CN114219211A - 一种基于理论与数据驱动融合的冲击地压风险评估方法 - Google Patents
一种基于理论与数据驱动融合的冲击地压风险评估方法 Download PDFInfo
- Publication number
- CN114219211A CN114219211A CN202111337335.9A CN202111337335A CN114219211A CN 114219211 A CN114219211 A CN 114219211A CN 202111337335 A CN202111337335 A CN 202111337335A CN 114219211 A CN114219211 A CN 114219211A
- Authority
- CN
- China
- Prior art keywords
- model
- stress
- stress concentration
- damage
- discrete point
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000004927 fusion Effects 0.000 title claims abstract description 34
- 239000011435 rock Substances 0.000 title claims abstract description 31
- 238000012502 risk assessment Methods 0.000 title claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 48
- 238000011156 evaluation Methods 0.000 claims abstract description 35
- 238000005065 mining Methods 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 27
- 238000005315 distribution function Methods 0.000 claims abstract description 13
- 230000006378 damage Effects 0.000 claims description 99
- 230000035939 shock Effects 0.000 claims description 17
- 238000012512 characterization method Methods 0.000 claims description 16
- 238000012821 model calculation Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 18
- 239000003245 coal Substances 0.000 abstract description 9
- 230000008569 process Effects 0.000 abstract description 9
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000002591 computed tomography Methods 0.000 description 33
- 238000010586 diagram Methods 0.000 description 6
- 238000009412 basement excavation Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 206010035148 Plague Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000010200 validation analysis 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
- G01V1/28—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G01V1/282—Application of seismic models, synthetic seismograms
-
- 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
