅格的时序实时异常检测算法的步骤如下,首先读取历史数据,进行模型训练,接着使用该模型进行预测,根据历史数据计算异常边界,如果预测值和最新时刻值的偏差超出了异常边界,则被标记为异常栅格,否则被标记为非异常栅格。
本发明提出的方法基于四维栅格地质模型,考虑了地质属性在水平、垂直和时间维度上的分布,提供了全时空视角的地质信息。不仅能够提供过去地质变化的历史记录,还能实时监测和预测地质灾害的发生,为及时采取防范措施提供了信息支持。
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 (7)
1.一种四维属性地质模型的煤矿灾害实时预警方法,其特征在于,包括:
构建目标煤矿在第一时刻的三维栅格地质模型,其中,所述第一时刻的三维栅格地质模型包括多个第一栅格,每个所述第一栅格具有对应的第一属性值,所述第一属性值用于描述对应所述第一栅格的地质属性;
根据所述目标煤矿的四维属性地质模型,确定与每个所述第一栅格对应的参考属性值;
根据所述第一属性值和所述参考属性值,确定所述第一栅格的栅格状态;
根据多个所述栅格状态,确定所述目标煤矿在所述第一时刻的灾害预警结果。
2.如权利要求1所述的方法,其特征在于,所述构建目标煤矿在第一时刻的三维栅格地质模型,包括:
获取所述目标煤矿在所述第一时刻的水文数据、瓦斯数据以及矿压数据;
根据所述水文数据、所述瓦斯数据以及所述矿压数据,构建所述第一时刻的三维栅格地质模型。
3.如权利要求1所述的方法,其特征在于,所述四维属性地质模型是基于如下方式构建:
构建所述目标煤矿在第二时刻的三维栅格地质模型,其中,所述第二时刻在所述第一时刻之前,所述第二时刻的三维栅格地质模型包括与所述第一栅格对应的第二栅格,每个所述第二栅格具有对应的第二属性值,所述第二属性值用于描述对应所述第二栅格的地质属性;
基于多个所述第二时刻的三维栅格地质模型,构建所述四维属性地质模型。
4.如权利要求3所述的方法,其特征在于,所述根据所述目标煤矿的四维属性地质模型,确定与每个所述第一栅格对应的参考属性值,包括:
根据所述目标煤矿的四维属性地质模型,确定与所述第一栅格对应的多个所述第二属性值;
根据所述多个所述第二属性值对初始属性值预测模型进行训练,以得到目标属性值预测模型;
根据所述目标属性值预测模型,确定与所述第一栅格对应的所述参考属性值。
5.如权利要求3所述的方法,其特征在于,所述根据所述第一属性值和所述参考属性值,确定所述第一栅格的栅格状态,包括:
根据所述第一栅格的多个所述第二属性值,确定与所述第一栅格对应的属性阈值;
确定所述第一属性值和所述参考属性值的第一差值;
如果所述第一差值小于或等于所述属性阈值,则确定对应所述第一栅格为正常栅格;
如果所述第一差值大于所述属性阈值,则确定对应所述第一栅格为异常栅格。
6.如权利要求5所述的方法,其特征在于,在所述确定对应所述第一栅格为异常栅格之后,还包括:
确定所述第一差值与所述属性阈值的第二差值,并根据所述第二差值确定栅格异常程度;
根据所述栅格异常程度,对所述第一栅格进行标记处理。
7.如权利要求6所述的方法,其特征在于,还包括:
确定所述第一栅格的位置信息;
根据所述栅格异常程度和所述位置信息,生成预警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410362786.5A CN117974927B (zh) | 2024-03-28 | 2024-03-28 | 四维属性地质模型的煤矿灾害实时预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410362786.5A CN117974927B (zh) | 2024-03-28 | 2024-03-28 | 四维属性地质模型的煤矿灾害实时预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117974927A true CN117974927A (zh) | 2024-05-03 |
CN117974927B CN117974927B (zh) | 2024-06-25 |
Family
ID=90848134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410362786.5A Active CN117974927B (zh) | 2024-03-28 | 2024-03-28 | 四维属性地质模型的煤矿灾害实时预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117974927B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200355A (zh) * | 2020-09-30 | 2021-01-08 | 杭州鲁尔物联科技有限公司 | 一种滑坡的预测方法、装置、设备和存储介质 |
CN114357565A (zh) * | 2021-12-03 | 2022-04-15 | 南京莱斯信息技术股份有限公司 | 基于栅格5d数据模型的机场场面监视处理方法 |
CN115600729A (zh) * | 2022-09-27 | 2023-01-13 | 国网四川省电力公司经济技术研究院(Cn) | 一种考虑多属性网格电网负荷预测方法 |
CN116187640A (zh) * | 2022-11-25 | 2023-05-30 | 国网浙江省电力有限公司经济技术研究院 | 一种基于网格多属性画像体系的配电网规划方法及装置 |
CN116226697A (zh) * | 2023-05-06 | 2023-06-06 | 北京师范大学 | 空间数据聚类方法、系统、设备及介质 |
CN116402380A (zh) * | 2023-03-21 | 2023-07-07 | 煤炭科学技术研究院有限公司 | 冲击地压灾害预警模型的管理方法和装置 |
CN116977588A (zh) * | 2023-09-21 | 2023-10-31 | 煤炭科学研究总院有限公司 | 基于体元栅格地质模型的截割曲线生成方法和装置 |
WO2023231003A1 (zh) * | 2022-06-02 | 2023-12-07 | 深圳市正浩创新科技股份有限公司 | 地图更新方法、计算机设备和存储介质 |
-
2024
- 2024-03-28 CN CN202410362786.5A patent/CN117974927B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200355A (zh) * | 2020-09-30 | 2021-01-08 | 杭州鲁尔物联科技有限公司 | 一种滑坡的预测方法、装置、设备和存储介质 |
CN114357565A (zh) * | 2021-12-03 | 2022-04-15 | 南京莱斯信息技术股份有限公司 | 基于栅格5d数据模型的机场场面监视处理方法 |
WO2023231003A1 (zh) * | 2022-06-02 | 2023-12-07 | 深圳市正浩创新科技股份有限公司 | 地图更新方法、计算机设备和存储介质 |
CN115600729A (zh) * | 2022-09-27 | 2023-01-13 | 国网四川省电力公司经济技术研究院(Cn) | 一种考虑多属性网格电网负荷预测方法 |
CN116187640A (zh) * | 2022-11-25 | 2023-05-30 | 国网浙江省电力有限公司经济技术研究院 | 一种基于网格多属性画像体系的配电网规划方法及装置 |
