[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

说明书

本发明公开了一种基于深度学习微震监测数据的冲击地压预警方法。该方法包括如下5个步骤：(1)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；(2)构建数据集，将微震监测数据及其特征参数作为样本特征X，冲击地压危险评判值作为样本标签Y；(3)数据预处理。对样本特征X进行预处理；(4)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；(5)将最优模型应用于冲击地压监测。本发明提供的冲击地压监测预警方法，能够深入挖掘专家经验定性信息，与定量信息相结合，充分获取微震监测数据的有效信息，解决传统冲击地压监测预警方法出现的数据使用不充分和有效信息丢失等问题。

技术领域

本发明涉及矿山安全监测领域，具体涉及一种基于深度学习微震监测数据的冲击地压预警方法。

背景技术

冲击地压(非煤矿山和其他地下工程也称为岩爆)是煤矿开采中一种常见的地质灾害，是在煤岩体大量喷射，造成人员伤亡和设备损毁的一种现象。在我国，随着煤矿开采深度的逐渐增加，冲击地压已经成为煤矿开采特别是深部矿井开采中面临的主要地质灾害之一；传统冲击地压监测预警通常利用地球物理方法监测冲击地压的一些前兆信号，采用人为定义和提取参数的综合指数法对冲击地压发生的可能性进行评估。目前，越来越多的先进设备被用于矿山开采中，如微震监测设备、无人驾驶矿车设备等，这些设备的使用过程中会产生海量的、携带大量有效信息的实时数据。然而传统的冲击地压监测预警方法对这些数据的使用还很不充分，导致大量数据的浪费和有效信息的丢失。因此，本领域技术人员提供了一种基于深度学习微震监测数据的冲击地压预警方法，以解决上述背景技术中提出的问题。

发明内容

针对现有方法存在的问题，本发明提供深度学习的一种数据驱动方法，依附于大量的高质量数据来训练模型，结合专家经验和深度学习方法能够很好的解决这一问题；

为实现上述目的，本发明提供如下技术方案：一种基于深度学习微震监测数据的冲击地压预警方法，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。

进一步的，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。

进一步的，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。

进一步的，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。