[发明专利]一种基于瞬变电磁法的含水地质体富水性预测方法有效
申请号: | 202010926353.X | 申请日: | 2020-09-07 |
公开(公告)号: | CN112213792B | 公开(公告)日: | 2023-05-16 |
发明(设计)人: | 邱浩;都海龙;李宏杰;安晋松;李文;卫金善;张永超;杨新亮;杨高峰;陈健强;樊林林;崔金亮;邢楷;张林 | 申请(专利权)人: | 煤炭科学技术研究院有限公司;山西晋煤集团技术研究院有限责任公司 |
主分类号: | G01V3/28 | 分类号: | G01V3/28;G01V3/38;G06F30/27 |
代理公司: | 青岛锦佳专利代理事务所(普通合伙) 37283 | 代理人: | 黄钰 |
地址: | 100013 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 电磁 水地 质体 水性 预测 方法 | ||
本发明提供了一种基于瞬变电磁法的含水地质体富水性预测方法,涉及矿山安全防治技术领域。该一种基于瞬变电磁法的含水地质体富水性预测方法,包括如下步骤:步骤一、矿井瞬变电磁探测;步骤二、获取含水地质体双场信息数据和钻孔富水性信息数据;步骤三、含水地质体富水性智能判别模型构建;步骤四、含水地质体富水性预测。本发明应用于矿井瞬变电磁法的探测施工及数据处理解释,同时采用瞬变电磁扩散场及拟地震波动场“双场”信息进行富水性特征提取与样本集构建,克服瞬变电磁原始数据信息特征单一的缺点,采用深度神经网络算法对样本数据与含水地质体富水性信息的复杂非线性关系进行优化逼近,实现含水地质体富水性信息的深度发掘及分级预测。
技术领域
本发明涉及矿山安全防治技术领域,具体地说是涉及一种基于瞬变电磁法的含水地质体富水性预测方法。
背景技术
瞬变电磁法是利用不接地回线或接地线源向地下发射一次脉冲磁场,在一次脉冲磁场间歇期间利用线圈或接地电极观测地下介质中引起的二次感应涡流场的一种方法。瞬变电磁法按照应用范围包含地面瞬变电磁法与矿井瞬变电磁法,其中,矿井瞬变电磁法收发装置布设于井下,广泛应用于煤矿井下掘进迎头超前、巷道与工作面顺层及顶底板水害探测领域。目前,现有矿井瞬变电磁法仅能定性判断含水地质体富水性相对强弱,无法实现含水地质体富水性的定量分级及预测。
发明内容
本发明的目的在于提供一种基于瞬变电磁法的含水地质体富水性预测方法,能够实现对含水地质体富水性的定量分级及预测。
为了达到上述目的,本发明所采用的技术解决方案如下:
一种基于瞬变电磁法的含水地质体富水性预测方法,采用矿井瞬变电磁探测系统,系统包括主机、发射源及接收点,所述主机连接发射源及接收点,包括如下步骤:
步骤一、矿井瞬变电磁探测
将发射源和接收点阵列呈直线布置,发射源布置于巷道,测点阵列布置于巷道或钻孔内;通过改变发射源、接收点阵列的相对位置建立不同的探测布置方式,根据探测任务选择不同的探测布置方式以布置发射源及接收点,由接收点按时间序列采集归一化感应电动势数据,将按时间序列采集的归一化感应电动势数据定义为原始数据,将原始数据存储至主机;
步骤二、获取含水地质体双场信息数据和钻孔富水性信息数据
对原始数据同时进行瞬变电磁扩散场数据处理和拟地震波动场数据处理,得到含水地质体双场信息数据;对巷道钻孔富水性数据提取含水饱和度及孔隙度数据作为钻孔富水性信息数据;
步骤三、含水地质体富水性智能判别模型构建
将含水地质体双场信息数据进行样本集建立,基于深度神经网络算法对样本集与钻孔富水性信息数据的复杂非线性关系进行优化逼近,得到训练后的模型;
步骤四、含水地质体富水性预测
由步骤一另外指定的接收点按时间序列采集一组归一化感应电动势数据,将按时间序列采集一组归一化感应电动势数据定义为指定原始数据,将指定原始数据按照步骤二径向瞬变电磁扩散场数据处理和拟地震波动场数据处理得到指定含水地质体双场信息数据,将指定含水地质体双场信息数据输入模型,模型输出含水饱和度及孔隙度;
由模型输出的含水饱和度及孔隙度对照如下Φ和S的判断标准得到含水地质体富水性等级,根据含水地质体富水性等级对指定的接收点位置的含水地质体富水性进行预测:
Φmin≤Φ<Φmin+(Φmax-Φmin)*0.25,Smin≤S<Smin+(Smax-Smin)*0.25,则含水地质体富水性等级为不含水;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于煤炭科学技术研究院有限公司;山西晋煤集团技术研究院有限责任公司,未经煤炭科学技术研究院有限公司;山西晋煤集团技术研究院有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010926353.X/2.html,转载请声明来源钻瓜专利网。