申请/专利权人：山东能源集团有限公司;煤炭科学研究总院有限公司

申请日：2024-01-10

公开（公告）日：2024-04-09

公开（公告）号：CN117849855A

主分类号：G01V1/01

分类号：G01V1/01;G06F18/213;G06F18/214;G06N3/0455;G06N3/0464;G06N3/048;G06N3/084;G01V1/28

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明涉及矿井中冲击地压等危险灾害预报领域，具体为一种基于不同危险性监测数据对比的冲击地压预测方法，用于预测未来将要发生的一次微震事件是否是冲击地压事件，包括步骤：构建训练集；提取训练集样本的微震数据特征；训练冲击地压预测模型；构建验证集和测试集；对冲击地压预测模型进行验证和测试；利用冲击地压预测模型进行冲击地压预测。本发明利用对比学习方法在不破坏样本多样性和求解空间的前提下，利用算法结构解决了数据不平衡性造成的算法泛化能力差的问题。在没有增加训练量的情况下，可以解决以往算法对冲击地压事件预警效果不佳的问题。本发明应用过程中会舍弃不需要的结构，在实际应用过程中的预警效率会高于其他深度学习算法。

主权项：1.基于不同危险性监测数据对比的冲击地压预测方法，用于预测未来将要发生的一次微震事件是否是冲击地压事件，其特征在于，包括如下步骤：S1：构建训练集获取微震监测数据，所述微震监测数据由大量微震事件组成，每个微震事件包括其发生的时间、地点、能量以及是否为冲击地压事件；选出a个冲击地压事件对应的微震事件，对于这a个中的每一个微震事件，将该微震事件发生前的连续n个微震事件以及该微震事件作为训练集危险时期的一个样本的数据源，每个样本的输入特征包括第1至n个相邻微震事件的时间间隔、第2至n个微震事件的地点、第2至n个微震事件的能量，每个样本的输出特征即样本标签为该微震事件的危险性，为是；对于这a个中的每一个微震事件，将该微震事件发生后的连续n+1个微震事件作为训练集安全时期的一个样本的数据源，每个样本的输入特征包括第1至n个相邻微震事件的时间间隔、第2至n个微震事件的地点、第2至n个微震事件的能量，每个样本的输出特征即样本标签为第n+1次微震事件的危险性，为否；其他微震事件为常态时期微震事件，在常态时期微震事件中，选择连续n个微震事件作为训练集常态时期一个样本的数据源，每个样本的输入特征包括第1至n个相邻微震事件的时间间隔、第2至n个微震事件的地点、第2至n个微震事件的能量，每个样本没有输出特征即没有样本标签，建立b个常态时期样本；S2：提取训练集样本的微震数据特征构建特征提取网络，所述特征提取网络包括CNN和Transformer算法，所述CNN主要由输入层和五层卷积层组成；通过五层卷积层将一次输入的m个训练集中的样本映射为m个D×S维度的映射向量，然后经过位置编码处理输入到3层Transformer组成的网络提取出训练集样本的微震数据特征；其中m为一批输入特征提取网络中的样本个数，每一批中危险时期样本和安全时期样本的数量相同；S3：训练冲击地压预测模型将微震数据特征再分批次经过冲击地压预测模型的两个不同的分支进行训练；在第一分支中，一个批次的危险、安全和常态时期的微震数据特征经过第一多层感知机处理后得到对比向量；再以第一多层感知机处理后的危险时期微震数据特征或安全时期微震数据特征的对比向量为查询q，以在同一个批次中危险时期微震数据特征或安全时期微震数据特征为正样本k+，以常态时期微震数据特征为负样本ki，利用以下损失函数计算损失值： 其中，k+和ki分别为正样本和负样本，τ为设计的常数，K为一个批次中常态时期样本的总数；利用上述公式计算出的损失值即为不同时期微震数据特征区别；在第二个分支中，首先将与第一分支训练所用的同一批次的危险、安全和常态时期的微震数据特征经过第二多层感知机处理后得到预警向量，然后筛选出安全时期微震数据特征的预警向量和危险时期微震数据特征的预警向量，利用全连接层构成的预警算法对安全时期微震数据特征的预警向量和危险时期微震数据特征的预警向量进行处理，得到冲击地压发生的概率。

全文数据：

权利要求：

百度查询： 山东能源集团有限公司;煤炭科学研究总院有限公司 基于不同危险性监测数据对比的冲击地压预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD