基于人工智能的煤矿瓦斯增透水力压裂微震监测_中国煤炭行业知识服务平台

基于人工智能的煤矿瓦斯增透水力压裂微震监测

作者

孙赫
单位

中煤科工集团沈阳研究院有限公司煤矿安全技术国家重点实验室
摘要

为了准确识别水力压裂微弱微震信号，将从煤矿井下水压致裂数据中挑选的背景噪声波形数据和微震数据，分别转换为傅里叶图像、小波图像，输入深度学习CNN模型中。结果表明，2种模型训练和测试准确率均达到99%以上，损失函数均在0.02以下。在对1 h连续数据的检测中，小波模型有效事件识别精确率分别达到84%，召回率达到57%，优于AIC,STA/LTA有效事件识别精确率的66%、40%，召回率的42%、25%。傅里叶模型有效事件识别精确率和召回率仅仅分别为31%、18%。上述结果证明，小波模型具有较强的低信噪比波形识别能力和泛化能力。波形识别结果初步显示了CNN方法在煤矿井下水压致裂低信噪比有效波形识别方面的巨大潜力。
关键词

人工智能水力压裂微震监测
文章目录

0 引言
1 深度学习CNN模型与数据预处理
1.1 深度学习CNN模型工作机制及模型搭建
1.2 数据收集和预处理
1.3 检测流程及模型训练、测试效果
2 深度学习模型波形识别结果分析
2.1 有效事件识别准确率和召回率
2.2 识别真实有效事件及其波形情况
3 结语
引用格式

孙赫.基于人工智能的煤矿瓦斯增透水力压裂微震监测[J].煤炭技术,2023,42(09):164-168.DOI:10.13301/j.cnki.ct.2023.09.032.