人工智能赋能下的冲击地压监测预警方法研究进展

摘要

随着我国煤炭开采深度与强度不断增大，冲击地压已成为深部煤炭资源安全开采的关键制约因素.尽管以“应力-震动-能量”三场耦合为核心的多参量监测体系已初步建立，传统方法在预警精度与效率方面仍面临挑战.近年来，人工智能技术凭借其在模式识别与非线性动态建模方面的优势，为冲击地压监测预警提供了新的研究路径.本文系统梳理了人工智能在冲击地压监测预警中的研究进展，重点围绕微震数据智能处理、震源参数智能计算与冲击地压风险智能预警模型3个方向展开论述.具体而言：在微震数据处理方面，深度学习方法已成功应用于微震信号去噪、事件识别、到时拾取与事件分类等多个任务，提升了信息提取的效率与可靠性；在震源参数计算方面，数据驱动范式被广泛应用于震源定位、破裂机制反演与能量估算，提高了关键参数的反演精度与计算效率；在风险预警模型构建方面，研究方法逐步从传统的物理驱动分析转向多源数据融合的智能建模范式，为实现冲击危险的动态评估与精准预警提供了新的技术路径.进一步总结了当前冲击地压智能预警方法在模型可解释性、多源异构数据融合、机理-数据模型耦合以及标准化基准数据库等方面面临的共性挑战，以期为推动冲击地压监测预警技术向智能化、精准化发展，保障深部煤炭资源安全高效开采提供理论参考.

关键词

冲击地压 / 人工智能 / 深度学习 / 监测预警 / 微震监测

基金资助

国家自然科学基金项目（52504269,52274098）; 江苏省创新支撑计划国际科技合作/港澳台科技合作-重点国别产业技术研发合作项目（BZ2023050）