尹紀超 王慎利

收稿日期：2024-01-11; 修回日期：2024-02-20

基金項目：國家自然科學(xué)基金項目（GDKJXM20210069）

作者簡介：尹紀超（1979—），男，高級工程師，碩士，研究方向為工程物探；E-mail：1783505731@qq.com

摘要：利用CUGTEM-GK Ⅱ瞬變電磁儀對礦山巷道的超前勘探工作進行實時物探，并形成三維模型成像結(jié)果，給出了礦山巖層地下水涌水量、巷道頂板及兩幫位移量等預(yù)警數(shù)據(jù)。其中，機器學(xué)習(xí)算法整合深度卷積神經(jīng)網(wǎng)絡(luò)、多列神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)二值化輸出、模糊決策矩陣預(yù)警等算法，給出了覆蓋范圍較大的粗略預(yù)警結(jié)果和覆蓋范圍較小的精細預(yù)警結(jié)果。經(jīng)仿真分析，粗略預(yù)警結(jié)果和精細預(yù)警結(jié)果均表現(xiàn)出一定的數(shù)據(jù)敏感性，且精細預(yù)警可以在巷道掘進問題巖層前24 h給出較高敏感度的預(yù)警結(jié)果。

關(guān)鍵詞：瞬變電磁法；礦山巷道；超前探測；機器學(xué)習(xí)；神經(jīng)網(wǎng)絡(luò)；數(shù)據(jù)預(yù)警

中圖分類號：TD263?? ???????文章編號：1001-1277（2024）06-0027-04

文獻標志碼：Adoi：10.11792/hj20240606

引? 言

瞬變電磁法也稱時間域電磁法（Time Domain Electromagnetic Methods，TEM），是一種利用瞬變電磁場在巖層中的反射導(dǎo)體抗磁、勵磁現(xiàn)象進行物探的勘探方法。相比其他物探方法，TEM無需鉆孔，設(shè)備體積小，操作時間短，結(jié)果分析過程無需進行數(shù)據(jù)層面的二次開發(fā)，能夠在保障礦山巷道掘進工作工期接續(xù)的同時，進行巷道掘進中的強化勘探工作［1］。

實際礦山勘探過程中，利用每天固定的工作面檢修時間，在礦山巷道掘進工作面前端迎頭執(zhí)行基于CUGTEM-GK Ⅱ瞬變電磁儀的瞬變電磁法勘探，獲得持續(xù)觀測數(shù)據(jù)［2］。研究重點為利用大數(shù)據(jù)分析算法將電磁異常區(qū)域翻譯為承壓水發(fā)育區(qū)域、斷層破碎帶等，同時分析讀取前置巖層的分界面，在TEM三維模型的基礎(chǔ)上，構(gòu)建礦山地層結(jié)構(gòu)三維模型［3］。

1? 基于CUGTEM-GK Ⅱ的TEM數(shù)據(jù)源

研究使用的CUGTEM-GK Ⅱ瞬變電磁儀是一種專門應(yīng)用于隧道超前探測的便攜式TEM設(shè)備，有效超前探測距離為150 m，可應(yīng)用在礦山巷道掘進探測領(lǐng)域。該設(shè)備主要針對地下水結(jié)構(gòu)進行探測，包括巖溶水、裂隙水、巖層含水量等，巖層中的金屬單質(zhì)及金屬順磁氧化物也會對結(jié)果產(chǎn)生影響，由于不同巖層順磁性、抗磁性（含水量等）存在差異，在地下水弱侵入?yún)^(qū)域，即存在巖溶、裂隙等較少干擾因素的前提下，根據(jù)不同巖層的含水量差異，可以對巖層賦存情況進行高清晰成像。一般全巖斷面礦山巷道掘進速度在6 m/d以下（炮掘三循環(huán)）。因此，150 m的超前探測量可供施工方掘進施工至少25 d，且利用每天檢修時間進行一次TEM探測，近端數(shù)據(jù)疊加量將達到25次以上。隨著距離增大，獲得的可疊加TEM數(shù)據(jù)量減少，數(shù)據(jù)精度也有所降低。在勘探過程中設(shè)計了4個掘進周期，分別給出不同的勘探模型精度和數(shù)據(jù)挖掘目標［4］，如表1所示。

由表1可知：按照150 m的超前探測量和25 d的掘進周期，距離巷道掘進工作面最近的1個掘進周期（約6 m）內(nèi)，數(shù)據(jù)疊加量將達到25次以上，對25次TEM測試數(shù)據(jù)基于機器學(xué)習(xí)算法進行疊加，可以獲得較高精度的數(shù)據(jù)。此時，在掘進施工中最關(guān)注的數(shù)據(jù)為掘進過程中發(fā)生涌水、巖層壓力等風(fēng)險的概率。

2? 基于TEM數(shù)據(jù)的三維模型學(xué)習(xí)架構(gòu)

