顶板垮落的微破裂前兆信息微震监测技术研究

了解岩体内部裂纹扩展特征及其演化模式是评价岩体稳定性的基础。微震监测技术在裂纹识别领域具有巨大的潜力,机器学习的应用为裂纹分析和预测提供了有效的工具。应用无监督机器学习技术对采空区顶板垮落过程中记录的微震事件进行高斯聚类分析,从而在复杂裂纹条件下区分单个裂纹发育位置。通过计算单个裂纹簇的置信区间,建立椭球体模型并基于形状参数对区域稳定性进行了评价。根据监测结果建立了地表与采空区顶板之间的裂纹连通模型,对顶板垮落前的裂纹演化进行了研究。研究结果表明,当微震事件聚集在一个平面上时,可认为是岩石不稳定的前兆信息。裂纹簇的不同形态反映了裂纹发育的复杂程度,这一过程包括在成核位置的独立发展,相邻位置之间的相互影响,以及裂纹的扩展和贯通。通过对椭球体模型的分析,可以为预测裂纹方向提供理论依据。