数据驱动的稀疏孔中瞬变电磁三维电阻率场预测及其应用

摘要

煤矿水害严重威胁生产安全。瞬变电磁法凭借高灵敏度和施工便捷优势在水害探测中广泛应用。然而，该方法在复杂地形和电性结构区域难以实现精确定位，而且有限测点有可能会遗漏关键信息。为提升复杂地质条件之下的探测效率与密度，借助机器学习预测三维空间电阻率数值，以此优化矿井水害监测。首先，利用孤立森林算法检测电阻率数据异常数值；随后，采用XGBoost、LightGBM、CatBoost和NGBoost及集成模型等多种回归模型预测电阻率。研究发现CatBoost模型性能表现最为良好，并且通过GridSearchCV进行超参数优化显著提升了预测精准程度。该方法通过数据预测生成更多电阻率数据点，大幅提高了数据空间分辨率和数据覆盖范围，有效减少了物理探测成本。该研究能够帮助矿井管理者准确识别水害区域，为矿井水害监测提供了全新途径。

关键词

水害探测 / 机器学习 / 孔中瞬变电磁法 / 电阻率预测