[發明專利]一種基于微震監測數據的巖爆預測方法及系統

有效

• 申請號: 202010014449.9
• 申請日: 2020-01-07
• 公開（公告）號: CN111123355B
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 姬冰;謝發;王新沛;何生全;宋大釗
• 申請（專利權）人: 山東大學
• 主分類號: G01V1/28
• 分類號: G01V1/28;G01V1/40;G01V1/30;G01V1/36
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 董雪

1.一種基于微震監測數據的巖爆預測方法，其特征在于，包括：

在待測現場監測微震事件，根據微震監測數據建立微震事件數據集；所述微震事件數據集包括微震原始波數據集和微震能量數據集；

獲取微震能量數據，將能量超過設定值的微震事件標記大能量微震事件，作為分類預測的標簽；

從微震原始波數據中提取基于頻域的綜合統計特征；從微震能量數據中提取熵和時頻域特征；

從微震原始波數據中提取基于頻域的綜合統計特征，具體為：對于微震原始波數據，使用快速傅里葉變換估計每次微震事件中每個通道的數據序列的頻譜；

選取高低頻分界點，計算高低頻頻譜的振幅比；

對于每一個高低頻分界點，基于計算得到的高低頻頻譜的振幅比提取綜合統計特征；

從微震能量數據中提取熵和時頻域特征，具體為：

從微震能量數據中獲取每日最大能量序列和每日累計能量序列；

對獲取的序列分別做包絡、滑動平均和滑動方差處理；

分別計算經包絡、滑動平均和滑動方差處理后序列的樣本熵、樣本熵的樣本熵、短時傅里葉變換和S變換，作為特征；

進行特征選擇和參數優化；

基于支持向量機機器學習方法建立分類預測模型，設置多個指標來評估預測結果的準確性，將獲得的微震監測數據輸入所述模型，獲得巖爆危險性判斷結果。

2.如權利要求1所述的一種基于微震監測數據的巖爆預測方法，其特征在于，在待測現場監測微震事件，具體為：

在待測現場布置微震探頭和拾震器，通過微震監測系統對全礦范圍內的微震事件進行實時監測，自動記錄微震活動；

拾震器檢測連續的微震波形信息，檢測識別微震事件并且計算微震時間能量和震源位置信息，建立微震事件數據集。

3.如權利要求1所述的一種基于微震監測數據的巖爆預測方法，其特征在于，獲取微震能量數據，并標記大能量微震事件，具體為：

獲得微震事件的每日最大能量值及每日累計能量值，并根據每日最大能量值標記大能量微震事件。

4.如權利要求1所述的一種基于微震監測數據的巖爆預測方法，其特征在于，基于計算得到的高低頻頻譜的振幅比提取綜合統計特征，具體為：

計算每次微震各通道高低頻頻譜的振幅比的均值和最大值，對每天所有微震的各通道高低頻頻譜的振幅比的均值和最大值，分別求和、均值、方差、中值、最大值和最小值，作為每天的12個特征；

在所劃分的N個高低頻分界點的基礎上，基于頻域獲得12×N個綜合統計特征；對這12×N個值序列分別以設定的窗長計算包絡。

5.如權利要求1所述的一種基于微震監測數據的巖爆預測方法，其特征在于，采用改進的遺傳算法進行特征選擇和支持向量機分類器的參數優化；所述改進的遺傳算法在種群迭代時，先進行種群的重組、變異，然后對種群進行合并，最后基于適應度函數進行選擇操作，以最大化地保留可能的最優個體。

6.如權利要求1所述的一種基于微震監測數據的巖爆預測方法，其特征在于，基于支持向量機機器學習方法建立分類預測模型，設置多個指標來評估預測結果的準確性，所述指標至少包括：準確度、敏感度、特異度、R值、Tscore值和stdR。