人工智能技術在遼寧礦震檢測中的研究進展

馬 莉，焦明若，楊紅艷，包秀敏

（1.遼寧省地震局，遼寧 沈陽 110034；2.沈陽地震監測中心站，遼寧 沈陽 110161）

0 引言

2017 年11 月11 日2 時26 分沈陽焦煤股份有限公司紅陽三礦井下發生了一起重大頂板（沖擊地壓）事故，造成10 人死亡，1 人輕傷，直接經濟損失1456.6 萬元。遼寧省測震臺網承擔著遼寧省以及周邊省份的天然地震以及礦震、爆破等非天然事件的監測與速報任務[1]。通過遼寧省測震臺網的地震波形可以看到在2 時26分39秒遼陽臺、丹東臺、鞍山臺、營口臺等24個臺站同步監測到淺源塌陷性地震，震級為M2.4，震中位于123.21°E，41.51°N 的地面附近。通過所有臺站的垂直向記錄可知波形初動方向均為向下，具有清晰的面波震相，由此可以判斷出這次地震事件是典型的塌陷型地震。

遼寧省內礦產資源豐富，由采礦活動引發的非天然地震活動密集，尤其是沈陽、阜新、本溪、撫順等區域近年來持續發生礦震活動[2]。礦震在非天然地震中占比最大，約為38%[3]。采礦過程中的巖爆、巖崩、瓦斯突出、礦井塌陷，包括開采過后留下的采空區發生塌陷，都能引發礦震。由于礦震震源較淺，又處于礦山這種特殊條件下，因此具有較大的破壞性。一般情況下，人們能感覺到2～4 級的天然地震，基本上不會造成人員重傷或死亡事故[4]。然而少數礦震發生后，存在著誘發煤礦井下沖擊地壓、瓦斯爆炸等突出災害，甚至還會造成地表塌陷、建筑物損壞等嚴重的后果。撫順采礦企業距離城區較近，一般3 級以上的礦震在城區范圍內震感明顯。礦震發生后，撫順當地居民曾頻繁打電話給撫順地震局和撫順地震臺，詢問是否有地震事件發生，之后是否還有余震發生，作為居民應該怎么躲藏，所在地區是否存在安全隱患等民生問題。

1 國內研究現狀

近些年來，人工智能技術在地震數據處理方面（AI for seismic data processing）成為地震監測處理數據流程中的常規手段，取得了巨大的成就[5-8]。在礦山地震事件檢測中利用人工智能方法取得了大量的科研成果，并出現了很多具有啟發性的研究[9]。

2009 年董隴軍等[10]應用Fisher 判別分析理論并結合工程實際特點，建立爆破振動對砌體結構破壞效應預測的Fisher 判別分析模型。2015 年趙國彥等[11]建立基于人工識別標準的事件數據庫用來區分礦山微震信號和爆破信號的波形特征。將數據庫中的微震信號和爆破信號應用Fisher 判別法，能成功實現微震事件與爆破事件的準確分離，識別正確率達到97.1%。2015 年曾建雄等[12]建立了一個基于支持向量機并具有智能學習功能的波形自動分類器模型，識別和分類微震監測系統每天采集到的大量波形數據。結果表明：分類器將微震波形做出分類處理。2017 年趙國彥等[13]提出基于經驗模態分解（EMD）和形態分形維數的識別方法，來解決現有的礦山微震監測系統的信號自動識別難問題。為微震監測波形識別提供了新途徑。2020年劉方斌等[14]基于BP神經網絡算法，選擇山東地區天然與非天然地震事件為研究對象，構建合理的網絡模型，搜集大量的地震樣本數據進行訓練，實現對山東地區天然與非天然地震事件的識別。BP 神經網絡方法具有對地震事件類型識別的可行性。2022 年簡箏等[15]采用包含頻域擬合和時域擬合的全波形矩張量反演方法，快速計算出礦山微震事件的矩張量參數和斷層面解，并識別巖體的破裂類型。2022 年朱權潔等[16]將PSO 算法與BP 神經網絡有效結合，建立了改進的爆破參數預測模型，增強了整體預測能力。為爆破設計工作的有效開展提供了一種新思路。2022 年胡靜云等[17]深入研究后梳理出礦山強噪音環境下主要待識別模式類，并研究出各模式類的發生機制。研究結果對礦山監測具有實用價值，同時對礦震識別方法的研究也具有一定的借鑒意義。

