基于MEA-BP神经网络的岩石爆破矿山中微地震事件的预测

科学领域:

• 采矿工程 采矿工程 采矿工程
• 地质物理学 地质物理学
• 数据科学数据科学数据科学

背景情况:

• 岩石爆裂在地下矿山中构成重大风险.
• 微观地震监测对于早期发现岩石爆发至关重要.
• 现有的预测模型需要更高的准确性.

研究的目的:

• 为了提高岩石易爆矿山中微地震事件预测的准确性.
• 开发一个数据驱动的模型来分析矿井压力和微地震数据.
• 为了验证拟议的MEA-BP神经网络的有效性.

主要方法:

• 利用了Hegang Junde煤矿4年的微地震监测数据.
• 采用专家系统和时间能量数据挖掘用于数据融合.
• 开发了一个"降噪"数据模型.
• 将MEA-BP神经网络与传统的BP神经网络进行比较.

主要成果:

• MEA-BP神经网络显示出比传统的BP神经网络更高的预测准确性.
• 绝对和相对误差分别减少了247.24 J和46.6%.
• 该模型在与在线监测数据相结合时,在微地震能量预测中被证明是有效的.

结论:

• MEA-BP神经网络模型显著提高了岩石矿山中微地震事件预测的准确性.
• 开发的数据融合和建模方法有效地整合了矿井压力和微地震数据.
• 这项研究提供了一个更可靠的工具来防止岩石爆裂事件.