CN114047546A - 基于传感器三维空间联合布置的群智螺旋矿震定位方法 - Google Patents
基于传感器三维空间联合布置的群智螺旋矿震定位方法 Download PDFInfo
- Publication number
- CN114047546A CN114047546A CN202111372896.2A CN202111372896A CN114047546A CN 114047546 A CN114047546 A CN 114047546A CN 202111372896 A CN202111372896 A CN 202111372896A CN 114047546 A CN114047546 A CN 114047546A
- Authority
- CN
- China
- Prior art keywords
- virtual
- spiral
- source
- seismic source
- earthquake
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000012358 sourcing Methods 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 18
- 239000011707 mineral Substances 0.000 claims abstract description 18
- 230000001960 triggered effect Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 62
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000035939 shock Effects 0.000 claims description 7
- 238000005065 mining Methods 0.000 abstract description 11
- 238000001514 detection method Methods 0.000 abstract description 6
- 239000003245 coal Substances 0.000 abstract description 3
- 230000003993 interaction Effects 0.000 abstract description 3
- 239000011435 rock Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/16—Receiving elements for seismic signals; Arrangements or adaptations of receiving elements
- G01V1/20—Arrangements of receiving elements, e.g. geophone pattern
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/288—Event detection in seismic signals, e.g. microseismics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Environmental & Geological Engineering (AREA)
- Acoustics & Sound (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种基于传感器三维空间联合布置的群智螺旋矿震定位方法,属于煤矿开采矿震监测定位领域。通过地面、深孔和井下联合布置传感器,对矿井进行全包围检测,形成三维立体空间监测网络,设计一种基于传感器三维空间联合布置的群智螺旋矿震定位算法,极大提高矿震监测能力以及矿震在垂直地层方向定位精度。实时监测传感器接收到震动波信号,当判断有矿震发生时,截取触发的传感器接收到震动波信号,并将台站编号、到时信息导入群智螺旋矿震定位算法,进一步确定震源位置。本发明通过群智算法中个体间的相互作用螺旋式搜索进行定位,增大了搜索空间,避免了传统算法陷入局部最优点,提高了矿震定位精度以及定位结果稳定性。
Description
技术领域
本发明属于煤矿开采矿震监测定位领域,尤其涉及一种基于传感器三维空间联合布置的矿震群智螺旋定位方法。
背景技术
矿震为采矿诱发地震的简称,也被称为矿山地震,其发生的主要原因是采掘活动破坏了地下岩体结构的稳定性,导致能量释放,造成地面晃动或井下破坏,引发灾害。世界许多国家的矿山在不同时期都曾经历过矿震的危害,随着我国矿山开采深度增加和机械化程度的提高,大能量矿震事件时有发生。
