基于CNN-LSTM的透射槽波勘探走向断层预测研究
周官群1
薛凯文1
张维鑫1
高永新2
金学良3
王宗涛4
任川4
王亚飞1
1.合肥工业大学资源与环境工程学院,安徽 合肥 2300092.合肥工业大学土木与水利工程学院,安徽 合肥 2300093.淮北矿业(集团)有限责任公司,安徽 淮北 235000;中国矿业大学资源与地球科学学院,江苏 徐州 2211164.安徽惠洲地质安全研究院股份有限公司,安徽 合肥 231200
摘要：透射槽波地震勘探是探测工作面地质构造和灾害体的有效手段,但存在探测深度浅、分辨率低、易受地形与环境噪声干扰等问题.针对该问题,将深度学习技术引入透射槽波地震勘探,用于实现工作面走向断层位置预测.建立工作面走向断层地质模型,采用弹性波有限差分算法进行槽波正演模拟,生成槽波模拟数据集.构建卷积神经网络-长短期记忆(CNN-LSTM)网络模型,通过CNN提取槽波数据的局部特征,由LSTM网络捕捉槽波数据的时序依赖关系,实现槽波时空特征协同解析.采用槽波模拟数据集训练CNN-LSTM模型,预测的均方根误差为 4.393 4 m,平均绝对误差为 2.987 5 m,决定系数为 0.988 3,验证了该模型具有较高的预测精度和较好的泛化能力.采用内蒙古某矿506工作面透射槽波勘探数据对CNN-LSTM模型进行迁移训练和验证,结果表明该模型预测的断层位置和走向与回采揭露的实际位置一致,预测效果优于槽波能量衰减成像、无线电坑透探测技术.
关键词：工作面地质勘探断层预测断层定位透射槽波卷积注意力长短期记忆网络CNN-LSTM
分类号：TD178(矿山地质与测量)
资助基金：国家自然科学基金(42174084)
论文发表日期：2025-07-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 149-157 )
英文信息