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/64—Geostructures, e.g. in 3D data cubes
- G01V2210/646—Fractures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Geology (AREA)
- Geophysics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Emergency Management (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于理论与数据驱动融合的冲击地压风险评估方法,包括如下步骤:将评估区域进行网格划分,利用Weibull分布函数对各网格节点赋值,确定初始应力集中系数;获得理论驱动模型下各网格节点的应力集中系数值;引入震动波CT探测数据,获得融合震动波CT探测表征应力模型的评估区域应力集中系数分布;引入微震数据,获得评估区域的应力集中系数的空间分布信息,利用分布信息得到评估区域的相对应力集中系数分布图。本发明的有益效果是:计算过程所涉及矿井大范围地质构造条件、采掘活动、实时监测的微震数据以及震动波CT反演数据,时效性高,可大范围近似实时反演煤层采掘过程中的采动应力集中系数分布,同时可实现日常监测预警。
Description
技术领域
本发明涉及冲击地压风险评估技术领域,具体为一种基于理论与数据驱动融合的冲击地压风险评估方法。
背景技术
冲击地压因其发生过程的复杂性、突发性、多样性等特点,其监测预警一直是困扰学术界及采矿界的世界性难题。目前,冲击地压风险评估与监测预警方法主要是从采矿方法、采矿地球物理方法、多参量综合监测预警方法等三大类监测预警方法。其中,采矿方法包括根据采矿地质条件确定冲击地危险性的钻屑法、综合指数法、煤岩层冲击倾向性分类法和数值模拟分析法等。采矿地球物理方法包括微震法、地音法、电磁辐射法等。多参量综合监测预警方法主要以综合指数法、震动波CT、微震、声电一体化及应力监测为基础,建立矿井探测评价、区域预测、局部预警的冲击地压风险综合评估与监测预警方法,即:综合指数法评估矿井范围冲击危险、震动波CT探测评价矿井采掘范围冲击危险与分区分级,确定重点区域;震动波CT和冲击变形能以及多参量对重点区域冲击危险进行区域预测,进一步确定局部危险区域和冲击危险类型;利用声电一体化监测和应力监测技术对局部危险区进行即时预警和检验,并通过监测预警云平台,实现冲击危险空间分区、危险分级、自主判识、实时预警与远程专业化监控。
当前研究成果虽然取得了较好的应用效果,但冲击地压监测预警难题涉及的复杂多场(应力场、裂隙场和渗流场)环境耦合作用下的冲击地压全过程(孕育-启动-显现-结束)机理与多源监测参量之间的关联关系、及其量化表征冲击地压全过程的理论驱动机制等关键问题缺乏研究;同时,前期研究工作主要是考虑监测数据驱动下的多参量信息融合,对于经验知识、数值模拟等理论驱动下的前期应力与地质构造环境信息和后期防治与采掘泛化信息缺乏利用,如图1所示,从而导致真正实现冲击地压风险的智能评估与监测预警还存在一定差距。因此,如何关联与利用多物理场监测参量量化表征冲击地压全过程、并挖掘理论与数据驱动融合作用下的有效前兆信息是突破冲击地压风险评估与预警难题的瓶颈。
发明内容
本发明的目的在于提供一种基于理论与数据驱动融合的冲击地压风险评估方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于理论与数据驱动融合的冲击地压风险评估方法,包括如下步骤:
1)确定初始应力集中系数,将评估区域按照一定间距进行网格划分,利用Weibull分布函数对各网格节点赋值,默认为完全均质状态(m=0),数值为1;
2)评估采场地质构造、巷道布置、工作面回采时,采用不同理论驱动模型进行叠加计算,获得理论驱动模型下各网格节点的应力集中系数;
3)引入震动波CT探测数据,采用震动波CT探测表征应力模型修正各网格节点的应力集中系数;
4)引入微震数据,采用微震损伤重构应力模型进一步修正各网格节点的应力集中系数,最后根据应力集中系数值的大小评估冲击地压风险程度。
进一步优选,所述理论驱动模型包括离散点应力集中模型、离散点应力损伤模型、区域应力集中模型、区域应力损伤模型、线性应力集中模型和线性应力损伤模型,所述理论驱动模型的模型参数为@n,m,F,d,S,其中@n为计算模型的标识符,分别为@0、@1、@2、@3、@4、@5,分别对应离散点应力集中模型、离散点应力损伤模型、区域应力集中模型、区域应力损伤模型、线性应力集中模型和线性应力损伤模型,m、F为Weibull分布函数的非均质参数和形状参数,d为因素扰动影响距离与范围,S为离散点间距。
