构造煤厚度与瓦斯突出动力灾害正相关。现有研究主要关注构造煤分布的定性预测,不能满足煤矿开采的安全需求。
本次,作者利用极限学习机(ELM)、主成份分析(PCA)和常规地震属性等技术和方法,结合阳泉矿务局新景矿某采区实际情况,提出了一种定量估计采区构造煤厚度分布的技术和方法。首先,通过建立楔形地质概论模型,正演模拟含构造煤地震剖面。提取煤层反射波地震属性的主成份,随机划分训练集和预测集,利用极限学习机进行训练和预测,发现极限学习机可以在信噪比较低时准确预测构造煤厚度。其次,以井旁道数据为输入,利用极限学习机预测实际采区构造煤厚度分布。发现当选取PCA1和PCA3为数据输入,Sigmoid函数为核函数时,极限学习机预测的采区构造煤厚度分布最接近实际情况。此时,隐含节点数为“10”,明显区别与正演模型数据的“20”。
由于极限学习机的权系数随机产生,可以避免了常规神经网络方法的过拟合问题,预测结果可靠性高。对于实际采区来说,输入属性、核函数和隐含节点数等参数可能差别较大,必须通过测试获得。
陈同俊教授为本文的通讯作者,共同作者为计算机学院的王新副教授、南昆士兰大学的李燕教授、计算机学院的阎秋燕副教授和陕西省煤田地质局的马丽高工。该研究主要受国家自然科学基金重点项目和面上项目资助。论文链接:http://www.sciencedirect.com/science/article/pii/S0098300417301206?via%3Dihub
![](/__local/1/2B/4F/0B84E2E5CFE9356611FF12EFA37_3EBDDD7E_12334.png?e=.png)
图1 研究采区底板等高线图
![](/__local/6/A4/0A/A8F488A342079528BC61EE8312F_4789FE33_36F4.png?e=.png)
图2 极限学习机结构示意图
![](/__local/0/68/B3/64853F34CC9BF0848F48911911C_A857B6CE_205E.png?e=.png)
![](/__local/3/C2/B7/E479793E3F82A471373DE7CC567_F7926D73_2626.png?e=.png)
(a) (b)
图3 单个PCA属性优选(a)和多个PCA属性组合优选(b)
![](/__local/8/D0/FA/3C32985B57380A2D2B6C115A4CF_510C1F46_3BF5.png?e=.png)
![](/__local/B/26/47/C11498C7B2BB0695723C9D18B3F_24C608D1_3ED6.png?e=.png)
(a) (b)
![](/__local/2/0E/80/657B816D6343FC8164BD99FDC40_A8CEB6F4_44EA.png?e=.png)
![](/__local/7/72/92/BC9F04CBC871CAAE7BB57E441DB_F4AD64CE_1E57.png?e=.png)
(c) (d)
图4 PCA1属性(a),PCA3属性(b),预测构造煤厚度(c)和预测结果对比(d)