樺樹溝銅礦智能微震監測系統及其應用研究

田宏海，王東華，劉曉明，馬延平，王云飛，黃艷偉

(1.甘肅鏡鐵山礦業有限公司，甘肅 張掖 735101；2.長沙迪邁數碼科技股份有限公司，湖南 長沙 410083；3.長沙施瑪特邁科技有限公司，湖南 長沙 410083)

0 引 言

隨著多年的資源開采，我國礦產資源大部分已經轉向地下開采，且開采深度逐年增加。目前，金屬礦山的開采深度集中在1 000 m左右，還有部分礦山正在向著1 500 m的深度進行開采[1]。開采深度的升高，導致由于開采活動而誘發的如巖爆等巖體災害頻發，嚴重影響到了礦山的安全生產[2]。為應對礦山頻發的巖體災害，國內外專家學者研發了多種方法與技術，微震監測技術是其中較為有效的手段之一[3]。

微震監測起源于南非研究人員對于巖石聲發射現象與巖爆災害相關性的研究，該項研究證明了利用巖體中的振動波實現對巖體災害的預警存在可行性。在此基礎上，國外多個礦山開始借助于地震臺網對礦震展開監測，并進行巖體災害預警研究。隨后，國外開始正式開發用于礦山微震監測的硬件系統與軟件系統，如南非ISS微震監測系統、加拿大ESG微震監測系統、波蘭SOS微震監測系統等，并得到廣泛應用[4]。我國則是于20世紀初才引入微震監測技術與系統，唐禮忠等[5]率先在冬瓜山銅礦引入南非ISS微震監測系統；李庶林等[6]也較早地在凡口鉛鋅礦建立了微震監測系統，并多次進行了災害預警和災害分析；趙興東等[7]為應對紅透山銅礦頻發的巖爆等地壓災害，于紅透山銅礦引進了ISS微震監測系統；2010年后，國內大寶山礦[8]、嶺南金礦[9]和用沙壩礦[10]等紛紛引入并建立了微震監測系統。相關微震技術在國內得到長足發展后，國內自主研發的微震監測系統也不斷涌現。其中，在礦山領域應用較為廣泛的包括中南大學、長沙迪邁數碼科技股份有限公司聯合研發的MicroSeis微震監測系統[11]、中科院武漢巖土所與湖北海震科創技術有限公司聯合開發的SSS微震監測系統[12]等。

鏡鐵山樺樹溝銅礦礦區內構造復雜，發育有三組斷層，礦山巖體結構完整，巖石強度高，受三組斷裂構造的影響，開采過程中易發生礦山工程地質問題，巷道內片幫冒頂災害頻發，礦山生產安全受到極大威脅。因此，鏡鐵山樺樹溝銅礦聯合中南大學、長沙迪邁數碼科技股份有限公司和長沙施瑪特邁科技有限公司，引入MicroSeis微震監測系統，并在應用過程中開展智能化數據處理與分析研究，根據礦山生產實況，形成一套有效可靠的災害預警方法。

1 工程概況

樺樹溝銅礦礦區距酒泉市60 km，行政區劃隸屬甘肅省肅南裕固族自治縣祁豐區管轄，嘉峪關市綠化火車站至礦山有火車專用線相通，行程78 km，交通便利。礦區位于祁連山褶皺系北祁連加里東褶皺帶西段，東西長2.5 km，南北寬0.8～1 km。礦區為一復式向斜構造，走向130°～310°，自東向西傾伏，傾伏角10°～15°，局部可達28°，含銅礦帶賦存于主向斜北翼FeI礦體下部及下盤蝕變千枚巖中。

勘探區范圍內有CuⅠ、CuⅡ兩個主礦體，其中，CuⅠ礦體賦存于含鐵碧玉巖及鐵礦體中，呈隱伏-半隱伏狀產出，最大水平長度為416.50 m，礦體最大厚度35.07 m，最小厚度1.00 m，平均厚度為8.36 m，厚度變化系數94.05%，屬厚度較穩定礦體；CuⅡ礦體賦存于蝕變千枚巖中，控制最大厚度為18.17 m，最小厚度為0.57 m，平均厚度為3.52 m，厚度變化系數104.68%，屬厚度變化較均勻的礦體。銅礦體品位變化較均勻，厚度較穩定，形態較簡單。