进一步优选,所述离散点应力集中模型、区域应力集中模型和线性应力集中模型的计算采用概率密度衰减模型,所述离散点应力损伤模型、区域应力损伤模型和线性应力损伤模型的计算综合采用概率密度衰减模型和损伤力学模型。
进一步优选,所述微震损伤重构应力模型和震动波CT探测表征应力模型为数据驱动模型,所述微震损伤重构应力模型通过引入微震监测数据并选择理论驱动模型中的离散点应力损伤模型进行计算,所述震动波CT探测表征应力模型通过引入CT反演数据并选择理论驱动模型中的离散点应力集中模型进行计算。
进一步优选,所述概率密度衰减模型采用了正态概率分布函数:
式中,Sg(i)表示为网格节点i的概率密度值;s表示影响范围;dj表示第j个微震事件或离散点距第i个网格节点的距离;gj表示赋值参量,当采用微震损伤采动应力模型计算时,其中Ej表示第j个微震事件能量;当采用震动波CT探测表征应力模型计算时,gj=Fj,其中Fj表示第j个离散点位置对应的震动波CT探测结果数值;当采用理论驱动模型计算时,gj=Hj,其中Hj表示第j个离散点位置的理论赋值。
进一步优选,所述损伤力学模型的计算公式为:
σi=Sg(i)·(1-Di),
式中,σi为第i个网格节点对应的当量应力值;Di为第i个网格节点的损伤参量值;Sg表示评估区域平均概率密度值;max{Sg(i)}表示Sg(i)的最大值;Dc为完全损伤状态下对应的损伤参量值。
进一步优选,所述理论驱动模型中离散点Hj的理论赋值采用Weibull分布函数对各离散点随机赋值;其中,对于离散点模型,包括离散点应力损伤模型和离散点应力集中模型,采用直接赋值方式进行;对于线性模型,包括线性应力损伤模型和线性应力集中模型,需先按照一定间距将指定的线段等间距离散点化,然后按照离散点模型进行赋值;对于区域模型,包括区域应力损伤模型和区域应力集中模型,需先按照一定间距将指定的多边形区域等间距网格化,然后按照离散点模型对各网格节点进行赋值。
进一步优选,所述各模型的最终应力集中系数采用如下公式计算:
当采用应力损伤模型计算时,包括离散点应力损伤模型、区域应力损伤模型和线性应力损伤模型:
当采用应力集中模型计算时,包括离散点应力集中模型、区域应力集中模型和线性应力集中模型:
式中,σi为第i个网格节点对应的应力值;σmax为网格节点对应的最大应力值;F表示选择模型中的采动应力系数参数值;Fi表示第i个网格节点对应的应力集中系数值。
进一步优选,所述理论驱动模型融合时采用叠加模式进行计算,其计算公式为:
Fi+=Fiq×Fi-,数据驱动模型融合时采用修正模式进行计算,其计算公式为:
式中,Fi+表示融合更新后第i个网格节点对应的应力集中系数值;Fig表示当前模型计算结果下的第i个网格节点对应的应力集中系数值;Fi-表示上一步模型计算结果下的第i个网格节点对应的应力集中系数值。
进一步优选,所述网格划分时采用S作为网格间距划分网格。
有益效果:本发明涉及的采动应力、采动应力集中系数计算公式物理力学意义明显,公式涉及的参量计算明确,普适性和可操作性强,适于编程实现,应用可行性好;计算过程所涉及矿井大范围地质构造条件、采掘活动、实时监测的微震数据以及震动波CT反演数据,时效性高,可大范围近似实时反演煤层采掘过程中的采动应力集中系数分布,同时可实现日常监测预警,具有非常重要的实用价值和现实意义。
附图说明
图1为煤矿开采环境中理论与数据驱动融合示意图;
图2为本发明采动应力集中系数评估方法示意图;
图3为非均质初始应力集中系数模型效果图;
图4为离散点应力集中模型效果图;
图5为离散点应力损伤模型效果图;
图6为区域应力集中模型效果图;
图7为区域应力损伤模型效果图;
图8为线性应力集中模型效果图;
图9为线性应力损伤模型效果图;
图10为基于理论驱动模型的采动应力集中系数分布图;
图11为基于震动波CT探测表征应力模型的应力集中分布图;
图12为基于微震损伤重构应力模型的应力集中分布图;
图13为基于理论驱动模型与震动波CT探测表征应力模型融合的应力集中分布图;
图14为理论与数据驱动融合应力集中系数分布图;
图15为用于模型结果预测验证的微震事件叠加分布图。
具体实施方式
以下是本发明的具体实施例并结合附图,对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
一种基于理论与数据驱动融合的冲击地压风险评估方法,引入经验知识、数值模拟等理论驱动下的前期应力与地质构造环境和后期防治与采掘泛化等应力表征信息,联合微震监测数据驱动下的损伤重构采动应力、震动波CT探测波速分布等应力表征信息,采用Weibull分布、正态概率密度分布等数学唯像模型进行量化表征与关联,形成一种基于理论与数据驱动融合的冲击地压风险评估方法,实现煤层采掘过程中采动应力集中系数的近似实时反演。其中,理论驱动模型包括离散点应力集中模型、离散点应力损伤模型、区域应力集中模型、区域应力损伤模型、线性应力集中模型和线性应力损伤模型;数据驱动模型包括微震损伤重构应力模型和震动波CT探测表征应力模型,包括如下步骤:
1)首先确定初始应力集中系数,将评估区域按照一定间距进行网格划分,其中,网格划分时采用s作为网格间距划分网格;利用Weibull分布函数对各网格节点赋值,默认为完全均质状态(m=0),数值为1;
2)评估采场地质构造、巷道布置、工作面回采时,采用不同理论驱动模型进行叠加计算(离散点应力集中模型、离散点应力损伤模型、区域应力集中模型、区域应力损伤模型、线性应力集中模型和线性应力损伤模型),获得理论驱动模型下各网格节点的应力集中系数;
3)在获得理论驱动模型应力集中系数分布的基础上,引入震动波CT探测数据,采用震动波CT探测表征应力模型修正各网格节点的应力集中系数,获得融合震动波CT探测表征应力模型的评估区域应力集中系数分布;
4)进一步引入微震数据,在获得融合震动波CT探测表征应力模型的评估区域应力集中系数分布基础上,选择微震损伤重构应力模型计算,获得融合理论驱动模型与数据驱动模型下评估区域各网格节点应力集中系数值,即可获得评估区域的应力集中系数的空间分布信息,最终利用分布信息得到评估区域的相对应力集中系数分布图,为矿井安全设计提供指导依据。
本申请中,理论驱动模型的模型参数为@n,m,F,d,S,其中@n为计算模型的标识符,分别为@0、@1、@2、@3、@4、@5,分别对应离散点应力集中模型、离散点应力损伤模型、区域应力集中模型、区域应力损伤模型、线性应力集中模型和线性应力损伤模型,m、F为Weibull分布函数的非均质参数和形状参数,d为因素扰动影响距离与范围,S为离散点间距。
本申请中,采用的各模型均基于均质初始模型(m=0)进行叠加融合计算,若采用非均质模型,如m=5,其效果如图3所示。以下为离散点应力集中模型、离散点应力损伤模型、区域应力集中模型、区域应力损伤模型、线性应力集中模型和线性应力损伤模型的计算示例:
示例一、离散点应力集中模型@0,3,1.3,50
该计算模型采用概率密度衰减模型,适用于断层构造异常区的线性特征,选取离散点确定断层构造异常区等区域,模型计算效果如图4所示,其中白色圆圈点为选取的离散点;
示例二、离散点应力损伤模型@1,4,1.7,100
该计算模型综合采用损伤力学模型和概率密度衰减模型,适用于微震重构采动应力模型以及复杂采空区应力模型,选取离散点确定复杂采空区、巷道等区域,模型计算效果如图5所示,其中白色圆圈点为模型选取的离散点;
示例三、区域应力集中模型@2,5,1.2,20,5
该计算模型采用概率密度衰减模型,适用于巷道集中,煤柱集中应力等,用离散点确定巷道、煤柱等区域,在区域内等间距布置离散点,模型计算效果如图6所示,其中白色圆圈点为选取的离散点用于确定煤柱区域;
示例四、区域应力损伤模型@3,21,1.2,20,5
该计算模型综合采用损伤力学模型和概率密度衰减模型,适用于采空区损伤应力预估,用离散点确定采空区等区域,在区域内等间距布置离散点,模型计算效果如图7所示,其中白色圆圈点为选取的离散点用于确定采空区区域;
示例五、线性应力集中模型@4,9,2.0,20,1
该计算模型采用概率密度衰减模型,适用于断层,用离散点确定断层等区域,在区域内等间距布置离散点,模型计算效果如图8所示,其中白色圆圈点为选取的离散点用于确定断层区域;
示例六、线性应力损伤模型@5,9,2.0,20,1
计算模型采用损伤力学模型以及概率密度衰减模型,主要适用于巷道,大直径钻孔,用离散点确定巷道等区域,在区域内等间距布置离散点,模型计算效果如图9所示,其中白色圆圈点为模型参数选取的离散点,用于确定巷道区域。
本申请中,微震损伤重构应力模型通过引入微震监测数据并选择理论驱动模型中的离散点应力损伤模型进行计算,震动波CT探测表征应力模型通过引入CT反演数据并选择理论驱动模型中的离散点应力集中模型计算,例如@0,-1,2.5,13,将离散点应力集中模型中第二位数字定义为-1作为计算震动波CT探测表征应力模型识别。
本申请中,概率密度衰减模型采用了正态概率分布函数:
式中,Sg(i)表示为网格节点i的概率密度值;s表示影响范围;dj表示第j个微震事件或离散点距第i个网格节点的距离;gj表示统计参量,当采用微震损伤采动应力模型计算时,令其中Ej表示第j个微震事件能量;当采用理论驱动模型、震动波CT探测表征应力模型计算时,令gj=Fj,其中Fj表示第j个离散点赋值的应力集中系数值;当采用理论驱动模型计算时,gj=Hj,其中Hj表示第j个离散点位置的理论赋值;
确定评估区域各网格节点采动应力值,进而实现确定评估区域各网格节点应力集中系数值。
本申请中,损伤力学模型的计算公式为:
σi=Sg(i)·(1-Di),
式中,σi为第i个网格节点对应的当量应力值;Di为第i个网格节点的损伤参量值;Sg表示评估区域平均概率密度值;max{Sg(i)}表示Sg(i)的最大值;Dc为完全损伤状态下对应的损伤参量值,其中,Dc取0.95时最佳。
本申请中,通过确定评估区域各网格节点采动应力值,进而确定评估区域理论驱动模型下各网格节点应力集中系数值,各模型的最终应力集中系数采用如下公式计算:
当采用应力损伤模型计算时,包括离散点应力损伤模型、区域应力损伤模型和线性应力损伤模型,其计算公式为:
式中:σi为第i个网格节点对应的应力值;σmax为网格节点对应的最大应力值;F表示选择模型的采动应力系数值,F取2.5时最佳;Fi表示第i个网格节点对应的应力集中系数值;其中当Fi<1且时,Fi取1,该条件处理方式最佳,如图2所示;
当采用应力集中模型计算时,包括离散点应力集中模型、区域应力集中模型和线性应力集中模型,其计算公式为:
式中,σi为第i个网格节点对应的应力值;σmax为网格节点对应的最大应力值;F表示选择模型的采动应力系数值;Fi表示第i个网格节点对应的应力集中系数值。
本申请中,理论驱动模型融合时采用叠加模式进行计算,其计算公式为:
Fi+=Fiq×Fi-,
微震损伤重构应力、震动波CT探测表征应力等数据驱动模型与其它模型融合时,理论驱动模型采用修正模式进行计算,其计算公式为:
式中,Fi+表示融合更新后第i个网格节点对应的应力集中系数值;Fiq表示当前模型计算结果下的第i个网格节点对应的应力集中系数值;Fi-表示上一步模型计算结果下的第i个网格节点对应的应力集中系数值。
实施例
选取某煤矿工作面回采阶段的微震监测数据,震动波CT反演数据以及评估区域地质构造分布、采掘布置进行分析。
(1)确定矿井评估区域,对评估区域进行网格划分,取网格间距s为10m,利用Weibull分布函数对各网格节点的应力集中系数赋值为1,获得评估区域初始应力集中系数分布;
(2)根据评估区域地质构造分布情况,选择不同理论驱动模型计算,巷道掘进以及工作面回采区域分别用线性应力损伤模型@5,21,1.3,15,2和区域应力损伤模型@3,21,1.5,100,5计算,获得评估区域理论驱动模型下应力集中系数分布,如图10所示;
(3)在评估区域初始应力集中系数分布结果的基础上,引入震动波CT反演数据,选择震动波CT探测表征应力模型@0,-1,2.5,13计算,获得基于震动波CT探测表征应力模型下的应力集中分布,如图11所示;
(4)在评估区域初始应力集中系数分布结果的基础上,引入微震监测数据,基于微震损伤重构应力模型下计算,微震采动应力集中系数F选取4.0,获得基于微震损伤重构应力模型下的应力集中分布,如图12所示;
(5)在评估区域理论驱动模型下应力集中系数分布基础上,引入震动波CT反演数据,选择震动波CT探测表征应力模型@0,-1,2.5,13计算,获得理论驱动与震动波CT探测表征融合的评估区域应力集中分布,如图13所示;
(6)在获得理论驱动与震动波CT探测表征融合的评估区域应力集中分布的基础上,引入微震监测数据,基于微震损伤重构应力模型下计算,微震采动应力集中系数F取2.5,获得理论与数据驱动融合应力集中系数分布,如图14所示;
(7)将下一天冲击震源(五角星表示)、冲击显现位置(三角形表示)、全部微震事件作为散点落在图14上,验证理论与数据驱动融合应力集中系数分布结果,如图15所示。
实例表明,本申请涉及的参量计算明确、普适性和可操作性强,同时反演计算得出的采动应力分布合理、效果较好,可实现冲击地压风险的近似实时评估。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明性的保护范围之内的发明内容。
Claims (10)
1.一种基于理论与数据驱动融合的冲击地压风险评估方法,其特征在于:包括如下步骤:
1)确定初始应力集中系数,将评估区域按照一定间距进行网格划分,利用Weibull分布函数对各网格节点赋值,默认为完全均质状态(m=0),数值为1;
2)评估采场地质构造、巷道布置、工作面回采时,采用不同理论驱动模型进行叠加计算,获得理论驱动模型下各网格节点的应力集中系数;
3)引入震动波CT探测数据,采用震动波CT探测表征应力模型修正各网格节点的应力集中系数;
4)引入微震数据,采用微震损伤重构应力模型进一步修正各网格节点的应力集中系数,最后根据应力集中系数值的大小评估冲击地压风险程度。
