18、地下矿山中人工智能在区分真实微震事件与噪声信号的应用

地下矿山中人工智能在区分真实微震事件与噪声信号的应用

1. 引言

随着浅层资源逐渐枯竭，全球范围内从更深层开采矿产的情况在过去几十年中显著增加。然而，随着开采深度的增加，原地应力、温度、地下水压力以及地震灾害（如岩爆现象）的频率也随之上升。地震灾害对深部采矿作业影响极大，严重影响采矿效率和经济效益。因此，检测和监测微震事件对于安全和可持续的采矿作业至关重要。

微震事件是由地应力重新分布引起的微裂纹或微断裂，其产生、传播和合并最终可能导致宏观破坏。在微震监测过程中，微裂纹通常伴随着声/地震信号的发射，这些信号可以使用检波器/加速度计进行记录。通过进一步分析这些信号，可以定位地下巷道中的高应力区域，并测量岩体发生灾难性破坏（如岩爆）的倾向。

但在分析记录的微震信号时，最大的挑战是区分由地应力引起的真实微震信号和各种来源产生的噪声信号，如钻探和爆破作业、过往车辆、人员走动和电子设备等。噪声信号与地震事件的混合可能导致误判，确定虚构的高应力区域，并因应用不必要的支护系统或控制方法而增加成本。

传统的基于波形 - 频谱分析和发生时间的信号手动判别方法存在诸多局限性：
1. 微震监测使用大量传感器会产生庞大的数据库，手动分析耗时且无法为项目提供自动实时的信号处理工具。
2. 信号波形及其相关参数的分析需要专业知识和实践经验，容易出现人为错误。
3. 除其他噪声信号外，爆破信号的波形与微震信号相似，使信号判别更加复杂。
4. 爆破作业可能在非定期时间进行，且可能与大型地震事件同时发生，因此噪声信号的发生时间不是可靠的判别指标。

一些研究人员采用了统计技术进行波形频谱分析，如判别分析（DA）、高斯最大似然分类器（GM