礦區為一套雜色淺變質千枚巖夾白色石英巖及透鏡狀灰巖、白云巖，礦體的主要圍巖屬于淺結晶變質的塊狀巖類，礦區地形坡陡嶺峻，地形有利于自然排水。褶皺、斷裂是礦區構造復雜的主要表現，斷層發育有三組，一組為平行褶皺軸向的壓性斷層；二組為北西西向壓扭性斷層；三組為以北北東、北北西向張扭性斷層。巖體結構完整，巖石強度高，穩定性好，受斷裂構造影響，局部地段易發生礦山工程地質問題，巷道內片幫冒頂災害頻發。

2 微震監測系統

2.1 MicroSeis微震監測系統架構

MicroSeis微震監測系統是由長沙迪邁數碼科技股份有限公司、中南大學和長沙施瑪特邁科技有限公司聯合研發的基于工業互聯、云計算及人工智能等信息技術的新一代微震監測系統。其系統架構如圖1所示，主要包含采集終端(傳感器、采集分站及信號基站等)、微震云平臺(地表服務器、授時系統、云服務器等)和軟件服務端(微震數據查詢與下載、三維可視化、數據處理與分析等)等。

圖1 MicroSeis微震監測系統架構示意圖Fig.1 Architecture of MicroSeis microseismicmonitoring system

2.2 鏡鐵山樺樹溝銅礦微震監測系統構建

根據樺樹溝銅礦礦區地質條件、采空區分布情況和巖石力學特征設計并建設一套多通道微震監測系統(總通道數32通道)，實現對井下銅礦2 700 m水平至2 820 m水平采空區地壓活動實時在線監測，同時兼顧銅礦采空區至上盤V礦體的地壓活動情況。

鏡鐵山樺樹溝銅礦微震監測監測臺網如圖2所示，分別在樺樹溝銅礦區2 820 m中段、2 760 m中段、2 700 m中段和2 640 m中段布置監測點和監測分站，其中，2 820 m中段設1臺微震監測分站、6個監測點、6通道；2 760 m中段設1臺微震監測分站、10個監測點、10通道；2 700 m中段設1臺微震監測分站、13個監測點、13通道；2 640 m中段設1臺微震監測分站、3個監測點、3通道，微震監測共計4臺基站32通道。

圖2 鏡鐵山樺樹溝銅礦微震監測臺網布置示意圖Fig.2 Arrangement of microseismic monitoring network in Huashugou copper mine,Jingtieshan

2.3 微震定位精度驗證

為了準確獲取樺樹溝銅礦微震監測系統的定位精度，需要通過在監測區域內進行主動爆破獲得主動震源被微震監測系統感應到，并進行爆破震源定位，而爆破震源是預先設計的，即震源已知。至少選擇3個具有代表性的爆破點，震源傳播路徑覆蓋監測區域內巖體，通過系統定位出3個人工爆破震源坐標。通過比較人工震源實測坐標和系統定位坐標，確定系統定位誤差水平。

為驗證微震定位精度和修正巖體波速，樺樹溝銅礦分別在3個實驗點進行爆破定位測試，這3個實驗點分別是爆破測試點1(11 906.672，8 977.055，2 788.251)、爆破測試點2(12 068.360，8 819.586，2 703.783)及爆破測試點3(12 111.837，8 714.107，2 649.087)。基于爆破測試的定位精度驗證實驗結果見表1～表3。

表1 爆破測試點1實驗結果Table 1 Results of blasting test point 1

表2 爆破測試點2實驗結果Table 2 Results of blasting test point 2

表3 爆破測試點3實驗結果Table 3 Results of blasting test point 3

3 微震數據智能處理

礦山開采環境中的振動信號紛繁復雜，其中，包括因巖體破裂產生的微震信號、因爆破產生的爆破振動，還有諸如電磁干擾、機械振動等干擾信號。如圖3所示，因系統采用了高靈敏度的加速度傳感器，鏡鐵山樺樹溝銅礦自2020年12月2日正式投入使用，一個月內微震系統共觸發采集了10 371個記錄，平均334.5個/d。針對這些數據需要投入大量的人力和時間去將微震事件辨別出來，并進行降噪、初至拾取、定位及計算震源參數，人工處理過程極大地遲滯了微震監測預警的時效性，十分不利于礦山生產安全管控。

圖3 2020年12月鏡鐵山樺樹溝銅礦微震系統記錄統計Fig.3 Microseismic records and statistics of Huashugoucopper mine in December 2020

