地质透明化工作面内多种异常体的槽波解释方法研究

矿井地质透明化是当前煤矿安全高效开采的新要求,针对复杂地质条件的工作面,槽波探测技术作为常用的物探手段之一,若工作面存在多种地质异常体,其属性无法进行准确的分辨与解释。以山西阳泉某工作面为例,对包含断层、陷落柱、薄煤带、挠曲4种地质异常体的工作面进行了三维波场模拟,分别从数值模型的单炮特征、频谱特征、频散特征进行分析;结合数值模型的纵波振幅与速度、横波振幅与速度、高频槽波振幅与速度以及低频槽波振幅与速度8种类型的CT反演成像,研究了断层、陷落柱、薄煤带、挠曲4种地质异常体在槽波属性上的不同响应特征。结果表明:①断层引起槽波异常的主频及速度与无地质异常的煤层基本一致,横波、高频、低频槽波振幅可以显著识别断层,横波、高频、低频槽波速度可以较显著的识别断层,纵波振幅与纵波速度无法有效识别断层;②陷落柱的单炮特征表现为低阶减弱、高阶增强,横波、高频、低频槽波振幅可以显著识别陷落柱,横波、高频槽波速度可以较显著的识别陷落柱,纵波振幅、纵波速度与低频槽波速度无法有效识别陷落柱;③薄煤带主频基本不变,速度降低,高频槽波振幅与速度、低频槽波振幅与速度可以显著识别薄煤带,纵波速度与横波振幅可以较显著的识别薄煤带,纵波振幅与横波速度无法有效识别薄煤带;④挠曲的频谱中振幅增强,高频槽波振幅与低频槽波振幅可以较显著识别挠曲,其他槽波属性对挠曲的识别均不明显。根据不同地质异常体在单炮、频散、频谱、波场CT成像上的响应特征,实现了槽波异常的地质识别,准确解释了各种地质异常体的形态、位置及大小,为地质透明化工作面的建立奠定了“物质”基础。

基于卷积神经网络识别重力异常体

本文将深度学习与重力异常体识别结合,基于近年来在图像识别邻域取得优异效果的卷积神经网络,将重力观测等值线图看作待识别的二维图像,将地下重力异常体的空间参数看作识别输出,从而形成适用于异常体识别的卷积神经网络模型。在训练中,随机生成大量不同参数的三维异常体模型,正演得到其重力观测二维数据,用异常体模型参数标签和重力数据训练卷积神经网络。在模型算例中测试训练好的网络模型,其识别准确性良好。同时,相比于传统神经网络从二维重力测线中识别异常体的埋深,卷积神经网络可从二维的重力数据识别三维异常体的埋深和大小信息。最后,将网络应用于澳大利亚Kauring地区重力观测数据,异常体识别结果与前人研究结果相符。说明卷积神经网络具泛化能力,可用于识别实测重力异常体,结果可靠。

Gas monitoring data anomaly identification based on spatio-temporal correlativity analysis

Based on spatio-temporal correlativity analysis method, the automatic identification techniques for data anomaly monitoring of coal mining working face gas are presented. The asynchronous correlative characteristics of gas migration in working face airflow direction are qualitatively analyzed. The calculation method of asynchronous correlation delay step and the prediction and inversion formulas of gas concentration changing with time and space after gas emission in the air return roadway are provided. By calculating one hundred and fifty groups of gas sensors data series from a coal mine which have the theoretical correlativity, the correlative coefficient values range of eight kinds of data anomaly is obtained. Then the gas moni- toring data anomaly identification algorithm based on spatio-temporal correlativity analysis is accordingly presented. In order to improve the efficiency of analysis, the gas sensors code rules which can express the spatial topological relations are sug- gested. The experiments indicate that methods presented in this article can effectively compensate the defects of methods based on a single gas sensor monitoring data.