矿震发生时,岩体断裂,能量释放,产生震动波,传感器能够对震动波实时监测,并通过不同定位算法进行矿震事件定位。随着地球物理学的发展,国内外学者在地震学研究基础上提出了许多适用于大尺度地震定位算法,能够计算出地震发生时间、空间和强度。矿震与地震相比属于小尺度,通常发生在井田几平方公里至几十平方公里、1500米深度范围。虽然学者们提出了许多矿震定位优化方法,但是在定位精度以及稳定性等方面仍然存在不足,尤其是现有***大多布置在井下巷道,所有传感器大多处于同一水平,缺乏三维立体空间下矿震定位方法,导致现有***在垂直地层方向定位精度低,同时传统定位方法搜索空间有限,容易陷入局部最优,造成定位精度下降,现场应用时难以满足实际需求。
发明内容
本发明的目的是提供一种基于传感器三维空间联合布置的群智螺旋矿震定位方法,采用三维立体空间传感器联合布置方法,将传感器分别布置于地面、深孔以及井下位置,极大提高矿震在垂直地层方向定位精度。同时采用群智螺旋矿震定位方法,通过螺旋搜索的方式增大搜索空间提高算法的定位精度,避免算法陷入局部最优点,再通过群智算法中个体间的相互作用进行定位求解,提高矿震定位精度以及定位结果稳定性。
为了实现上述目的,本发明创造采用的技术方案为:一种基于传感器三维空间联合布置的群智螺旋矿震定位方法,其特征在于,包括如下步骤:
步骤:通过地面、深孔及井下联合布置微震传感器,进行实时监测,具体为:
将若干微震传感器分别布置于地面、深孔以及井下适当位置,构成三维空间立体监测网络,用于实时联合监测矿区范围内的矿震波;
步骤二:设计一种基于传感器三维空间联合布置的群智螺旋矿震定位算法,向***中导入台站编号、位置坐标信息、震动波速度、矿震群智螺旋定位方法的虚拟震源数量、搜索维度以及最大迭代次数,用于算法计算;
步骤三:实时监测传感器三维空间接收到震动波信号,判断矿震触发条件:包括矿震波的长短时窗法判定结果(触发长短时窗法的判定条件)、门限值(能量波的最大振幅大于100mv)、单位时间内触发台站数量(触发的台站数量大于等于4)进行判断,当达到触发条件,判断为矿震发生;未达到触发条件继续进行监测;
步骤四:当判断有矿震发生时,截取触发的传感器三维空间接收到震动波信号,并将台站编号、到时信息导入群智螺旋矿震定位方法,进一步确定震源位置。
所述的微震传感器的分布情况为每5km×5km×1km范围内设置6-50个。
所述的基于传感器三维空间联合布置的群智螺旋矿震定位方法步骤如下:
(21)初始化算法参数;包括虚拟震源数目I,最大迭代次数T,搜索维度d,以及所有虚拟震源的初始位置(xi,yi,zi),i≤I;
(2.2)计算所有虚拟震源的目标函数值以及最佳虚拟震源位置Qbs(t);
(2.2.1)计算传感器差值矩阵D;
根据触发N个传感器的位置和到时信息计算到时差,根据到时差和震动波的传播速度,计算出震源点到每个传感器与其他N-1个传感器的距离差,得到一个N×(N-1)的二维距离差矩阵D,如下所示:
D[n,k]=(H[n]-H[m])×V,(n≤N,m≤N,n≠m,k≤N-1)
其中[n,k]是矩阵索引,由于m≠n,所以m(m≤N)一共有N-1种情况,与k(k≤N-1)一一对应,H[n]是第n个传感器记录的到时,n也表示D矩阵的第n行,H[m]是第m个传感器记录的到时,m取除当前第n个传感器外的其它传感器,V是震动波的传播速度;
(2.2.2)计算当前虚拟震源位置差值矩阵Pi;
计算出当前第i个虚拟震源到N个传感器的差值矩阵Pi,矩阵维度为N×(N-1),如下所示:
Pi[n,k]=Li,n-Li,m(i≤T,n≤N,m≤N,n≠m,k≤N-1)
其中(xi,yi,zi)是第i个虚拟震源位置,(Xn,Yn,Zn)是第n个传感器的位置,(Xm,Ym,Zm)是第m个传感器的位置,Li,n是第i个虚拟震源到第n个传感器的距离,n也表示P矩阵的第n行,Li,m是第i个虚拟震源到第m个传感器的距离,其中n≠m,k是矩阵索引;
(2.2.3)计算目标函数值;
计算矩阵D和矩阵Pi的差值,建立最终的目标函数,如下所示:
Mi=|D-Pi|
其中矩阵Mi是矩阵D和矩阵Pi的差值矩阵,Mim是矩阵Mi的中位数,fitness是目标函数,是最小化绝对误差之和,fitness越小,说明计算出的震源误差越小,越接近真实震源;
(2.2.4)选取目标函数值最小虚拟震源位置作为最佳虚拟震源位置Qbs(t);
(2.3)更新惯性权重以及所有虚拟震源位置;
(2.3.1)更新非线性惯性权重;
其中t是当前迭代次数,T是最大迭代次数,A(t)是迭代第t次矿震群智螺旋定位方法的惯性权重,A(t)的值随着迭代的进行从2非线性递减致0;
(2.3.2)获取虚拟震源螺旋搜索初始位置;
在虚拟震源群体的螺旋搜索初始位置获取过程中,主要分为三步:
首先,避免不同虚拟震源位置重合:为了最大化每个虚拟震源的搜索能力,应避免在搜索过程中与其他虚拟震源位置重合,通过附加变量A(t)计算更新虚拟震源的位置。
Cs(t)=A(t)×Qs(t)
其中t是当前迭代次数,Qs(t)是维度为I×d的矩阵,代表所有虚拟震源当前所处位置,Cs(t)是不与其他虚拟震源位置重合的新位置。
其次,获取最佳虚拟震源位置方向:群体中虚拟震源试图向最佳虚拟震源位置所在的方向移动,即获取到最佳虚拟震源位置所在的方向。
Ms(t)=B(t)×(Qbs(t)-Qs(t))
其中Qbs(t)由(2.2.4)得到,是群体中最佳虚拟震源位置,Qbs(t)-Qs(t)代表群体中最佳虚拟震源位置减去群体中所有虚拟震源当前所处位置,Ms(t)是维度为I×d的矩阵,代表群体中虚拟震源向最佳虚拟震源位置移动的方向,B(t)是第t次迭代平衡全局和局部搜索的随机数,其更新方式如下:
B(t)=2×A(t)2×rd
其中rd是[0,1]范围内的随机数。
最后,获取虚拟震源螺旋搜索初始位置:在避免虚拟震源位置重合的情况下,并且群体中虚拟震源获取到最佳虚拟震源位置方向,移动到虚拟震源螺旋搜索初始位置,实现过程如下式:
Ds(t)=|Cs(t)+Ms(t)|
其中Ds(t)是维度为I×d的矩阵,代表虚拟震源螺旋搜索初始位置。
(2.3.3)更新虚拟震源群体螺旋搜索位置;
虚拟震源位置在更新过程中不断改变自身的搜索角度和速度,每次发现最佳虚拟震源位置的时候,在三维空间中从虚拟震源螺旋搜索初始位置进行螺旋形状搜索,虚拟震源的螺旋搜索行为描述如下:
r=eθ
v=r3×sin(θ)×cos(θ)×θ
其中θ是[0,2π]范围内的随机角度,r是螺旋半径,e是自然对数的底数,v是虚拟震源自身搜索速度。虚拟震源的螺旋搜索过程如下:
Qs(t+1)=Ds(t)×v+Qbs(t)
Qs(t+1)是虚拟震源螺旋搜索后的位置,也是算法第t次迭代后的新位置。
(24)不断更新最佳虚拟震源位置;
重复步骤(2.2)和步骤(23),持续更新矿震群智螺旋定位方法中虚拟震源螺旋搜索位置Qs(t)和最佳虚拟震源位置Qbs(t);
随着迭代次数增加,当达到最大迭代次数时,即完成震源定位计算,输出最优虚拟震源位置Qbs(T),即为本次矿震定位的最终震源位置。
本发明创造的有益效果为:本发明通过地面、深孔和井下联合布置传感器,对矿井进行全包围检测,形成三维立体空间监测网络,极大提高矿震监测能力以及矿震在垂直地层方向定位精度。矿震群智螺旋定位方法,通过群智算法中个体间的相互作用螺旋式搜索进行定位,提高了算法的定位精度以及定位结果稳定性。
附图说明
图1为某矿震事件发生时传感器联合布置位置图。
图2为本发明群智螺旋矿震定位方法的流程图。
图3为本方法中最佳虚拟震源位置的迭代更新图。
具体实施方式
基于传感器三维空间联合布置的群智螺旋矿震定位方法,其步骤为:
1)通过地面、深孔及井下联合布置微震传感器,进行实时监测;
通过井地联合的布置方法,将若干微震传感器分别布置于地面、深孔以及井下位置,布置过程中避免传感器在同一直线或同一平面中,保证立体结构,尽量对井下开采区域进行全包围,构成三维的布置网络。然后对其检测范围内的能量波进行实时检测,其中评价具有冲击危险性的区域进行重点检测。
微震传感器数量应大于4个,一定范围内传感器数量越多,定位精度越高,对于5km×5km×1km范围一般我们取6-50个。
2)向***中导入群智螺旋矿震定位算法和台站的初始信息;
向***中导入台站编号、位置坐标信息、震动波速度、群智螺旋矿震定位算法的虚拟震源数量、搜索维度以及最大迭代次数,用于算法计算。
3)对震动波信号进行实时监测;
实时监测传感器三维空间接收到震动波信号,判断矿震触发条件:包括矿震波长短时窗法判定结果(触发长短时窗法的判定条件)、门限值(能量波最大振幅大于100mv)、单位时间内触发台站数量(触发台站数量大于等于4)进行判断,当达到触发条件,判断为矿震发生;未达到触发条件继续进行监测。
4)当判断有矿震发生时,导入达到触发条件的传感器编号和到时信息;
当判断有矿震发生时,截取触发的传感器三维空间接收到震动波信号,并将台站编号、到时信息导入群智螺旋矿震定位算法,进一步确定震源位置。
5)初始化矿震群智螺旋定位方法虚拟震源参数;
初始化矿震群智螺旋定位方法的参数;包括虚拟震源数目I,最大迭代次数T,搜索维度d,以及所有虚拟震源的初始位置(xi,yi,zi),i≤I。
6)计算所有虚拟震源的目标函数值以及最佳虚拟震源位置Qbs(t);
61)计算传感器差值矩阵D;
根据触发N个传感器的位置和到时信息计算到时差,根据到时差和震动波的传播速度,计算出震源点到每个传感器与其他N-1个传感器的距离差,得到一个N×(N-1)的二维距离差矩阵D,如下所示:
D[n,k]=(H[n]-H[m])×V,(n≤N,m≤N,n≠m,k≤N-1)
其中[n,k]是矩阵索引,由于m≠n,所以m(m≤N)一共有N-1种情况,与k(k≤N-1)一一对应,H[n]是第n个传感器记录的到时,n也表示D矩阵的第n行,H[m]是第m个传感器记录的到时,m取除当前第n个传感器外的其它传感器,V是震动波的传播速度;
6。2)计算当前虚拟震源位置差值矩阵Pi;
计算出当前第i个虚拟震源到N个传感器的差值矩阵Pi,矩阵维度为N×(N-1),如下所示:
Pi[n,k]=Li,n-Li,m(i≤T,n≤N,m≤N,N≠m,k≤N-1)
其中(xi,yi,zi)是第i个虚拟震源位置,(Xn,Yn,Zn)是第n个传感器的位置,(Xm,Ym,Zm)是第m个传感器的位置,Li,n是第i个虚拟震源到第n个传感器的距离,Li,n是第i个虚拟震源到第m个传感器的距离,n也表示P矩阵的第n行,其中n≠m,k是矩阵索引;
63)计算目标函数值;
计算矩阵D和矩阵Pi差值的绝对值,建立最终的目标函数,如下所示:
Mi=|D-Pi|
其中矩阵Mi是矩阵D和矩阵Pi的差值矩阵,Mim是矩阵Mi的中位数,fitness是目标函数,是最小化绝对误差之和,fitness越小,说明计算出的震源误差越小,越接近真实震源。在没有误差的情况下,N个传感器计算的Mi矩阵应全为0,此时的fitness也为0。