2.根据权利要求1所述的一种基于理论与数据驱动融合的冲击地压风险评估方法,其特征在于:所述理论驱动模型包括离散点应力集中模型、离散点应力损伤模型、区域应力集中模型、区域应力损伤模型、线性应力集中模型和线性应力损伤模型,所述理论驱动模型的模型参数为@n,m,F,d,S,其中@n为计算模型的标识符,分别为@0、@1、@2、@3、@4、@5,分别对应离散点应力集中模型、离散点应力损伤模型、区域应力集中模型、区域应力损伤模型、线性应力集中模型和线性应力损伤模型,m、F为Weibull分布函数的非均质参数和形状参数,d为因素扰动影响距离与范围,S为离散点间距。
3.根据权利要求2所述的一种基于理论与数据驱动融合的冲击地压风险评估方法,其特征在于:所述离散点应力集中模型、区域应力集中模型和线性应力集中模型的计算采用概率密度衰减模型,所述离散点应力损伤模型、区域应力损伤模型和线性应力损伤模型的计算综合采用概率密度衰减模型和损伤力学模型。
4.根据权利要求1所述的一种基于理论与数据驱动融合的冲击地压风险评估方法,其特征在于:所述微震损伤重构应力模型和震动波CT探测表征应力模型为数据驱动模型,所述微震损伤重构应力模型通过引入微震监测数据并选择理论驱动模型中的离散点应力损伤模型进行计算,所述震动波CT探测表征应力模型通过引入CT反演数据并选择理论驱动模型中的离散点应力集中模型进行计算。
7.根据权利要求5所述的一种基于理论与数据驱动融合的冲击地压风险评估方法,其特征在于:所述理论驱动模型中离散点Hj的理论赋值采用Weibull分布函数对各离散点随机赋值;其中,对于离散点模型,包括离散点应力损伤模型和离散点应力集中模型,采用直接赋值方式进行;对于线性模型,包括线性应力损伤模型和线性应力集中模型,需先按照一定间距将指定的线段等间距离散点化,然后按照离散点模型进行赋值;对于区域模型,包括区域应力损伤模型和区域应力集中模型,需先按照一定间距将指定的多边形区域等间距网格化,然后按照离散点模型对各网格节点进行赋值。
8.根据权利要求1所述的一种基于理论与数据驱动融合的冲击地压风险评估方法,其特征在于:所述各模型的最终应力集中系数采用如下公式计算:
当采用应力损伤模型计算时,包括离散点应力损伤模型、区域应力损伤模型和线性应力损伤模型:
当采用应力集中模型计算时,包括离散点应力集中模型、区域应力集中模型和线性应力集中模型:
式中,σi为第i个网格节点对应的应力值;σmax为网格节点对应的最大应力值;F表示选择模型中的采动应力系数参数值;Fi表示第i个网格节点对应的应力集中系数值。
10.根据权利要求1所述的一种基于理论与数据驱动融合的冲击地压风险评估方法,其特征在于:所述网格划分时采用S作为网格间距划分网格。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111337335.9A CN114219211A (zh) | 2021-11-12 | 2021-11-12 | 一种基于理论与数据驱动融合的冲击地压风险评估方法 |
US17/903,683 US20230152479A1 (en) | 2021-11-12 | 2022-09-06 | Physics-based and data-driven integrated method for rock burst hazard assessment |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111337335.9A CN114219211A (zh) | 2021-11-12 | 2021-11-12 | 一种基于理论与数据驱动融合的冲击地压风险评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114219211A true CN114219211A (zh) | 2022-03-22 |
Family
ID=80696994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111337335.9A Pending CN114219211A (zh) | 2021-11-12 | 2021-11-12 | 一种基于理论与数据驱动融合的冲击地压风险评估方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230152479A1 (zh) |
CN (1) | CN114219211A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114757266A (zh) * | 2022-03-27 | 2022-07-15 | 中国矿业大学 | 专家知识与数据融合驱动的冲击地压预测模型构建方法 |
CN114879256A (zh) * | 2022-03-29 | 2022-08-09 | 天地科技股份有限公司 | 基于多震源融合的冲击地压监测方法及装置、介质、设备 |
