基于DNN的矿井超前探测反演方法研究_韩晓冰.pdf

第42卷第03期2023年03月煤炭技术Coal TechnologyVol.42 No.03Mar.2023doi:10.13301/j.cnki.ct.2023.03.0220引言煤炭作为重要自然资源，关系着国计民生的基本问题。我国是煤炭资源大国，但随着我国煤炭资源的长期开采，浅层资源不断减少，导致煤炭开采不断加深。随着巷道深度不断增加与地下地质的多变，巷道的安全问题日益凸显，水害及断层问题已成为影响巷道安全生产的主要因素。超前探测技术可以有效且安全地探知巷道前方的地质情况，减小开采的风险，避免巷道的地质安全事故，对于巷道的安全生产尤为重要。目前超前探测方法主要有钻探法和物探法。钻探法是利用钻机在巷道的掘进面进行钻孔并进行采样分析的方法，能够对前方的陷落柱和断层等进行精准定位，但该方法速度慢，设备复杂，费时费力；物探法是利用物理学原理和仪器获得已知介质的物理参数，通过其规律变化来判断地质结构的方法，相比于前者，物探法探测范围广、效率高、且施工成本低，因此矿井超前探测大多采用物探法进行。电磁勘探法就是其中最有效的方法之一，电磁勘探法对低阻区反应更加敏感，在煤矿岩层水断层探测方面更具优势。该方法是以矿石之间电性差异为基础，通过观测和研究电磁场的分布规律，实现对地质结构的探测。中煤科工集团的苏超等学者采用地孔瞬变电磁法进行超前探测，成功地定位了异常体的中心位置。焦作煤业有限公司的温亨聪团队将瞬变电磁法和地震法的优势结合，利用探测信息的多元互补，实现了水害超前探测。但目前电磁勘探采用的算法对初始模型依赖度高，且易陷入局部最优解，严重影响了反演的速度和精度。人工神经网络具有较好的非线性拟合能力，可以更好地解决传统反演算法存在的问题，在电磁反演数据信息处理中得到广泛的认可。范涛等人将地球物理与机器学习有机结合，采用基于 DNN 的矿井超前探测反演方法研究*韩晓冰，余思淼，梁冰洋，周远国（西安科技大学 通信与信息工程学院，西安710699）摘要：提出了一种基于DNN的矿井超前探测算法，该算法可以快速准确地实现一维复杂地质的重建。首先，利用层状介质并矢Green函数方法获得不同地质模型的数值解；随后，依据数据样本搭建网络框架，网络的输入主要由电场分量构成，输出为相应的地质模型电导率参数，通过对神经网络进行训练，得到网络的最优系数；最后，为了提升网络的抗噪声性能，采用不同噪声的数据对网络进行训练。结果表明：利用DNN算法在精度和效率上都比BP神经网络有所提升，相同模型下速度比BP神经网络速度快1013倍。网络模型可以在20%噪声下，准确反演出低阻层。DNN算法，可以有效提高矿井超前探测效率。关键词：超前探测；DNN；Green函数；矿井信息化中图分类号：P631文献标志码：A文章编号：1008 8725（2023）03 117 05Research on Inversion Method of Mine Advance Detection Based onDNNHAN Xiaobing，YU Simiao，LIANG Bingyang，ZHOU Yuanguo（College of Communication and Information Engineering,Xian University of Science and Technology,Xian 710699,China）Abstract:A DNN-based mine advance detection algorithm is proposed,which can quickly andaccurately reconstruct one-dimensional complex geology.Firstly,the numerical solution of Greenfunction is used.Then,based to the data sample,the input of the corresponding conductivity parametersof the neural network,and to improve the noise resistance with the data of different noise.The resultsshow that the accuracy and efficiency of DNN algorithm are improved than that of BP neural network,and the speed is 10-13 times faster than that of BP neural network.The network model can accuratelyreverse