6.4)选取目标函数值最小虚拟震源位置作为最佳虚拟震源位置Qbs(t);
7)更新惯性权重以及所有虚拟震源位置;
7.1)更新非线性惯性权重;
其中t是当前迭代次数,T是最大迭代次数,A(t)是迭代第t次矿震群智螺旋定位方法的惯性权重,A(t)的值随着迭代的进行从2非线性递减致0。
72)获取虚拟震源螺旋搜索初始位置;
在虚拟震源群体的螺旋搜索初始位置获取过程中,主要分为三步:
首先,避免不同虚拟震源位置重合:为了最大化每个虚拟震源的搜索能力,应避免在搜索过程中与其他虚拟震源位置重合,通过附加变量计算更新虚拟震源的位置。
Cs(t)=(t)×Qs(t)
其中t是当前迭代次数,Qs(t)是维度为I×d的矩阵,代表所有虚拟震源当前所处位置,Cs(t)是不与其他虚拟震源位置重合的新位置。
其次,获取最佳虚拟震源位置方向:群体中虚拟震源试图向最佳虚拟震源位置所在的方向移动,即获取到最佳虚拟震源位置所在的方向。
Ms(t)=B(t)×(Qbs(t)-Qs(t))
其中Qbs(t)由6.4)得到,是群体中最佳虚拟震源位置,Qbs(t)-Qs(t)代表群体中最佳虚拟震源位置减去群体中所有虚拟震源当前所处位置,Ms(t)是维度为I×d的矩阵,代表群体中虚拟震源向最佳虚拟震源位置移动的方向,其中B(t)是第t次迭代平衡全局和局部搜索的随机数,其更新方式如下:
B(t)=2×A(t)2×rd
其中rd是[0,1]范围内的随机数。
最后,获取虚拟震源螺旋搜索初始位置:在避免虚拟震源位置重合的情况下,并且群体中虚拟震源获取到最佳虚拟震源位置方向,移动到虚拟震源螺旋搜索初始位置,实现过程如下式:
Ds(t)=|Cs(t)+Ms(t)|
其中Ds(t)是维度为I×d的矩阵,代表虚拟震源螺旋搜索初始位置。
7.3)更新虚拟震源群体螺旋搜索位置;
虚拟震源位置在更新过程中不断改变自身的搜索角度和速度,每次发现最佳虚拟震源位置的时候,在三维空间中进行螺旋形状搜索,虚拟震源的螺旋搜索行为描述如下:
r=eθ
v=r3×sin(θ)×cos(θ)×θ
其中θ是[0,2π]范围内的随机角度,r是螺旋半径,e是自然对数的底数,v是虚拟震源自身搜索速度。虚拟震源的螺旋搜索过程如下:
Qs(t+1)=Ds(t)×v+Qbs(t)
Qs(t+1)是虚拟震源螺旋搜索后的位置,也是算法第t次迭代后的新位置。
8)不断更新最佳虚拟震源位置;
重复步骤和步骤6)和步骤7),持续更新矿震群智螺旋定位方法中虚拟震源螺旋搜索位置Qs(t)和最佳虚拟震源位置Qbs(t);
9)确定震源点;
随着迭代次数增加,当达到最大迭代次数时,即完成震源定位计算,输出最优虚拟震源位置Qbs(T),即为本次矿震定位的最终震源位置。
具体应用例:
某煤矿开采深度接近1000m,井下开采过程中多次发生了矿震事件,地表震感明显。为此,在该矿通过井地联合的方式安装了矿震监测台站,如图1所示,井下传感器通过光纤传输地面GPS信号进行授时,地面和深孔传感器通过GPS统一授时。
步骤S1:通过井地联合方法布置传感器,并进行实时监测;
通过井地联合的布置方法,将传感器分别布置于地面、深孔以及井下位置,布置过程中避免多个传感器在同一直线或同一平面中,保证立体结构,尽量对井下开采区域进行全包围,构成三维的布置网络。其中位置分别为T1井下台站[6738m,7965m,-842m],T2井下台站[8126m,7406m,-1034m],T3井下台站[7386m,7795m,-863m],T4井下台站[7790m,8277m,-962m],T5深孔台站[6690m,8177m,-441m],T6深孔台站[7802m,7336m,-510m],T7地面台站[7792m,7825m,41m],如图1所示,然后对其检测范围内的能量波进行实时检测,其中评价具有冲击危险性的区域进行重点检测。
步骤S2:向***中导入矿震群智螺旋定位方法和台站的初始信息;
向***中导入台站编号T1-T7、位置坐标信息、震动波速度V=3850m/s、矿震群智螺旋定位方法的虚拟震源数量为100、搜索维度为3并且最大迭代次数为100。
步骤S3:对震动波信号进行实时监测;
实时监测传感器三维空间接收到震动波信号,判断矿震触发条件:包括矿震波长短时窗法判定结果(触发长短时窗法的判定条件)、门限值(能量波的最大振幅大于100mv)、单位时间内触发台站数量(触发的台站数量大于等于4)进行判断,当达到触发条件,判断为矿震发生;未达到触发条件继续进行监测。
步骤S4:当判断有矿震发生时,导入传感器编号和到时信息;
台站的传感器对振动波信号进行实时检测,在某日下午14时25分37秒左右,所有传感器均接收到大能量波信号,判定为有矿震发生,将触发传感器的位置和到时信息传入矿震群智螺旋定位方法中,到时信息如表1所示。
表1传感器布置坐标及到时
步骤S5:初始化矿震群智螺旋定位方法虚拟震源参数;
初始化矿震群智螺旋定位方法的参数;包括虚拟震源数目I为100,最大迭代次数T为100,搜索维度d为3,以及所有虚拟震源的初始位置(xi,yi,zi),i≤100,所有震源位置在触发传感器构成的空间中随机位置,以第1次迭代,第2个虚拟震源点为例,即t为1,i为2,其位置(x2,y2,z2)为[7717,8049,-610]。
