高精度炭鉱微小地震P波到達時刻検出のための物理制約付き深層学習

科学分野:

• 地球物理学
• 鉱業工学
• 人工知能

背景:

• 正確なP波到達時刻の特定は、炭鉱における動的ハザードのインテリジェントモニタリングと早期警報にとって不可欠です。
• 従来の方法は、複雑な地質とノイズのために精度と安定性に苦労しており、その有効性を制限しています。

研究 の 目的:

• 物理的制約と深層学習を統合した新しい微小地震P波到達時刻自動検出モデルを開発および検証すること。
• 炭鉱における微小地震モニタリングシステムの精度、堅牢性、および自動化を強化すること。

主な方法:

• 微小地震P波到達時刻検出のために物理的制約を組み込んだ深層学習モデルを設計しました。
• モデルは、高品質の手動でラベル付けされたデータセットを使用してトレーニングおよび最適化されました。
• ARピッカーやSTA/LTAなどの従来のメソッドと比較して、パフォーマンスを体系的に比較しました。

主要な成果:

• 提案されたモデルは、テストセットで高精度（96.60％）、再現率（90.59％）、F1スコア（93.50％）を達成しました。
• 平均P波到達時刻検出誤差は5.49ミリ秒に大幅に減少し、20ミリ秒のしきい値を十分に下回りました。
• モデルは、同様の採掘環境で良好なエンジニアリング伝達可能性を示しましたが、データ取得パラメータの変動に対しては敏感でした。

結論:

• 開発されたモデルは、自動微小地震P波到達時刻検出のための高精度で堅牢なソリューションを提供します。
• この進歩は、リアルタイムのハザード防止に不可欠な炭鉱微小地震モニタリングの自動化とインテリジェンスをサポートします。
• このモデルは、採掘操作における早期警報システムとリスク管理を改善するための実用的な価値を持っています。