ПРОГНОЗИРОВАНИЕ РИСКА ГОРНОГО УДАРА АЛГОРИТМАМИ CNN - LSTM И PSO - GRNN НА ОСНОВЕ МОНИТОРИНГА МИКРОСЕЙСМИЧЕСКОГО ПОВЕДЕНИЯ И ЭЛЕКТРОМАГНИТНОГО ИЗЛУЧЕНИЯ ПОРОДНОГО МАССИВА
В. Сюнь1,2
1Вуллонгонгский университет, Новый Южный Уэльс, Австралия
weixun199022@126.com
2Университет Чанъань, Шаньси, Китай
Ключевые слова: Риск возникновения горного удара, CNN - LSTM, нейронная сеть, рисковый и вероятностный анализ, сочетание микросейсмических показателей и ЭМИ-сигналов
Страницы: 84-97
Аннотация
Выполнена оценка вероятности проявления горных ударов посредством применения нейросетевых моделей, включающих сверточную нейронную сеть с долговременной краткосрочной памятью (CNN - LSTM) в комбинации с алгоритмом оптимизации роя частиц (PSO) в рамках обобщенной регрессионной нейронной сети (GRNN). Разработана архитектура системы глубокого обучения на базе CNN - LSTM, осуществляющая комплексный анализ динамических хаотических параметров горных ударов с последующим количественным распределением и прогнозированием вероятности их возникновения. В качестве входных параметров для прогнозирования использованы метрики микросейсмического мониторинга (суточная кумулятивная микросейсмическая энергия, максимальная суточная микросейсмическая энергия, угловая частота, выпукло-вогнутый радиус), а также характеристики электромагнитного излучения (среднесуточная амплитуда, максимальный суточный импульс). Эффективность применения моделей CNN - LSTM и PSO - GRNN для прогнозирования риска возникновения горных ударов экспериментально подтверждена. Сформулированы методологические основы предиктивной оценки сейсмической активности в горнодобывающих условиях.
DOI: 10.15372/FTPRPI20250508 |
