基于多源信息融合与深度学习的煤岩瓦斯复合动力灾害风险等级预警方法
王凯1
李康楠1
杜锋1
赵伟1
赵瑜2
张俊文3
赵明昊1
1.中国矿业大学(北京)内蒙古研究院,内蒙古鄂尔多斯 017000;中国矿业大学(北京)共伴生能源精准开采北京市重点实验室,北京 100083;中国矿业大学(北京)应急管理与安全工程学院,北京 1000832.贵州大学土木工程学院,贵州贵阳 5500253.中国矿业大学(北京)能源与矿业学院,北京 100083
摘要：深部开采条件下,煤岩瓦斯复合动力灾害致灾机理复杂且因素多重耦合,精准预警对保障矿井安全生产具有重要意义.提出了一种多源信息融合的深度学习预警方法,构建了 SCSSA-MSDA-TFT时序智能预警模型,其中,采用改进麻雀搜索算法(Sine-Cosine and Cauchy-enhanced Sparrow Search Algorithm,SCSSA)自适应优化模型超参数,引入多源域自适应(Multi-Source Do-main Adaptation,MSDA)实现异构监测数据的分布对齐与特征统一表征,并以时间融合Trans-former(Temporal Fusion Transformer,TFT)高效提取多源时序指标的动态演化特征,完成风险等级预警.针对微震监测、瓦斯参数等多源信息,构建数据驱动的复合动力灾害风险等级标定流程:以复合风险指数(Composite Risk Index,CRI)为核心,对其实施时序平滑,并基于受试者工作特征(Receiver Operating Characteristic,ROC)曲线分析确定高风险等级阈值;随后通过聚类有效性检验评估划分等级与数据内在结构的一致性.构建复合动力灾害预警指标体系,以XGBoost训练多分类基线并计算全局SHAP重要性,结合滑动时窗稳健性检验与子集筛选准则,形成兼具物理指向性与判别效率的紧凑指标子集.结果表明:模型在测试集的宏平均F1达到0.965、准确率为0.961,较对比模型与消融模型均有显著提升,能够准确捕捉复合动力灾害的多尺度前兆并实现对风险等级的精准预测与预警.所提出的深度学习融合预警方法能够有效整合多源信息并建立等级标定与指标体系,对提升复合动力灾害风险等级预警的准确性与可靠性具有重要工程应用价值.
关键词：煤岩瓦斯复合动力灾害深度学习时间序列指标体系改进搜索算法
分类号：TD713(矿山安全与劳动保护)
资助基金：国家重点研发计划(2023YFC3009000)国家自然科学基金(52130409)中央高校基本科研业务费(中国矿业大学(北京)博士研究生拔尖创新人才培育基金)资助项目(BBJ2024019)
论文发表日期：2026-01-31
在线出版日期：2026-03-27（本平台首次上网日期，不代表文献的发表时间）
页数：19( 461-479 )
英文信息