用于水害微震的报警阈值的判断方法技术

本发明专利技术涉及矿井水害监测技术领域，具体涉及一种用于水害微震的报警阈值的判断方法，包括：S1、实时获取物探数据、化探数据和水文数据；S2、对物探数据、化探数据和水文数据进行融合处理，得到融合数据；S3、采用深度学习时空序列预测算法对融合数据进行优化训练，得到训练后的融合数据；S4、在训练后的融合数据的基础上，结合煤层突水影响因素的静态指标和实时监测动态指标构建水害预警等级分类的智能预警模型；S5、根据智能预警模型对水害微震进行等级分类，得到水害微震等级，并根据水害微震等级确定对应的报警阈值。本发明专利技术能够针对不同的当前环境动态调整报警阈值，解决了无法针对不同的当前环境动态调整的技术问题。同的当前环境动态调整的技术问题。同的当前环境动态调整的技术问题。

【技术实现步骤摘要】
用于水害微震的报警阈值的判断方法


[0001]本专利技术涉及矿井水害监测
，具体涉及一种用于水害微震的报警阈值的判断方法。

技术介绍

[0002]矿井水害是制约煤炭生产发展的重要因素，随着矿井开采水平延深，含煤地层基底的奥陶系、寒武系石灰岩承压含水层水压不断增大，突水的潜在危险性也突增，逐渐引起了煤炭行业的高度重视。由于煤矿水害是多种因素综合作用的结果，突水的发生既包括岩体力学状态的变化，同时也包括地下水渗流场的变化，故而，水害的发生可以通过各个物理参数变化显现出来，比如说，水压、水温、水量、水质、应力、应变、位移、湿度、微震和弹性波。
[0003]因此，对矿井水害进行预警来说，需要同时考虑多场参数。比如说，已有中国专利公开了相关技术，基于“下三带”理论，结合数值模拟方法确定监测位置，监测采煤工作面底板破坏深度，使用多频连续电法监测采煤工作面底板承压水的导升高度，计算底板破坏最低点与承压水导升最高点之间的距离，使用底板突水系数法动态计算整个工作面范围底板的突水系数，通过突水系数的高低不同、应力应变的预警指征、水温水压的预警指征来确定底板突水预警的级别并进行预警。虽然说，这样考虑了各个参数对底板突水的影响，但是对于报警阈值来说，并没有体现各个参数对报警阈值的影响，无法针对不同的当前环境动态调整报警阈值，使得难以准确监测各个区域的水害微震。