步骤S6:计算所有虚拟震源的目标函数值以及最佳虚拟震源位置Qbs(t);
(1)计算传感器差值矩阵D;
根据触发的7个传感器的位置和到时信息计算到时差,根据到时差和震动波的传播速度,计算出震源点到每个传感器与其他6个传感器的距离差,得到一个7×6的二维距离差矩阵D,计算过程如下:
当n为1,m为2时,因为当n为1时,根据n≠m,m的最小值为2,此时k=1,随着m增加,k也随之增加,根据D[1,1]=(H[1]-H[2])×V得出,D[1,1]=-273,H为传感器的到时。(注:此时的D[1,1]代表第1个传感器和第2传感器到震源的距离差值,k=1为矩阵索引,即当n=1时的第一个差值)
同理求出D矩阵值为:
(2)计算当前虚拟震源位置差值矩阵Pi;
当n为1,m为2时,L2,1即为第2个虚拟震源点到第1个传感器的直线距离,计算得1010m,同理,L2,2即为第2个虚拟震源点到第2个传感器的直线距离,计算得872m。同步骤(1),k=1
根据公式P2[1,1]=L2,1-L2,2,得出P2[1,1]=138。
同理求得P2矩阵:
(3)计算目标函数值;
计算矩阵D和矩阵P2差值的绝对值M2矩阵:
此时M2矩阵的中位数M2m为284。
(4)计算出所有100个虚拟震源的目标函数值,选取目标函数值最小虚拟震源位置作为最佳虚拟震源位置Qbs(t),通过对100个虚拟震源的计算,第1次迭代最佳虚拟震源位置Qbs(1)为[7638,7983,-677];
步骤S7:更新惯性权重以及所有虚拟震源位置;
(1)更新非线性惯性权重;
(2)获取虚拟震源螺旋搜索初始位置;
在虚拟震源群体的螺旋搜索初始位置获取过程中,主要分为三步:
首先,避免不同虚拟震源位置重合:此时Cs(1)=A(1)×Qs(1),以第1次迭代中Qs(1)中第2个虚拟震源为例,Cs(1)中的第2个虚拟震源对应值为[13890.6,14488.2,-1098]
其次,获取最佳虚拟震源位置方向:令rd为0.5。
根据B(1)=2×A(1)2×rd得出,B(1)=324
根据Ms(1)=B(1)×(Qbs(1)-Qs(1))得出,在第1次迭代中第2个虚拟震源点对应的Ms(1)为[-255.96,-21384,-21708]。
最后,获取虚拟震源螺旋搜索初始位置:
根据Ds(1)=|Cs(1)+Ms(1)|得出,在第1次迭代中第2个虚拟震源点的螺旋搜索初始位置Ds(1)为[1363464,1427436,131508]。
(3)更新虚拟震源群体螺旋搜索位置;
令θ为π,根据公式得出r=23.14,v=-4.77×10-12
再根据公式Qs(t+1)=Ds(t)×v+Qbs(t),得出第1次迭代后,第2个虚拟震源根据最佳震源位置螺旋进攻后得到的新位置为[7638,7983,-677],也是第2个虚拟震源第2次迭代的初始位置。
步骤S8:不断更新最佳虚拟震源位置;
重复步骤S6和步骤S7,持续更新矿震群智螺旋定位方法中虚拟震源位置Qs(t)和最佳虚拟震源位置Qbs(t),记录每次最佳虚拟震源位置Qbs(t),如图3所示;
步骤S9:确定震源点;
随着迭代次数增加,当达到最大迭代次数100时,即完成震源定位计算,输出最优虚拟震源位置Qbs(100),即为最终震源位置,定位结果位于采空区上方顶板,坐标为[7421m,7964m,-706m],分析认为本次矿震事件主要由采掘活动导致采空区上方-706水平坚硬厚层顶板断裂造成,定位结果符合开采区域上方坚硬细砂岩层层位,受开采影响该层位的断裂提供了本次矿震事件的能量。
Claims (3)
1.基于传感器三维空间联合布置的群智螺旋矿震定位方法,其特征在于,包括如下步骤:
步骤一:通过地面、深孔及井下联合布置微震传感器,进行实时监测,具体为:
将若干微震传感器分别布置于地面、深孔以及井下适当位置,构成三维空间立体监测网络,用于实时联合监测矿区范围内的矿震波;
步骤二:设计一种基于传感器三维空间联合布置的群智螺旋矿震定位算法,向***中导入台站编号、位置坐标信息、震动波速度、矿震群智螺旋定位方法的虚拟震源数量、搜索维度以及最大迭代次数,用于算法计算;
步骤三:实时监测传感器接收到震动波信号,判断矿震触发条件:包括矿震波长短时窗法判定结果、门限值、单位时间内触发台站数量进行判断,当达到触发条件,判断为矿震发生;未达到触发条件继续进行监测;
步骤四:当判断有矿震发生时,截取触发的传感器接收到震动波信号,并将台站编号、到时信息导入群智螺旋矿震定位算法,进一步确定震源位置。
2.根据权利要求1所述的基于传感器三维空间联合布置的群智螺旋矿震定位方法,其特征在于,所述的微震传感器的分布情况为地面、深孔和井下的联合布置,传感器的数量在每5km×5km×1km范围内设置6-50个。
3.根据权利要求1或2所述的一种传感器三维空间联合布置的矿震群智螺旋定位方法,其特征在于,所述的基于传感器三维空间联合布置的群智螺旋矿震定位方法步骤如下:
(2.1)初始化算法参数;包括虚拟震源数目I,最大迭代次数T,搜索维度d,以及所有虚拟震源的初始位置(xi,yi,zi),i≤I;
(2.2)计算所有虚拟震源的目标函数值以及最佳虚拟震源位置Qbs(t);
(2.2.1)计算传感器差值矩阵D;