2 遼寧地區研究現狀

天然地震應急處置側重“快”，即發生震害后應迅速開展應急救援和恢復重建。而非天然地震與社會經濟活動密切相關，應急響應側重“準”，可能涉及問責。隨著現代科學技術的發展，微震檢測技術在遼寧地區得到了大量應用[18]。2021 年中國地震臺網中心郭鐵龍、梁姍姍、鄒立曄在全國統一編目數據中截取2017—2019 年遼寧撫順礦震事件波形作為模板，運用微震模板匹配定位方法（M&L）檢索并定位遺漏的微礦震事件，篩選得到291 條微礦震遺漏事件[19]。研究認為受礦震震源機制不同、模板事件不足等影響，運用M&L 方法識別非天然事件，需要設置更高的互相關性閾值，以保證遺漏事件識別的準確性。2021 年應急管理部國家自然災害防治研究院學者張冰、張廣偉聯合遼寧省地震局焦明若、張志宏，中國石油大學（北京）研究人員舒夢珵[20]通過分析礦震的破裂機制及微震時空分布，進而為礦區災害評估提供更多的有效信息?；诿芗_陣觀測的地震矩張量反演和微震檢測研究，對判定礦震類型及防范礦區災害具有重要的研究意義。2022 年遼寧省地震局焦明若與遼寧大學董方杰、羅浩等提出了一種針對于小樣本的礦山微震事件檢測和震相拾取的神經網絡方法[21]。研究中提出了一項新的標簽制作方式，并結合了深度學習做出數據增強方法[22-23]，這樣可以作為一種有效的策略緩解深度學習技術在數據稀缺時導致可能失敗的情況。

遼寧省地震局在遼寧區域臺網監測工作的基礎上，在遼寧礦震活動密集區域開展礦震活動的密集臺陣監測，利用神經網絡識別等最新算法分析礦震活動與天然地震活動的相關性，及震源參數差異[24]。對顯著活躍的礦區開展淺層速度結構成像，為顯著礦區未來地震危險性進行判定[25]。通過分析微震事件發生的震級與能量，對沖擊地壓的發生提供可行性評估，為遼寧地區礦區沖擊地壓的防治工作提供科學有效的借鑒。充分利用微震監測技術，力求很好地探明民采活動區域[26]。同時計劃基于聚類方法可以進行礦山微震事件集群有效劃分，對礦山微震分布特征和微震活動分析具有重要作用[27]。聯合遼寧大學積極對沖擊地壓的發生規律進行有效探究，進而尋求監測預警的解決對策，開展了礦山微震分析軟件在沖擊地壓監測預警中的應用（圖1）[28]。

圖1 遼寧礦山災害風險監測預警體系設計圖Fig.1 Design of mine disaster risk monitoring and early warning system in Liaoning region

3 研究計劃

國家煤監局2018 年出臺關于《防治煤礦沖擊地壓細則》，指出礦山必須建立區域與局部相結合的監測。那么遼寧地區的礦山微震監測工作將為礦山地震臺網（井下和地面組成）和區域地震臺網與礦山臺網聯合，共建空間立體監測臺網（圖2）[29]。我們通過現有資料對礦山臺網和地震監測臺網進行對比分析（表1），認為未來遼寧省地震局可以建立一種基于礦山監測的非天然地震監測系統，提高遼寧地區地質災害防范和工程建設的安全性和可靠性[30-31]。遼寧地區礦山監測系統具體工作為：（1）開發一種基于礦山監測的非天然地震監測系統，包括應力傳感器的研發、數據采集、數據傳輸和數據分析等模塊；（2）在多個地質災害易發區進行試點應用，并對系統的可靠性和實用性進行評估；（3）提供一種基于礦山監測的非天然地震監測方案，供地質災害防范和工程建設單位參考[32]。

圖2 遼寧礦區“3+1”立體監測圖Fig.2 “3+1”stereoscopic monitoring map of Liaoning mine area

表1 礦山臺網與地震臺網參數對比表

力求通過監測系統的檢測歸納與統計礦山作業環境下所有主要作業振動源，并抽取待識別模式類波形的識別特征與特征值范圍，采用模式識別理論方法，建立識別準確率良好的自動識別算法，開發出具有自動微震波形識別功能的模式識別軟件[33]，實時、準確地捕捉到災害孕育與演化發生的前兆信息，實現監測預警的全自動化，提高微震監測技術的有效性與價值，對攻克今后深部礦產資源開發面臨的巖體動力災害監測與防治關鍵技術難題具有重要作用[34]。未來的研究方向重視綜合運用多種方法和手段對礦區山體滑坡災害進行監測、分析、預報，充分利用地震臺站和互聯網絡等優勢，建立一體化礦區滑坡綜合監測預警技術體系，實現動態監測、實時跟蹤預報[35]。

4 研究展望

十年來，人工智能領域眾多驚人的突破背后都離不開深度學習，它是使ChatGPT、AlphaGo等得以面世的基石[36]。隨著人工智能的蓬勃發展，海量礦震數據處理中都會涉及到機器識別技術。由于數據處理的目的不同，使用時沒有統一的模板，解決起來并不容易[37]。各種各樣的機器學習、深度學習、自然語言處理等資料，并沒有與礦震數據處理緊密地聯系起來，即使有聯系也很籠統，沒有涉及礦震數據中非?，嵥榈募毠潌栴}。而只有把這些細節問題解決好，才能更好地發展AI 礦震處理[38]。ChatGPT 模型近年來非?；鸨?，具備非常有潛力的商業價值，是否可以和AI 礦震處理融合，產生新的體驗，甚至顛覆原有的方式方法，未來礦山人工智能檢測將面臨非常大的挑戰[38-40]。

隨著人工智能技術的不斷發展和完善，礦震預測、滑坡計算等涉及危害礦山開采的預警技術也會帶來新的希望[41]。