一維卷積神經網絡特征提取下微震能級時序預測

裴艷宇，楊小彬?，傳金平，吳學松，程虹銘，呂祥鋒

1) 中國礦業大學（北京）應急管理與安全工程學院，北京 100083 2) 華亭煤業公司硯北煤礦，華亭 744105 3) 北京科技大學土木與資源工程學院，北京 100083

我國煤礦開采逐漸轉入深部開采，深部開采過程中沖擊地壓事件發生的數量和強度逐漸增加[1]，研究沖擊地壓前兆信號的變化對預測沖擊地壓有重要意義[2].

微震信號監測作為一種重要技術手段對沖擊地壓預測有重要作用[3-6]，高能級微震事件與沖擊地壓的發生有良好的對應關系[7].陸菜平等[8]從分析微震信號的功率譜和幅頻特性入手，對沖擊地壓的預測預報進行研究；蔡武等[9]綜合考慮微震的“時、空、強”特征，從時間、空間角度分別對沖擊危險狀態和沖擊危險區域及危險等級進行預測；郭來功等[10]則通過微震成像和微震云圖等方式發掘微震事件時空規律，為沖擊地壓預測提供判據；田向輝等[11]通過對微震能量、頻次的分析來預測沖擊地壓的危險等級.以上研究結果對沖擊地壓判識提供了手段支持，但在微震能級隨時間變化規律及基于現有的微震能級如何對后期的微震能級進行預測等方面還需要進一步的研究，尤其對高能級的微震事件進行預測尤為重要.對微震信號的變化進行預測，將微震事件時間節點前移，以實現對沖擊地壓的提前預測，為沖擊地壓防控提供更多時間保障.

機器學習相關技術和模型的發展為井下序列數據的預測提供了更廣闊的視野.喬美英等[12]應用遺傳算法優化的支持向量機模型對礦井涌水量進行短期預測，預測最大相對誤差為2.62%；……