[发明专利]一种适用于强电磁干扰地区的深部采空区探测方法

说明书

本发明公开了一种适用于强电磁干扰地区的深部采空区探测方法，该方法针对强干扰背景下不同电性异常特点，分步实施不同的处理策略，即首先针对在强干扰背景下获得的原始CSAMT数据采用深度神经网络学习与预测方法进行异常值剔除；然后在静态校正过程中采用多方向时变二维中值空间滤波法以消除静态效应；随后采用均值阈值分割算法对反演后的视电阻率进行处理以去除浅部异常信息；最后对反演获得的电阻率进行基于幂函数的加权滤波处理以增强深部采空区电性特征。经过本发明处理后，CSAMT深部采空区有效电性特征得到了明显增强，所刻画的采空区边界更加清晰，测区深部采空区的探测精度明显提高。

技术领域

本发明涉及一种适用于强电磁干扰地区的深部采空区探测方法。

背景技术

近年来，由于不明采空区所引起的塌陷、突水、有毒气体泄漏等事故频发，已经严重影响到城市建设、资源开发和环境保护等领域，甚至还威胁到人员和财产安全，带来了巨大的损失。因此，如何能够准确探测煤层采空区的分布范围，具有重要的现实意义。

对此国内外学者将物探方法应用于采空区预测，目前常用的有浅层高分辨地震勘探、高密度电法勘探、探地雷达精细探测、瞬变电磁和EH4等方法，均已取得良好的预测结果。

可控源音频大地电磁发(Controlled-Source Audiomagnetotellurics，简称CSAMT)具有勘探深度范围大、抗干扰能力强、高阻屏蔽作用小、分辨率高、工作效率高等优点，被广泛应用于地热资源探测、桥梁隧道工程、古墓探测、煤矿采空区预测、水文地质、溶洞预测、有色金属矿床、石油勘探开发等领域。近年来，CSAMT逐渐被应用于采空区探测，并且在采空区探测时也取得了良好的效果，因此，CSAMT为采空区的预测提供了新的方法。

然而，大部分采空区位于煤矿以及村庄等附近，采空区分布的地方往往有较多的动力电线和高压线，因此电磁干扰异常强烈、各类随机噪声干扰，从而导致有效信号被隐藏。综上，如何确保在强电磁干扰地区能够获得高精度的CSAMT数据，去除浅部异常信息，同时增强深部采空区的电性特征，以便能够实现采空区的准确预测，具有重要的现实意义。

发明内容

本发明的目的在于提出一种适用于强电磁干扰地区的深部采空区探测方法，以便对强电磁干扰地区因多干扰因素影响产生的电性异常进行滤除，从而提高测区采空区探测精度。

本发明为了实现上述目的，采用如下技术方案：

一种适用于强电磁干扰地区的深部采空区探测方法，包括如下步骤：

I.基于深度神经网络学习与预测方法对原始采集的CSAMT数据进行异常值剔除；

具体过程如下：

I.1.设计深度神经网络结构

设计两个输入层，输入参数分别为频率、电阻率；设计两个输出层，输出为0或者1，若输出为0，则代表为异常值，进行剔除；若输出为1，代表正常值，进行保留；

深度神经网络的隐藏层数设为K层，每个隐藏层的神经元的数量由公式(1)得到：

l＝2+α₁ (1)

式中，α₁为正整数，且α₁的取值范围为[1,10]，K的取值范围是[5,10]；

其中，深度神经网络的激励函数采用Relu函数，深度神经网络优化算法采用Adagrad算法，深度神经网络采用Dropout正则化方法以防止过拟合现象；

I.2.基于样本数据曲线拟合进行标签制作，具体过程如下：

从原始采集的CSAMT数据中随机选取几组点号的数据作为样本数据；