因此，鏡鐵山樺樹溝銅礦采用了一套基于深度學習技術的微震數據智能處理技術。該智能處理流程主要包括微震事件自動識別、初至窗口快速提取、初至智能拾取。圖4為該數據智能處理算法流程示意圖，包含了三個深度學習網絡，其流程包括：通過將觸發的微震記錄轉化為11×50的特征矩陣，以特征矩陣為輸入，代入第一個微震記錄自動分類深度網絡，判斷出微震記錄中的微震事件[13]；識別為微震事件的微震記錄，將波形像素化為500×500的二維矩陣，利用Faster RCNN網絡在二維矩陣中識別出微震事件主體波形的位置，形成微震事件波形的局部窗口[14]；在微震事件波形的局部窗口中利用序列卷積神經網絡實現直接在波形上拾取該事件的初至[15]，為后續的定位及震源參數的計算提供基礎。

圖4 微震數據智能處理流程與網絡架構Fig.4 Intelligent processing process and network architecture of microseismic data

4 巖體災害預警方法

基于微震監測技術的巖體災害預警需要關注相關工作面或巷道附近的微震活動，再通過計算震源參數來推測微震活動發展趨勢，從而實現對巖體狀態的實時監測。但是，微震監測系統往往是全區域采集數據，礦山的微震數據都同時被采集，很難判斷哪些數據對應哪些工作面或巷道。因此，利用微震事件預警巖體災害需要依照下列流程：①計算每個微震事件的震源參數，如位置、震級、能量等；②根據某個震源參數對微震事件進行聚類分析，一般采用震源位置；③在聚類分析的基礎上統計分析各個區域的微震活動；④依據統計分析判斷各個區域的危險程度，判斷災害前兆，進行預警。

4.1 微震事件聚類分析

圖5為樺樹溝銅礦微震監測系統2020年12月2日—2021年1月22日之間采集到的微震事件。由圖5可知，這些數據分布散亂且廣泛，僅僅依靠這些數據很難進行下一步分析，因此需要進行聚類分析，找出微震活動的主要區域，針對各個區域進行監測預警。

圖5 2020年12月2日—2021年1月22日樺樹溝銅礦的微震活動Fig.5 Microseismic acts in Huashugou copper minefrom December 2,2020 to January 22,2021

聚類分析是指將散亂的數據自動劃分成幾類的方法，屬于無監督學習方法，這個方法要保證同一類的數據有相似的特征，不同區域的微震活動最相似的特征便是空間分布，因此，可以根據這些微震事件的震源位置進行聚類。K-means算法對于三維歐氏空間中的點進行聚類十分有效，利用該算法進行位置事件聚類分析，該算法是根據函數準則進行分類的聚類算法，基于使聚類準則函數最小化。聚類準則函數是監測區域中每一個微震事件到該區域中心的距離平方和。對所有M個監測區域的準則函數定義公式見式(1)。

(1)

式中：Sj為第j個監測區域；Zj為監測區域中心為；Nj為第j個監測區域Sj中所包含的微震事件。

K-means算法的聚類準則為選擇一個監測區域中心Zk令準則函數K極小，也就是使Kk的值極小，可得式(2)。

(2)

設共有N個微震事件，計算步驟如下所述。

1) 任選M個初始監測區域中心Z1(1)，Z2(1)，…，ZM(1)，M

2) 按照最短距離原則將剩余微震事件分配到M個監測區域中心中的某一個，即式(3)。

min{‖X-Zi(m)‖j=1,2,…，M}=

‖X-Zk(m)‖,Xi∈Sk

(3)

式中，m為迭代運算的次序號。

3) 計算各個監測區域中心的新向量值，即以均值向量作為新的監測區域中心，見式(4)。

Zk(m+1),k=1,2，…,M

(4)

4) 如果Zk(m+1)≠Zk(m)，j=1，2，…，M，則回到步驟2)，將微震事件逐個重新劃分監測區域，并重復迭代計算，反之，算法收斂，計算完畢。

按照上述流程，對樺樹溝銅礦微震事件進行聚類分析，可以將該礦分為5個監測區域，聚類分析后的分區結果如圖6所示。

圖6 樺樹溝銅礦微震事件聚類分析結果Fig.6 Clustering analysis results of microseismic events in Huashugou copper mine

4.2 分區監測統計分析

對各個監測分析的微震活動進行統計分析可以用于巖體災害預警，在實際生產過程中，可以有效反應巖體內部狀態的微震參數主要有微震事件日頻數、微震事件累積數目、βn分布及累積能量釋放變化CUFIT模型。其中，微震事件日頻數和微震事件累積數目是較為簡單和直觀的參數，圖7為樺樹溝銅礦5個監測分區各自的微震事件頻數和累積數的統計圖。

