深部近水平煤层微震时间特征驱动的岩爆智能预测方法

《International Journal of Minerals Metallurgy and Materials》：Intelligent prediction method of rockburst driven by microseismic temporal features in deep near-vertical coal seams

　　**摘要**岩爆已成为制约中国煤矿安全生产和高质量产能释放的主要灾害。在天山地震带内近直煤层深部开采过程中，非线性煤岩变形响应与复杂地质条件的耦合作用显著提高了岩爆风险。为满足岩爆易发煤层智能化、安全、高效开采的战略需求，本研究综合运用地球物理、空间统计、大数据挖掘和深度学习技术，针对中国新疆一座急倾斜煤矿开展研究，系统分析了微震活动参数与采动扰动之间的关系。在此基础上，提出了一种微震指标时间融合特征识别方法。通过将时间约束嵌入深度学习框架，开发了一种增强的时间融合Transformer（TFT）模型来预测多种微震指标。此外，建立并验证了一种基于融合微震参数驱动的智能岩爆预测与预警方法。结果表明，随着工作面前进，夹层岩柱和B₆顶板区域的灾害风险增加，且夹层岩柱的局部损伤比B₆顶板更为严重。为增强特征提取能力，引入了一种WFTBlock模块，通过结合连续小波变换、傅里叶变换和时间戳对齐，揭示指标序列中谱特性和相位特征的周期性演化规律。最终的多参数TFT模型与融合特征和时间输入进行联合训练。与长短期记忆网络（LSTM）基线相比，所提模型将均方根误差（RMSE）降低了47.9%，决定系数（R²）提高了54.5%，显示出显著增强的预测精度。总体而言，所提框架为急倾斜煤层安全高效开采以及"一带一路"沿线重点能源基地的安全开发提供了技术支持。