一种基于全卷积神经网络钻孔外围砂岩层富水性预测方法技术

本发明专利技术公开了一种基于全卷积神经网络钻孔外围砂岩层富水性预测方法，包括：获取实测原始数据；实测原始数据为钻孔内接收点按采样时间序列采集的钻孔外围含水砂岩地质体响应的感应电动势；对实测原始数据进行特征提取，生成特征信息数据；将特征信息数据输入全卷积神经网络中，根据预设富水程度等级分类标准，输出钻孔外围含水砂岩地质体的富水性分级预测信息；富水性分级预测信息为富水性类别，包括：不含水围岩、弱富水性围岩、中等富水性围岩、强富水性围岩和极强富水性围岩。可有效提高钻孔孔壁外围径向方向砂岩含水层富水程度的分级预测精度。的分级预测精度。的分级预测精度。

【技术实现步骤摘要】
一种基于全卷积神经网络钻孔外围砂岩层富水性预测方法


[0001]本专利技术涉及钻孔外围砂岩层富水性预测
，特别涉及一种基于全卷积神经网络钻孔外围砂岩层富水性预测方法。

技术介绍

[0002]矿山水害是威胁矿山生产的重大安全隐患之一，掘进巷道前方可能存在的断层、陷落柱、采空区及裂隙带等隐蔽地质体是造成水害事故突发的直接因素。为保证矿山安全开采，需要探查开采区地下含水层富水性、含水层间的水力联系及构造的导水性等问题，特别是查明砂岩层的富水性，对其危害性做出合理预测评价，对矿山安全生产具有极其重要的指导意义和实用价值。
[0003]目前，对于砂岩层富水性的水文地质评价，一般采用钻探和抽水试验相结合的方法，先在探查区施工钻孔，然后进行抽水试验，根据抽水试验情况，得出砂岩层涌水量，进而预测评价其富水性，这种方法需要施工钻孔和进行抽水试验，成本高，时间长，且只能判断钻孔位置处砂岩层富水性，无法对钻孔位置的外围砂岩层富水性进行准确预测，不能满足矿山安全生产有关规定的要求。
[0004]井下掘进巷道前方水害超前探测主要包括钻探和地球物理方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于全卷积神经网络钻孔外围砂岩层富水性预测方法，其特征在于，包括：获取实测原始数据；所述实测原始数据为接收点按采样时间序列采集的钻孔外围含水砂岩地质体响应的感应电动势；所述接收点为将发射线圈和接收线圈置于钻孔中且始终同时移动探测所述生成的接收点；对所述实测原始数据进行特征提取，生成特征信息数据；将所述特征信息数据输入全卷积神经网络中，根据预设富水程度等级分类标准，输出钻孔外围含水砂岩地质体的富水性分级预测信息；所述富水性分级预测信息为富水性类别，包括：不含水围岩、弱富水性围岩、中等富水性围岩、强富水性围岩和极强富水性围岩。2.如权利要求1所述的一种基于全卷积神经网络钻孔外围砂岩层富水性预测方法，其特征在于，对所述实测原始数据进行特征提取，生成特征信息数据，包括：将所述实测原始数据除以磁矩，得到归一化的感应电动势；将所述归一化的感应电动势经衰减速率程序处理，得到衰减速率；将所述归一化的感应电动势通过优化二分搜索算法计算得到全区视电阻率；根据所述全区视电阻率，通过由电磁场烟圈理论推导得到的时深转换公式计算得到探测距离；所述归一化的感应电动势、衰减速率、全区视电阻率、探测距离和采样时间共同构成所述特征信息数据。3.如权利要求1所述的一种基于全卷积神经网络钻孔外围砂岩层富水性预测方法，其特征在于，所述全卷积神经网络包括：编码部分和解码部分。4.如权利要求3所述的一种基于全卷积神经网络钻孔外围砂岩层富水性预测方法，其特征在于，所述编码部分由五个阶段构成；其中第一个阶段包含第一网络子结构Conv3
‑
8；第二个阶段包含第二网络子结构Conv3
‑
16；第三个阶段包含第三网络子结构Conv3
‑
32；第四个阶段包含第四网络子结构Conv3
‑
64；第五个阶段包含第五网络子结构Conv3
‑
128。5.如权利要求4所述的一种基于全卷积神经网络钻孔外围砂岩层富水性预测方法，其特征在于，所述第一网络子结构、第二网络子结构、第三网络子结构、第四网络子结构和第五网络子结构均包含卷积层、批量归一化层和ReL...

【专利技术属性】
技术研发人员：程久龙，王慧杰，徐忠忠，姜成麟，李垚，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：