高精度微震定位采场支承压力分布特征

为定量分析煤矿采场支承压力分布特征,采用微地震监测技术对采场支承压力进行了研究。提出了一种能够显著提高震源定位精度的速度模型反演方法,构建了求解分层速度模型的目标函数。在陕西省境内某矿布置井地联合微震监测系统,并采用标定炮的方式验证了水平分层速度模型井地联合监测方案的定位精度明显高于近水平单一速度模型监测方案。采用水平分层速度模型对监测区域内微震事件进行高精度定位,并结合矿山压力理论,对采场支承压力分布规律与微震事件频次、能量之间的特征进行了研究。结果表明:正常回采过程中受采动影响的超前支承压力范围是工作面前方0～90 m,工作面前方40～70 m范围内为高应力集中区,上、下顺槽的侧向支承压力影响范围分别为0～70 m和0～80 m;研究结果为微地震监测技术在矿山工程领域的应用提供了一定的参考依据。     

WSD-SVM在工作面底板破坏深度微震事件自动识别中的应用

为解决煤矿微震事件识别中效率低、精度低、可靠性差的问题,将小波散射分解变换与支持向量机相结合,构建微震事件的WSD-SVM智能识别模型。首先,通过小波散射分解变换将微震监测数据分解成高、低频部分,并计算得到小波散射系数,构成散射特征矩阵;然后,选择70%的数据输入支持向量机模型进行训练,用得到的识别模型对其余30%的数据进行测试验证,获得识别结果。将山西保德煤矿某工作面微震监测时序数据作为实例,结果表明：WSD-SVM模型能够自动识别全部6个微震事件,用时1.651 s;而传统STA/LTA算法虽然仅用时0.731 s,但未能有效识别出其中的3个低信噪比事件,WSD-SVM模型的自动识别精度高于STA/LTA算法模型识别的精度,但需要较长的计算时长。小波散射分解变换方法的引入能够有效实现监测数据降维,大幅提高识别精度,为微震事件的自动识别提供了新思路。