时空融合与多模态驱动的冲击地压预测研究

摘要

冲击地压是制约煤矿深部开采的重大动力灾害，现有冲击地压预测方法多依赖单一模态特征，面临信息利用不充分问题.本文提出时空特征融合与多模态驱动的冲击地压危险预测方法（MDL-RBP）.首先，对微震信号进行短时傅里叶变换（STFT）、希尔伯特-黄变换（HHT）、连续小波变换（CWT）时频分析，并提取b值、a值、震频、能量极值等11个地球物理统计学指标，构建涵盖空间、时频和物理统计指标域的互补信息数据集；其次，针对冲击类别不平衡问题，从数据-算法-评估3个维度设计综合处理策略，提升模型对冲击危险样本的识别能力；最后，通过Transformer及MLP捕获时空特征协同关系，并引入双向交叉注意力实现时空特征耦合，设计自适应门控融合模型，通过可学习门控向量动态调整各贡献权重，增强模型的泛化能力.结果表明：多模态融合模型准确率达90.9%，较最优单模态提升15个百分点，强冲击危险（Ⅳ级）召回率达100%，实现零漏报；在3～30 d多时间窗口预测中，短期（3～7 d）Ⅳ级召回率均为100%,30 d窗口仍保持86%以上准确率.该方法突破了传统单一模态预警方法的局限性，为煤矿冲击地压精准预测提供了理论支撑和技术方案.

关键词

冲击地压 / 多模态融合 / 深度学习 / 微震监测 / 时频分析 / 类别不平衡

基金资助

国家自然科学基金项目（51774015）