技术实现思路

[0004]本专利技术提供一种用于水害微震的报警阈值的判断方法，解决了无法针对不同的当前环境动态调整的技术问题。
[0005]本专利技术提供的基础方案为：用于水害微震的报警阈值的判断方法，包括：
[0006]S1、采用物探传感器、化探传感器、水文传感器分别实时获取物探数据、化探数据和水文数据；
[0007]S2、对物探数据、化探数据和水文数据进行融合处理，得到融合数据；
[0008]S3、采用深度学习时空序列预测算法对融合数据进行优化训练，得到训练后的融合数据；
[0009]S4、在训练后的融合数据的基础上，结合煤层突水影响因素的静态指标和实时监测动态指标构建水害预警等级分类的智能预警模型；
[0010]S5、根据智能预警模型对水害微震进行等级分类，得到水害微震等级，并根据水害微震等级确定对应的报警阈值。
[0011]本专利技术的工作原理及优点在于：由于每类水害都有自身的特点，无法用统一的指标进行预警；每个矿区的水害类型也有差异，预警指标无法参考其他地方；这两个因素导致水害预警指标难以确定，比如说报警阈值。鉴于此，首先，通过融合物探数据、化探数据和水文数据，并采用深度学习时空序列预测方法对融合数据进行优化训练，结合煤层突水影响
因素的静态指标和实时监测动态指标构建水害预警等级分类的智能预警模型；然后，根据智能预警模型对水害微震进行等级分类，得到水害微震等级，并根据水害微震等级确定对应的报警阈值。通过这样的方式，能够体现各个参数对报警阈值的影响，能够针对不同的当前环境动态调整报警阈值，从而可以准确监测各个区域的水害微震。
[0012]本专利技术能够体现各个参数对报警阈值的影响，能够针对不同的当前环境动态调整报警阈值，解决了无法针对不同的当前环境动态调整的技术问题。
[0013]进一步，S5中，根据智能预警模型对水害微震进行等级分类，得到水害微震等级，并根据水害微震等级确定对应的报警阈值，具体包括：
[0014]S51、根据智能预警模型对水害微震进行等级分类，得到水害微震等级；
[0015]S52、获取水害微震等级对应的报警阈值初始值；
[0016]S53、获取上次的报警阈值，并计算上次的报警阈值与报警阈值初始值之间的误差修正值；
[0017]S54、将误差修正值导入神经网络算法进行预设次数的迭代学习，得到本次的报警阈值。
[0018]有益效果在于：通过不断循环迭代的方式，计算上次的报警阈值与报警阈值初始值之间的误差修正值，根据神经网络算法进行预设次数迭代学习，可以提高本次的报警阈值的精确性。
[0019]进一步，S54中，根据神经网络算法进行预设次数迭代学习，得到本次的报警阈值之后，判断本次报警阈值是否位于预设报警区间之间：如果本次报警阈值位于预设报警区间之间，输出本次的报警阈值；如果本次报警阈值没有位于预设报警区间之间，返回进行S51。
[0020]有益效果在于：通过设定预设报警区间，限定经过迭代计算得到的本次的报警阈值的范围，避免出现过大的累积误差。
[0021]进一步，S4中，在训练后的融合数据的基础上，结合煤层突水影响因素的静态指标和实时监测动态指标构建水害预警等级分类的智能预警模型，具体包括：
[0022]S41、按照预设比例将训练后的融合数据分为训练集与测试集；
[0023]S42、在训练集的基础上，结合煤层突水影响因素的静态指标和实时监测动态指标构建水害预警等级分类的智能预警模型；
[0024]S43、在测试集的基础上，对智能预警模型进行测试，判定测试误差是否小于等于预设误差阈值，若否，返回进行S41。
[0025]有益效果在于：当训练后的融合数据进入循环迭代程序时，可以使得训练集和测试集得到不断地更新，达到校准的目的。
[0026]进一步，S3中，采用深度学习时空序列预测算法对融合数据进行优化训练，具体包括：
[0027]S31、利用分类深度学习模型C
‑
CNN和回归深度学习模型R
‑
CNN，对物探数据、化探数据和水文数据进行空间维度特征提取及模型训练；
[0028]S32、利用seq2seq模型，对物探数据、化探数据和水文数据进行时间维度特征提取及模型训练。
[0029]有益效果在于：物探数据、化探数据和水文数据同时具有时间及空间维度信息，增
量大、时效性高，自动学习可以进行精确拾取，具有更优的适用性。
[0030]进一步，S2中，对物探数据、化探数据和水文数据进行融合处理，得到融合数据，具体包括：
[0031]S21、获取由物探数据、化探数据和水文数据组成的多数据源数据；
[0032]S22、对多数据源数据进行分组，得到分组后的数据；
[0033]S23、将分组后的数据融合到统一用户集，得到融合数据。
[0034]有益效果在于：物探数据、化探数据和水文数据具有多源性，每种数据的数据格式不同、内容各异、包含的信息量也不同，这样将其融合可以充分综合有用信息。
[0035]进一步，S2中，对物探数据、化探数据和水文数据进行融合处理之前，利用主成分分析法对物探数据、化探数据和水文数据进行降维处理。
[0036]有益效果在于：利用主成分分析法进行降维处理，可将高维数据化为低维度数据，或者将高维空间的数据投影到低维空间。
[0037]进一步，S2中，对物探数据、化探数据和水文数据进行融合处理之前，对物探数据、化探数据和水文数据进行标准化处理。
[0038]有益效果在于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于水害微震的报警阈值的判断方法，其特征在于，包括：S1、采用物探传感器、化探传感器、水文传感器分别实时获取物探数据、化探数据和水文数据；S2、对物探数据、化探数据和水文数据进行融合处理，得到融合数据；S3、采用深度学习时空序列预测算法对融合数据进行优化训练，得到训练后的融合数据；S4、在训练后的融合数据的基础上，结合煤层突水影响因素的静态指标和实时监测动态指标构建水害预警等级分类的智能预警模型；S5、根据智能预警模型对水害微震进行等级分类，得到水害微震等级，并根据水害微震等级确定对应的报警阈值。2.如权利要求1所述的用于水害微震的报警阈值的判断方法，其特征在于，S5中，根据智能预警模型对水害微震进行等级分类，得到水害微震等级，并根据水害微震等级确定对应的报警阈值，具体包括：S51、根据智能预警模型对水害微震进行等级分类，得到水害微震等级；S52、获取水害微震等级对应的报警阈值初始值；S53、获取上次的报警阈值，并计算上次的报警阈值与报警阈值初始值之间的误差修正值；S54、将误差修正值导入神经网络算法进行预设次数的迭代学习，得到本次的报警阈值。3.如权利要求2所述的用于水害微震的报警阈值的判断方法，其特征在于，S54中，根据神经网络算法进行预设次数迭代学习，得到本次的报警阈值之后，判断本次报警阈值是否位于预设报警区间之间：如果本次报警阈值位于预设报警区间之间，输出本次的报警阈值；如果本次报警阈值没有位于预设报警区间之间，返回进行S51。4.如权利要求3所述的用于水害微震的报警阈值的判断方法，其特征在于，S4中，在训练后的融合数据的基础上，结合煤层突水影响因素的静态指标和实时监测动态指标构建水害预警等级分类的智能预警模型，具体包括：S41、按照预设比例将训练后的融合数据分为训练集与测试集；S42、在训练集的...

【专利技术属性】
技术研发人员：鲜鹏辉，颜恭彬，段天柱，张玉东，仇念广，闫国才，杨聘卿，黄波，潘磊，袁永榜，黄利华，翟封，
申请(专利权)人：中煤科工集团重庆研究院有限公司，
类型：发明
国别省市：