根据触发N个传感器的位置和到时信息计算到时差,根据到时差和震动波的传播速度,计算出震源点到每个传感器与其他N-1个传感器的距离差,得到一个N×(N-1)的二维距离差矩阵D,如下所示:
D[n,k]=(H[n]-H[m])×V,(n≤N,m≤N,n≠m,k≤N-1)
其中[n,k]是矩阵索引,由于m≠n,所以m(m≤N)一共有N-1种情况,与k(k≤N-1)一一对应,H[n]是第n个传感器记录的到时,n也表示D矩阵的第n行,H[m]是第m个传感器记录的到时,m取除当前第n个传感器外的其它传感器,V是震动波的传播速度;
(2.2.2)计算当前虚拟震源位置差值矩阵Pi;
计算出当前第i个虚拟震源到N个传感器的差值矩阵Pi,矩阵维度为N×(N-1),如下所示:
Pi[n,k]=Li,n-Li,m(i≤T,n≤N,m≤N,n≠m,k≤N-1)
其中(xi,yi,zi)是第i个虚拟震源位置,(Xn,Yn,Zn)是第n个传感器的位置,(Xm,Ym,Zm)是第m个传感器的位置,Li,n是第i个虚拟震源到第n个传感器的距离,n也表示P矩阵的第n行,Li,m是第i个虚拟震源到第m个传感器的距离,其中n≠m,k是矩阵索引;
(2.2.3)计算目标函数值;
计算矩阵D和矩阵Pi的差值,建立最终的目标函数,如下所示:
Mi=|D-Pi|
其中矩阵Mi是矩阵D和矩阵Pi的差值矩阵,Mim是矩阵Mi的中位数,fitness是目标函数,是最小化绝对误差之和,fitness越小,说明计算出的震源误差越小,越接近真实震源;
(2.2.4)选取目标函数值最小虚拟震源位置作为最佳虚拟震源位置Qbs(t);
(2.3)更新惯性权重以及所有虚拟震源位置;
(2.3.1)更新非线性惯性权重;
其中t是当前迭代次数,T是最大迭代次数,A(t)是迭代第t次矿震群智螺旋定位方法的惯性权重,A(t)的值随着迭代的进行从2非线性递减致0;
(2.3.2)获取虚拟震源螺旋搜索初始位置;
在虚拟震源群体的螺旋搜索初始位置获取过程中,主要分为三步:
首先,避免不同虚拟震源位置重合:为了最大化每个虚拟震源的搜索能力,应避免在搜索过程中与其他虚拟震源位置重合,通过附加变量A(t)计算更新虚拟震源的位置。
Cs(t)=A(t)×Qs(t)
其中t是当前迭代次数,Qs(t)是维度为I×d的矩阵,代表所有虚拟震源当前所处位置,Cs(t)是不与其他虚拟震源位置重合的新位置。
其次,获取最佳虚拟震源位置方向:群体中虚拟震源试图向最佳虚拟震源位置所在的方向移动,即获取到最佳虚拟震源位置所在的方向。
Ms(t)=B(t)×(Qbs(t)-Qs(t))
其中Qbs(t)由(2.2.4)得到,是群体中最佳虚拟震源位置,Qbs(t)-Qs(t)代表群体中最佳虚拟震源位置减去群体中所有虚拟震源当前所处位置,Ms(t)是维度为I×d的矩阵,代表群体中虚拟震源向最佳虚拟震源位置移动的方向,B(t)是第t次迭代平衡全局和局部搜索的随机数,其更新方式如下:
B(t)=2×A(t)2×rd
其中rd是[0,1]范围内的随机数。
最后,获取虚拟震源螺旋搜索初始位置:在避免虚拟震源位置重合的情况下,并且群体中虚拟震源获取到最佳虚拟震源位置方向,移动到虚拟震源螺旋搜索初始位置,实现过程如下式:
Ds(t)=|Cs(t)+Ms(t)|
其中Ds(t)是维度为I×d的矩阵,代表虚拟震源螺旋搜索初始位置;
(2.3.3)更新虚拟震源群体螺旋搜索位置;
虚拟震源位置在更新过程中不断改变自身的搜索角度和速度,每次发现最佳虚拟震源位置的时候,在三维空间中从虚拟震源螺旋搜索初始位置进行螺旋形状搜索,虚拟震源的螺旋搜索行为描述如下:
r=eθ
v=r3×sin(θ)×cos(θ)×θ
其中θ是[0,2π]范围内的随机角度,r是螺旋半径,e是自然对数的底数,v是虚拟震源自身搜索速度。虚拟震源的螺旋搜索过程如下:
Qs(t+1)=Ds(t)×v+Qbs(t)
Qs(t+1)是虚拟震源螺旋搜索后的位置,也是算法第t次迭代后的新位置;
(2.4)不断更新最佳虚拟震源位置;
重复步骤(2.2)和步骤(2.3),持续更新算法中虚拟震源螺旋搜索位置Qs(t)和最佳虚拟震源位置Qbs(t);
随着迭代次数增加,当达到最大迭代次数时,即完成震源定位计算,输出最优虚拟震源位置Qbs(T),即为本次矿震定位的最终震源位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111372896.2A CN114047546B (zh) | 2021-11-18 | 2021-11-18 | 基于传感器三维空间联合布置的群智螺旋矿震定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111372896.2A CN114047546B (zh) | 2021-11-18 | 2021-11-18 | 基于传感器三维空间联合布置的群智螺旋矿震定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114047546A true CN114047546A (zh) | 2022-02-15 |
CN114047546B CN114047546B (zh) | 2023-06-16 |
Family
