基于微震多维信息融合的冲击地压全时空预测方法OA北大核心CSTPCD

为解决当前冲击地压时间与空间预测协同难、微震数据时空特征挖掘不充分的困境,结合深度学习相关理论与方法,提出了基于微震多维信息融合的冲击地压全时空预测方法,该方法主要包括微震时空特征指标、时间预测以及空间预测3个模块,设计了基于主成分分析和核密度估计的微震时空特征指标构建方法,在此基础之上,构建了基于深度循环神经网络的冲击地压时间预测模型,提出了基于长短期时间窗融合的冲击地压空间预测方法,从而实现了冲击地压时间⁃空间协同的全时空预测。此外,为了评估所提方法的有效性,在内蒙古鄂尔多斯矿区某冲击危险工作面进行了工程应用测试,测试时间段共出现13条大于10^(5)J的大能量微震事件,在时间预测方面,对于大能量事件的时间预测结果为10个强危险、3个中等危险,并且整个测试阶段模型误报率仅为0.133。在空间预测方面,对于大能量事件的空间预测结果的分布区域为6个强危险、3个中等危险、4个弱危险。实验表明该方法可满足工程应用的需求,研究成果可为冲击地压监测预警提供参考与借鉴。