基于机器学习微震目录构建与被动源地震层析成像的张集煤矿注浆治理效果评价

断层注浆治理是预防煤层下方含水层突水的重要手段,但注浆治理效果评价难度大、成本高,相关领域的研究较少。为此我们提出了一种经济有效的方法,该方法利用矿方已有的实时微震监测系统对煤矿注浆治理效果进行评价。我们的处理流程主要包括深度神经网络(DNN)震相自动拾取、网格搜索定位和双差地震层析成像,并将其应用于安徽淮南张集煤矿1613A工作面注浆治理评价中。利用1613A工作面2020年9月的微震事件反演了工作面附近区域的地震波速结构。结果表明,采动过程中注浆治理区域受到较大扰动,发育了大量微地震事件,在工作面底板以下50 m区域范围内,地震纵波波速高达4.3km/s,这一高波速表明注浆治理效果较好。此外通过开展检测版模型分辨率测试,表明在我们关注区域的地震波速结果具有较高的可靠性。因此采用基于深度学习的微震目录构建和被动源地震层析成像技术可以对注浆效果进行较好的评价。