ID=80210272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111372896.2A Active CN114047546B (zh) | 2021-11-18 | 2021-11-18 | 基于传感器三维空间联合布置的群智螺旋矿震定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114047546B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115542381A (zh) * | 2022-09-26 | 2022-12-30 | 徐州弘毅科技发展有限公司 | 基于三分向监测仪的矿震井地一体化融合监测***及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770038A (zh) * | 2010-01-22 | 2010-07-07 | 中国科学院武汉岩土力学研究所 | 矿山微震源智能定位方法 |
US20130322209A1 (en) * | 2009-04-08 | 2013-12-05 | Schlumberger Technology Corporation | Methods and Systems for Microseismic Mapping |
CN105388511A (zh) * | 2015-10-16 | 2016-03-09 | 辽宁工程技术大学 | 速度各向异性微震监测定位方法、定位终端及定位*** |
CN108717201A (zh) * | 2018-06-20 | 2018-10-30 | 成都理工大学 | 一种隧道围岩微震源定位方法 |
CN109033607A (zh) * | 2018-07-19 | 2018-12-18 | 山东科技大学 | 一种微震震源定位参数的优化求解方法 |
CN111308552A (zh) * | 2020-03-24 | 2020-06-19 | 辽宁大学 | 一种低密度固定台站和高密度移动手机的冲击地压震源协同定位方法 |
CN111405469A (zh) * | 2020-03-24 | 2020-07-10 | 辽宁大学 | 基于手机移动传感网络的矿震监测***及群智定位方法 |
CN111897003A (zh) * | 2020-08-26 | 2020-11-06 | 中国科学院武汉岩土力学研究所 | 一种考虑传感器阵列影响的微震源定位方法 |
CN112051611A (zh) * | 2020-09-07 | 2020-12-08 | 中北大学 | 基于深度强化学习的地下浅层起爆点定位方法 |
CN112182963A (zh) * | 2020-09-24 | 2021-01-05 | 中国人民解放军空军工程大学 | 一种基于投影螺旋分群涡流搜索算法的多传感器调度方案优化方法 |
-
2021
- 2021-11-18 CN CN202111372896.2A patent/CN114047546B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130322209A1 (en) * | 2009-04-08 | 2013-12-05 | Schlumberger Technology Corporation | Methods and Systems for Microseismic Mapping |
CN101770038A (zh) * | 2010-01-22 | 2010-07-07 | 中国科学院武汉岩土力学研究所 | 矿山微震源智能定位方法 |
CN105388511A (zh) * | 2015-10-16 | 2016-03-09 | 辽宁工程技术大学 | 速度各向异性微震监测定位方法、定位终端及定位*** |
CN108717201A (zh) * | 2018-06-20 | 2018-10-30 | 成都理工大学 | 一种隧道围岩微震源定位方法 |
CN109033607A (zh) * | 2018-07-19 | 2018-12-18 | 山东科技大学 | 一种微震震源定位参数的优化求解方法 |
CN111308552A (zh) * | 2020-03-24 | 2020-06-19 | 辽宁大学 | 一种低密度固定台站和高密度移动手机的冲击地压震源协同定位方法 |
CN111405469A (zh) * | 2020-03-24 | 2020-07-10 | 辽宁大学 | 基于手机移动传感网络的矿震监测***及群智定位方法 |
CN111897003A (zh) * | 2020-08-26 | 2020-11-06 | 中国科学院武汉岩土力学研究所 | 一种考虑传感器阵列影响的微震源定位方法 |
CN112051611A (zh) * | 2020-09-07 | 2020-12-08 | 中北大学 | 基于深度强化学习的地下浅层起爆点定位方法 |
CN112182963A (zh) * | 2020-09-24 | 2021-01-05 | 中国人民解放军空军工程大学 | 一种基于投影螺旋分群涡流搜索算法的多传感器调度方案优化方法 |