圖7 樺樹溝銅礦5個監測分區各自的微震事件日頻數和微震事件累積數Fig.7 Daily frequency and cumulative number of microseismic events in Huashugou copper mine

βn分布及累積能量釋放變化CUFIT模型則是較為復雜的統計分析手段，由郭曉強等[16]引入微震監測領域，引入統計量βn(t,Δt)，描述非齊次泊松過程中子區間[t-Δt,t]和過程的其余部分之間微震活動速率的差異程度，t為子區間的結束時間，Δt為子區間的時間長度，βn的表達式見式(7)。

(7)

式中：n(t,Δt)為子區間[t-Δt,t]中的微震次數；N為[0，T]區間中的微震總數。

實際上，式(7)已將區間[0，T]歸一化為區間[0，1]，則Δt必定小于1，βn值直接反應時間區間內微震活動率的變化，βn值越高、微震活動率越大，由微震誘發災害可能性越大。

累積能量釋放變化CUFIT模型是首先定義累積能量釋放與平均值差值的累積過程，見式(8)。

(8)

然后用最小二乘法作回歸得到一條對CUSUM曲線擬合的直線，再求其累積擬合差值(CUFIT)，每增加一個微震事件都進行一次新的回歸值計算，用式(9)計算CUFIT。

CUFIT=CUSUMi-(ai-1-bi-1i)

(9)

式中：ai-1-bi-1i為對CUSUMi-1之前所有數據作擬合的趨勢項；CUFIT值等于0，表示某時間區間內微震能量的平均水平。

4.3 分區巖體災害預警

綜上所述，通過對樺樹溝微震監測系統監測的微震事件進行聚類分析和統計分析，可以進行巖體災害的預警。其預警的主要依據是通過微震事件日頻和累積變化判斷該監測區域風險程度，再針對高風險的監測區域進行βn分布及累積能量釋放變化CUFIT模型的計算，βn分布分布值大于0時系統發出預警，累積能量釋放變化CUFIT模型明顯高于0時系統發出預警。

5 應用案例

根據分析結果，鏡鐵山樺樹溝銅礦通過聚類分析可以分為5個主要監測區域：分區一為2 760 m中段整體；分區二為2 640 m中段銅礦尖滅與鐵礦交界處；分區三為2 700 m中段與2 760 m中段中的兩個礦體交界的圍巖；分區四為2 700 m中段的11號采場～13號采場；分區五則是2 820 m中段的采空區。圖7為樺樹溝銅礦五個監測分區2020年12月2日—2021年1月22日之間的微震事件數量統計。由圖7可知，分區四的微震活動性最強，是最值得關注的區域。

對分區四進行統計分析，其βn分布及累積能量釋放變化CUFIT模型分別如圖8和圖9所示。由圖8可知， 根據βn分布， 12月9日發布預警， 12月21日預警解除。由圖9可知，根據CUFIT模型，12月12日發布預警，12月20日預警解除。因此，根據最新的微震事件位置得到：2 700 m中段西2探礦巷的3#傳感器和5#傳感器之間及6#傳感器采場附近巷道有可能發生地壓災害，西3探礦巷5采場區域內有可能發生地壓災害，應及時處理浮石，必要時進行支護。 根據實際情況，在預警時間和位置內的確發生了片幫和冒落災害，實拍圖如圖10所示。

圖8 樺樹溝銅礦分區四βn分布Fig.8 Distribution of βn of the fourth division in Huashugou copper mine

圖9 樺樹溝銅礦分區四CUFIT模型Fig.9 CUFIT model of the fourth division in Huashugou copper mine

圖10 預警期間發生的地壓災害事件Fig.10 Ground pressure disaster during the early warning

6 結 論

1) 樺樹溝銅礦微震監測系統經過爆破測試驗證，定位精度均在10 m以內，表明系統軟硬件具備較高的可靠性，可以用于地壓災害的預警。

2) 樺樹溝銅礦微震監測系統采用了基于深度學習的智能化數據處理與分析方法，實現了微震數據的實時高精度處理與分析，保證了地壓災害預警的時效性。

3) 通過聚類分析劃分樺樹溝銅礦微震監測分區，實現對各個分區的重點監測，同時，依靠微震事件日頻數、微震事件累積數目、βn分布及累積能量釋放變化CUFIT模型等預警參數與方法成功的對地壓災害實現了預警，有力保障了礦山的生產安全。