CN116402380A (zh) * | 2023-03-21 | 2023-07-07 | 煤炭科学技术研究院有限公司 | 冲击地压灾害预警模型的管理方法和装置 |
CN116226697A (zh) * | 2023-05-06 | 2023-06-06 | 北京师范大学 | 空间数据聚类方法、系统、设备及介质 |
CN116977588A (zh) * | 2023-09-21 | 2023-10-31 | 煤炭科学研究总院有限公司 | 基于体元栅格地质模型的截割曲线生成方法和装置 |
Non-Patent Citations (3)
Title |
---|
张俊安;杨钦;李吉刚;: "三维构造矢量模型的栅格表示方法及应用", 工程图学学报, no. 05, 15 October 2008 (2008-10-15) * |
李楠;肖克炎;丁建华;娄德波;: "大比例尺成矿预测中高精度立方格预测模型快速构建算法", 吉林大学学报(地球科学版), no. 04, 26 July 2013 (2013-07-26) * |
李爽: "煤矿智能化安全保障体系及关键技术", 煤炭学报, 30 June 2020 (2020-06-30) * |
Also Published As
Publication number | Publication date |
---|---|
CN117974927B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dick et al. | Development of an early-warning time-of-failure analysis methodology for open-pit mine slopes utilizing ground-based slope stability radar monitoring data | |
Zhou et al. | Evaluation method of rockburst: state-of-the-art literature review | |
Leng et al. | A hybrid data mining method for tunnel engineering based on real-time monitoring data from tunnel boring machines | |
CN113688532B (zh) | 矿山灾害预警方法以及装置、存储介质、电子装置 | |
AU2023250423A1 (en) | Method of and system for predicting strata-related risk in an underground environment | |
Guo et al. | Autonomous prediction of rock deformation in fault zones of coal roadways using supervised machine learning | |
CN117390754A (zh) | 一种振动荷载对粉土隧道区域变形下沉的检测方法 | |
CN115184993A (zh) | 基于多层主动传递熵的微震数据的分析与判识方法 | |
Wang et al. | AdaBoost-driven multi-parameter real-time warning of rock burst risk in coal mines | |
Prakash et al. | A Bayesian approach to model selection and averaging of hydrostatic-season-temperature-time model | |
Castro et al. | Evaluating wet muck risk in block caving mines: a new model | |
Sarna et al. | Predicting upcoming collapse incidents during tunneling in rocks with continuation length based on influence zone | |
CN114415116A (zh) | 一种煤矿开采监测方法、装置及计算机设备 | |
CN117974927B (zh) | 四维属性地质模型的煤矿灾害实时预警方法 | |
Kamran et al. | Decision intelligence-based predictive modelling of hard rock pillar stability using K-nearest neighbour coupled with grey wolf optimization algorithm | |
CN116862432B (zh) | 一种隧道浅埋段施工方案动态调整方法及系统 | |
US20190228482A1 (en) | Procedure and system for the optimization of the excavation process of an underground work, for the minimization of the risks induced on interfered works | |
Alizadeh et al. | Application of soft computing and statistical methods to predict rock mass permeability | |
Xie et al. | Gray algebraic curve model-based roof separation prediction method for the warning of roof fall accidents | |
Tordesillas et al. | Augmented intelligence forecasting and what-if-scenario analytics with quantified uncertainty for big real-time slope monitoring data | |
AU2015264828B2 (en) | Harmonized intelligent modeler | |
Masood et al. | Development of an algorithm for the prediction of slope failure in surface mines | |
Hartl et al. | Passive seismic monitoring in conventional tunnelling–An innovative approach for automatic process recognition using support vector machines | |
Antipova et al. | Data-driven model for the drilling accidents prediction | |
Marcher et al. | Capabilities and challenges using machine learning in tunnelling |
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 |