[发明专利]一种基于深度学习微震监测数据的冲击地压预警方法

权利要求书

1.一种基于深度学习微震监测数据的冲击地压预警方法，其特征在于包括以下步骤：

步骤S101，建立打分系统；基于专家经验，通过历史微震监测数据及其特征参数对冲击地压危险进行分析评判，生成样本标签，评判范围0～100，分值越高越危险；

步骤S102，构建数据集；将历史微震监测数据及其特征参数作为样本特征X，将冲击地压危险评判值作为样本标签Y，生成深度学习的数据集；

步骤S103，数据预处理；样本特征X在使用之前进行预处理；

步骤S104，构建深度学习模型；将预处理后的数据集输入模型进行训练，将K折交叉验证法用于模型评估，找到使得模型泛化性能最优的参数值，此时所构建的模型达到最优；

步骤S105，将最优模型应用于冲击地压监测；对实时冲击地压危险进行预测，得出冲击地压危险预测值，判断冲击危险等级。

2.根据权利要求1所述的一种基于深度学习微震监测数据的冲击地压预警方法，其特征在于：所述步骤S101，建立打分系统中，建立包含微震监测数据库的打分系统，随机选择历史时刻，并展示该时刻历史微震监测数据及其特征参数；专家学者依据自身经验通过打分系统对冲击地压危险进行分析评判，得到冲击地压危险评判值，生成样本标签。

3.根据权利要求1所述的一种基于深度学习微震监测数据的冲击地压预警方法，其特征在于：所述步骤S102，构建数据集中，历史微震监测数据及其特征参数作为样本特征Xi＝{x1,x2,……,xn}，其中i＝1,2,……m，m为样本个数，n为单个样本的特征个数；

冲击地压危险评判值作为样本标签Y，每个Xi对应一个样本标签Yi，生成深度学习的数据集。

4.根据权利要求1所述的一种基于深度学习微震监测数据的冲击地压预警方法，其特征在于：所述步骤S103，数据预处理中，样本特征X在使用之前进行预处理，所述预处理包括处理缺失值、异常值、取对数lgE、规范化、正则化、降维。

5.根据权利要求1所述的一种基于深度学习微震监测数据的冲击地压预警方法，其特征在于：所述步骤S104，构建深度学习模型中，构建卷积神经网络CNN模型，将预处理后的数据集输入模型进行训练。将K折交叉验证法用于模型评估，以平均绝对值误差MAE为度量指标，找到使得模型泛化性能最优的参数值，此时所构建的模型达到最优。

6.根据权利要求1所述的一种基于深度学习微震监测数据的冲击地压预警方法，其特征在于：所述步骤S105，将最优模型应用于冲击地压监测中，将所述最优模型应用于冲击地压监测，对实时冲击地压危险进行预测，得出冲击地压危险预测值，判断冲击危险等级，等级越高越危险。

7.根据权利要求1所述的一种基于深度学习微震监测数据的冲击地压预警方法，其特征在于：根据冲击地压危险评判值或冲击地压危险预测值确定冲击危险等级包括如下：

其中，Y为冲击地压危险评判值，Y′为冲击地压危险预测值，W为冲击危险等级，冲击危险等级最高为4。