CN115097517A (zh) * | 2022-06-24 | 2022-09-23 | 中国矿业大学 | 一种基于微震时空分布的离散裂隙网络表征及风险预测方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116990847B (zh) * | 2023-09-28 | 2023-12-15 | 湖南湘银河传感科技有限公司 | 基于边缘计算的北斗gnss接收机解算方法和*** |
CN117889791B (zh) * | 2024-03-13 | 2024-05-10 | 中国矿业大学(北京) | 地下工程断层滑移监测***与控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344491A (zh) * | 2013-06-27 | 2013-10-09 | 华北水利水电大学 | 一种基于静载和***荷载共同作用下巷道冲击地压的模拟方法 |
CN110118991A (zh) * | 2019-05-16 | 2019-08-13 | 中国矿业大学 | 一种基于微震损伤重构的采动应力评估方法 |
JP2020021198A (ja) * | 2018-07-31 | 2020-02-06 | 国際航業株式会社 | 地盤の安定性評価方法及び地盤の安定性評価のためのコンピュータプログラム |
CN112031872A (zh) * | 2020-07-15 | 2020-12-04 | 中煤科工开采研究院有限公司 | 一种冲击地压全息预警方法及装置、存储介质、计算设备 |
-
2021
- 2021-11-12 CN CN202111337335.9A patent/CN114219211A/zh active Pending
-
2022
- 2022-09-06 US US17/903,683 patent/US20230152479A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344491A (zh) * | 2013-06-27 | 2013-10-09 | 华北水利水电大学 | 一种基于静载和***荷载共同作用下巷道冲击地压的模拟方法 |
JP2020021198A (ja) * | 2018-07-31 | 2020-02-06 | 国際航業株式会社 | 地盤の安定性評価方法及び地盤の安定性評価のためのコンピュータプログラム |
CN110118991A (zh) * | 2019-05-16 | 2019-08-13 | 中国矿业大学 | 一种基于微震损伤重构的采动应力评估方法 |
CN112031872A (zh) * | 2020-07-15 | 2020-12-04 | 中煤科工开采研究院有限公司 | 一种冲击地压全息预警方法及装置、存储介质、计算设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114757266A (zh) * | 2022-03-27 | 2022-07-15 | 中国矿业大学 | 专家知识与数据融合驱动的冲击地压预测模型构建方法 |
CN114879256A (zh) * | 2022-03-29 | 2022-08-09 | 天地科技股份有限公司 | 基于多震源融合的冲击地压监测方法及装置、介质、设备 |
CN114879256B (zh) * | 2022-03-29 | 2024-02-02 | 天地科技股份有限公司 | 冲击地压监测方法及装置、介质、设备 |
CN115097517A (zh) * | 2022-06-24 | 2022-09-23 | 中国矿业大学 | 一种基于微震时空分布的离散裂隙网络表征及风险预测方法 |
CN115097517B (zh) * | 2022-06-24 | 2023-05-09 | 中国矿业大学 | 一种基于微震时空分布的离散裂隙网络表征及风险预测方法 |
Also Published As
Publication number | Publication date |
---|---|
US20230152479A1 (en) | 2023-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114219211A (zh) | 一种基于理论与数据驱动融合的冲击地压风险评估方法 | |
JP6839251B2 (ja) | 採掘および採掘物処理作業のオンライン監視および最適化のための方法とシステム | |