Non-Patent Citations (4)
Title |
---|
GAURAV DHIMAN, VIJAY KUMAR: "Seagull optimization algorithm: Theory and its applications for large-scale industrial engineering problems", KNOWLEDGE-BASED SYSTEMS * |
***,朱航凯,刘泉声,吴坚: "基于斯奈尔定律及布谷鸟算法的层状岩体微震定位研究", 岩石力学与工程学报 * |
郭一楠;崔宁;程健;: "基于MOPSO-SA混合算法的矿山微震震源定位方法", 煤炭科学技术 * |
陈炳瑞;冯夏庭;李庶林;袁节平;徐速超;: "基于粒子群算法的岩体微震源分层定位方法", 岩石力学与工程学报 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115542381A (zh) * | 2022-09-26 | 2022-12-30 | 徐州弘毅科技发展有限公司 | 基于三分向监测仪的矿震井地一体化融合监测***及方法 |
CN115542381B (zh) * | 2022-09-26 | 2024-02-02 | 徐州弘毅科技发展有限公司 | 基于三分向监测仪的矿震井地一体化融合监测***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114047546B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | Sectional velocity model for microseismic source location in tunnels | |
CN106094021B (zh) | 一种基于到时差数据库的微地震震源快速定位方法 | |
CN105842735B (zh) | 具有复杂速度分布的区域岩体微震震源定位方法 | |
CN105022031B (zh) | 一种区域岩体微震震源的分层速度定位方法 | |
CN110261900B (zh) | 一种基于速度信息的地下浅层微震定位*** | |
CN106154334A (zh) | 基于网格搜索的井下微地震事件实时反演定位方法 | |
Feng et al. | Performance and feasibility analysis of two microseismic location methods used in tunnel engineering | |
CN113189644B (zh) | 一种微震震源定位方法及*** | |
CN110609321B (zh) | 一种基于速度模型数据库的微震源定位方法 | |
CN103953392A (zh) | 深埋隧道断面上岩爆风险位置判别方法 | |
WO2022078514A1 (zh) | 一种结构和波速随机布设的三维速度地质建模方法 | |
CN110261903B (zh) | 一种基于逆时能量聚焦的地下震源被动定位方法 | |
CN110687602A (zh) | 浅层地震多波联合勘探方法 | |
CN109738940A (zh) | 一种存在空区条件下的声发射/微震事件定位方法 | |
CN105487117A (zh) | 一种三维地震观测***优化方法及装置 | |
CN103389489A (zh) | 基于大斜度井的微地震监测定位方法 | |
CN108802814B (zh) | 一种隧道围岩微震波速的获取方法 | |
CN113176609A (zh) | 一种基于地声场的地下浅层目标定位方法 | |
CN114047546A (zh) | 基于传感器三维空间联合布置的群智螺旋矿震定位方法 | |
CN109239775B (zh) | 矿产资源被盗采追踪定位方法 | |
CN103984006A (zh) | 一种全断面观测***的隧道超前地质探测方法 | |
Huang et al. | Relocation method of microseismic source in deep mines | |
CN109521221B (zh) | 一种钻爆法施工硬岩隧道微震波波速实时获取方法 | |
Wang et al. | Cross-related microseismic location based on improved particle swarm optimization and the double-difference location method of jointed coal rock mass | |
Reyes‐Montes et al. | Relative location of excavation induced microseismicity at the Underground Research Laboratory (AECL, Canada) using surveyed reference events |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |