【技術實現步驟摘要】
本專利技術涉及煤礦安全，特別涉及煤礦沖擊地壓預警技術。
技術介紹
1、隨著經濟社會的不斷發展，對自然資源的需求也隨之加劇，礦產資源也是其中之一，可以說，礦產資源是人類社會生存和發展的基礎性原材料，對整個國民經濟的發展有著至關重要的作用。目前，礦產資源開發利用正處于“由淺入深、由易到難”的階段。深部資源潛力巨大，開發利用深部資源是礦業發展的必然。但深部礦產開采面臨著“三高一擾動”的情況，即“高地應力、高滲透地壓、高地溫以及強烈的開采擾動”，這就使得深部礦產開采的環境非常惡劣，極易發生各種工程地質災害，沖擊地壓就是其中之一。因此，對于沖擊地壓的預警是井下安全開采的關鍵一步。
2、以往，對沖擊地壓的預警，大多是利用機械裝置來測量沖擊地壓，雖然結果準確性較高，但人力、物力消耗較大，而且不能實時有效地預測沖擊地壓。此外，采用基于transformer以及lstm模型的預測方法，其計算量較大，且對于長時間預測的精度，不是特別高。
技術實現思路
1、有鑒于此，本專利技術的目的是提供一種基于informer模型的沖擊地壓多指標復合評價預警方法，以解決沖擊地壓預測在預測精度、預測計算量、預警評價等方面的技術問題。
2、本專利技術基于informer模型的沖擊地壓多指標復合評價預警方法包括：
3、i)實地收集具有相同時間序列的地音能量監測數據、微震頻次監測數據及液壓支柱所受壓力數據，將收集的數據按照時間序列排列組合分別得到三種數據的樣本數據集，將樣本數據集按照一定比
4、ii)分別用訓練集、驗證集和測試集對informer模型進行訓練、測試和驗證；
5、對informer模型進行訓練包括：
6、1)將樣本數據集經過嵌入操作、位置編碼拼接，獲得informer模型編碼部分的初始輸入數據；
7、informer模型編碼部分對初始輸入數據進行3種線性轉換，獲得q、k、v三個矩陣，對q、k、v三個矩陣采用稀疏自注意力操作獲得注意力矩陣，對注意力矩陣進行自注意力蒸餾操作，得到最終的特征映射；
8、2)將樣本數據集經過嵌入操作、位置編碼拼接，獲得informer模型解碼部分的前半部分輸入數據，將步驟1)得到的特征映射作為informer模型解碼部分的后半部分輸入數據；informer模型解碼部分對前半部分輸入數據進行掩碼多頭稀疏自注意力操作，然后informer模型解碼部分對后半部分數據及掩碼多頭稀疏自注意力操作輸出的數據進行多頭注意力操作，得到informer模型解碼部分的輸出；
9、3)將informer模型解碼部分的輸出輸入到一個全連接層，由全連接層輸出一系列的預測結果；
10、iii)用經步驟ii)訓練、測試和驗證得到的informer模型對實時采集的地音能量監測數據、微震頻次監測數據及液壓支柱所受壓力數據進行處理，得出預測值；
11、iv)參考以往地質、開采條件相似礦山的分級預警指標，確定步驟iii)所得預測數據所處能量指標范圍與強度比值范圍，最終確定所預測地壓沖擊事件的時間與預警強度。
12、進一步，在步驟iv)中包括：
13、確定步驟iii)所得液壓支柱所受壓力預測數據與礦巖強度的比值r1，根據r1值的大小劃分基礎預警等級t1，具體劃分如下：
14、
15、其中t1為1、2、3、4分別代表無沖擊地壓危險、弱危險、中危險、強危險；
16、根據步驟iii)所得地音能量預測數據，刻畫出地音能量的預測演化趨勢，總體分為3種趨勢：(1)基本維持不變；(2)緩慢上升；(3)快速上升；將這三種趨勢依次賦予矯正預警等級t2的-1、0、1值，如下所示：
17、
18、根據步驟iii)所得微震頻次監測數據，刻畫出微震頻次的預測演化趨勢，總體分為2種趨勢：(1)基本維持在0不變；(2)異常升高；將這兩種趨勢依次賦予補充預警等級t3的0與1值，如下所示：
19、
20、將所得t1與t2、t3值相加，得出最終的預警等級t，并采取相應的措施。
21、進一步，所述嵌入操作是把樣本數據集升維。
22、進一步，所述位置編碼拼接包括：使用不同頻率的正弦、余弦函數生成位置編碼，然后和對應的位置的特征向量相加；位置向量維度和特征向量的維度一致；位置編碼生成公式為：
23、
24、式中，pe表示位置編碼；pos表示當前字符在序列中的位置；dmodel表示當前字符嵌入的維度。
25、進一步，所述稀疏自注意力操作包括：
26、(1)對每個k矩陣都隨機采樣n個k，利用n個k對q矩陣的每一個q做內積，得到這n個k對每一個q的相關性；從而計算每一個q的稀疏性得分m；稀疏性得分m的計算公式如下：
27、
28、式中：qi為q矩陣中第i行的向量值；為k矩陣中第i行的向量值的轉置；表示的是歸一化操作；lk表示的是k矩陣長度；
29、(2)選取n個稀疏性得分m最高的q，再計算這n個q對于k矩陣的每一個k的內積，得出這n個q的相關性結果；
30、(3)其余的q則不進行計算，直接取第(2)步中n個q相關性結果的平均值，如此保證最后的qk矩陣能與v矩陣大小匹配，并計算得出最終的注意力矩陣。
31、進一步，所述自注意力蒸餾操作包括：對注意力矩陣進行若干次卷積池化操作，對輸入維度進行修剪，每次卷積池化操作后，輸入序列長度減半；每次卷積池化操作后，都需要對處理后的數據進行稀疏自注意力機制的注意力矩陣計算，最后得出最終的特征映射；因此，從第i層到第i+1層的自注意力蒸餾過程為：
32、
33、式中：maxpool1d為最大池化操作；elu為conv1d一維卷積操作的激活函數；conv1d表示的是一維卷積操作。
34、本專利技術的有益效果：
35、1、本專利技術基于informer模型的沖擊地壓多指標復合評價預警方法，采用兩種實地數據進行預測處理，使得沖擊地壓預警更為準確。
36、2、本專利技術基于informer模型的沖擊地壓多指標復合評價預警方法，采用informer模型，與以往的預測模型相比，通過稀疏自注意力機制以及自注意力蒸餾機制，大大減少了自注意力矩陣以及相關參數的計算復雜程度，此外，還采用了一步式解碼方法，一步解碼可以得到后續的多個預測數據。因此，本專利技術能更好的保證預測的實時性，同時可以確保長時間預測的精度。
37、3.本專利技術基于informer模型的沖擊地壓多指標復合評價預警方法，采用了基于地音能量監測數據、微震頻次監測數據及液壓支柱所受壓力數據預測數據的沖擊地壓預警評價體系，并給出各評價應當采取的措施。結合三者的預測結果，使得預測結果更為準確，預警評價也更為合理。
本文檔來自技高網...【技術保護點】
1.一種基于informer模型的沖擊地壓多指標復合評價預警方法，其特征在于：包括：
2.根據權利要求1所述的基于informer模型的沖擊地壓多指標復合評價預警方法，其特征在于：在步驟IV)中包括：
3.根據權利要求1所述的基于informer模型的沖擊地壓多指標復合評價預警方法，其特征在于：所述嵌入操作是把樣本數據集升維。
4.根據權利要求1所述的基于informer模型的沖擊地壓多指標復合評價預警方法，其特征在于：所述位置編碼拼接包括：使用不同頻率的正弦、余弦函數生成位置編碼，然后和對應的位置的特征向量相加；位置向量維度和特征向量的維度一致；位置編碼生成公式為：
5.根據權利要求1所述的基于informer模型的沖擊地壓多指標復合評價預警方法，其特征在于：所述稀疏自注意力操作包括：
6.根據權利要求5所述的基于informer模型的沖擊地壓多指標復合評價預警方法，其特征在于：所述自注意力蒸餾操作包括：對注意力矩陣進行若干次卷積池化操作，對輸入維度進行修剪，每次卷積池化操作后，輸入序列長度減半；每次卷積池化操作后，都
...【技術特征摘要】
1.一種基于informer模型的沖擊地壓多指標復合評價預警方法，其特征在于：包括：
2.根據權利要求1所述的基于informer模型的沖擊地壓多指標復合評價預警方法，其特征在于：在步驟iv)中包括：
3.根據權利要求1所述的基于informer模型的沖擊地壓多指標復合評價預警方法，其特征在于：所述嵌入操作是把樣本數據集升維。
4.根據權利要求1所述的基于informer模型的沖擊地壓多指標復合評價預警方法，其特征在于：所述位置編碼拼接包括：使用不同頻率的正弦、余弦函數生成位置編碼，然后和對應的位置的特征向量相加；位置向...
【專利技術屬性】
技術研發人員：羅文，張傳玖，李果，楊永亮，
申請(專利權)人：國能神東煤炭集團有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。