Naghadehi et al. | A new open-pit mine slope instability index defined using the improved rock engineering systems approach | |
CN103711523B (zh) | 基于局域分解-进化神经网络的瓦斯浓度实时预测方法 | |
CN105427376B (zh) | 煤层顶板突水的三维动态可视化方法 | |
Liu et al. | Microseismicity-based method for the dynamic estimation of the potential rockburst scale during tunnel excavation | |
Zhou et al. | Multi-source data driven method for assessing the rock mass quality of a NATM tunnel face via hybrid ensemble learning models | |
Liu et al. | Risk prediction and diagnosis of water seepage in operational shield tunnels based on random forest | |
Salimi et al. | Evaluating the suitability of existing rock mass classification systems for TBM performance prediction by using a regression tree | |
Wu et al. | A dynamic decision approach for risk analysis in complex projects | |
CN110619483A (zh) | 一种基于多源数据融合分析的隧洞围岩等级动态变更与决策方法 | |
Salimi et al. | TBM performance prediction in rock tunneling using various artificial intelligence algorithms | |
CN106246226B (zh) | 一种矿井瓦斯涌出异常的识别方法 | |
Wang et al. | Research on rock mass quality classification based on an improved rough set–cloud model | |
CN115688251A (zh) | 基于深度学习的地震多发区隧道风险决策方法及*** | |
CN117829436A (zh) | 一种基于数字孪生的智慧矿山管控方法及*** | |
CN117328941A (zh) | 基于煤层孕灾动态物理场数字孪生体的孕灾状态预警*** | |
Gidon et al. | Bi-Directional LSTM Model for accurate and real-time landslide detection: a case study in mawiongrim, Meghalaya, India | |
CN117369254A (zh) | 基于复杂地质条件瓦斯防控机器人集群控制方法及*** | |
Du et al. | Risk evaluation of colluvial cutting slope based on fuzzy analytic hierarchy process and multilevel fuzzy comprehensive evaluation | |
CN115144892A (zh) | 一种三维超前地质预报方法 | |
CN113982687A (zh) | 冲击地压负反馈云模拟监测预警***构建方法 | |
Wu et al. | A Machine Learning-Based Field-Scale Reservoir Analysis Method | |
McGaughey | 4D data management and modelling in the assessment of deep underground mining hazard | |
Kraaijpoel et al. | Statistical analysis of static and dynamic predictors for seismic b-value variations in the Groningen gas field |
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 |