基于原型推理的多指标预测用于隧道掘进过程中煤与瓦斯突出的预警

《Rock Mechanics and Rock Engineering》：Multi-indicator Forecasting with Prototype-Based Inference for Early Warning of Coal and Gas Outbursts During Tunnel Excavation

　　隧道掘进过程中的煤与瓦斯突出是地下煤矿中主要的煤岩动力灾害。由于煤岩破裂监测信号（如声发射（AE）和电磁辐射（EMR））受到非平稳地下干扰的强烈影响，标注的突出相关事件稀缺，且随着掘进工作面的推进，不同工作面的数据分布存在差异，因此实现准确可靠的早期预警仍然具有挑战性。针对这些难题，提出了一种基于AE、EMR和瓦斯浓度数据的“预测到预警”迁移框架，以提高信号鲁棒性并实现标签高效的风险预警。首先，开发了一种自适应频域去噪与平滑策略DFT-PSO-HDBSCAN，用于抑制AE和EMR中的非平稳干扰，同时保留与损伤演化相关的趋势和包络结构。其次，构建了双流多模态预测模型TimeAFFN，对AE、EMR和瓦斯浓度进行协同多时域预测。通过学习它们的耦合时间演化，预测任务为下游预警提供了可迁移的表征。第三，基于原型的预警模型ProtoMRS迁移了学习到的预测表征，并利用来自多指标时间窗口的结构化证据、滑动窗口描述符以及缓慢变化的地质和瓦斯赋存参数进行风险判别。在构建的用于对比评估的平衡预警数据集上，ProtoMRS达到了0.971的准确率、0.974的F1分数和0.969的AUC，优于具有代表性的基线模型。跨工作面现场案例研究进一步证明了在真实隧道掘进条件下的稳定预警性能。所提出的框架为隧道掘进过程中“预测到预警”的迁移和可解释的突出风险预警提供了一条实用路径。