上述數(shù)據(jù)來源分析中，每天在礦山巷道掘進工作面采集以TEM數(shù)據(jù)為原始數(shù)據(jù)的三維模型，該三維模型由CUGTEM-GK Ⅱ瞬變電磁儀配套的軟件工具包搭建。研究主要針對TEM多次探測產(chǎn)生的三維模型進行數(shù)據(jù)卷積分析，最終給出數(shù)據(jù)預(yù)警值?；赥EM數(shù)據(jù)的三維模型學(xué)習(xí)架構(gòu)如圖1所示。

2024年第6期/第45卷? 礦業(yè)工程礦業(yè)工程? 黃? 金

由圖1可知：通過前置數(shù)據(jù)分析所獲得的4個三維模型精度存在差異。其中，整合全部25次勘探數(shù)據(jù)的三維模型，對距離掘進工作面18 m內(nèi)數(shù)據(jù)有較強的數(shù)據(jù)支持，最高精度為距離掘進工作面6 m內(nèi)數(shù)據(jù)。TEM自帶軟件工具包給出的三維模型精度可調(diào)，一般默認網(wǎng)格節(jié)點間距為100 mm，最大精度可以給出網(wǎng)格節(jié)點間距5 mm的三維模型［5］。根據(jù)數(shù)據(jù)分析的推薦配置，上述4個三維模型的實際數(shù)據(jù)結(jié)構(gòu)參數(shù)如表2所示。由表2可知：該學(xué)習(xí)架構(gòu)中共包含2個卷積神經(jīng)網(wǎng)絡(luò)，用于輸出高精度的預(yù)警結(jié)果。其中，粗略預(yù)警包含表2中三維模型1～3的節(jié)點數(shù)據(jù)，精細預(yù)警包含表2中全部4個三維模型的節(jié)點數(shù)據(jù)。卷積神經(jīng)網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)邏輯展開圖如圖2所示。

由圖2可知：對每個三維模型分別構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)，使每個三維模型最終卷積成一個雙精度浮點型變量。為加強卷積過程待回歸變量的數(shù)據(jù)卷積能力，采用6階多項式迭代回歸函數(shù)作為卷積神經(jīng)網(wǎng)絡(luò)的基函數(shù)，每層節(jié)點量不少于上一層節(jié)點量的75 %，則三維模型1卷積模塊隱藏層數(shù)量59，節(jié)點量1.39×109；三維模型2卷積模塊隱藏層數(shù)量62，節(jié)點量4.32×109；三維模型3卷積模塊隱藏層數(shù)量64，節(jié)點量6.86×109；三維模型4卷積模塊隱藏層數(shù)量78，節(jié)點量403.52×109。經(jīng)上述卷積過程，4個三維模型中諸多節(jié)點均會被卷積成1個雙精度浮點型變量，每個節(jié)點至少包含6個待回歸變量，數(shù)據(jù)信息會被存儲到待回歸變量中，確保卷積過程信息損失量無限接近于0。在卷積神經(jīng)網(wǎng)絡(luò)后，連接3個分列的多列神經(jīng)網(wǎng)絡(luò)模塊。其中，粗略預(yù)警3個分列各有3個輸入節(jié)點，以及1個輸出節(jié)點，輸入及輸出節(jié)點運行數(shù)據(jù)均為雙精度浮點型變量［6］；精細預(yù)警3個分列各有4個輸入節(jié)點，以及1個輸出節(jié)點，輸入及輸出節(jié)點運行數(shù)據(jù)均為雙精度浮點型變量。多列神經(jīng)網(wǎng)絡(luò)內(nèi)部隱藏層再度分為2段，前段使用對數(shù)型迭代回歸函數(shù)作為節(jié)點基函數(shù)，將數(shù)據(jù)節(jié)點量擴增到13個；后段使用二值化函數(shù)作為節(jié)點基函數(shù)，將數(shù)據(jù)節(jié)點量壓縮到1個，供給輸出層。最終，每列輸出數(shù)據(jù)格式為雙精度浮點型變量，但通過二值化過程將數(shù)據(jù)投影到［0，1.000］上，且數(shù)據(jù)無限接近于0或1.000［7］。經(jīng)過上述處理的6列數(shù)據(jù)，均由獨立的模糊矩陣算法模塊進行處理，形成最終預(yù)警結(jié)果［8］。

3? 基于模糊決策矩陣的TEM預(yù)警結(jié)果

經(jīng)過對前置卷積神經(jīng)網(wǎng)絡(luò)和多列卷積神經(jīng)網(wǎng)絡(luò)的最終輸出值進行驗證，其輸出值分布情況如圖3所示。

由數(shù)據(jù)的二值化程度（如圖3-a所示）可知：0附近數(shù)據(jù)較多，其次為1.000附近數(shù)據(jù)，中間數(shù)據(jù)量較少，屬于典型的二值化數(shù)據(jù)。圖3-b為數(shù)據(jù)總落點情況的統(tǒng)計，該系統(tǒng)定義數(shù)據(jù)接近1.000時為高風(fēng)險數(shù)據(jù)，接近0時為正常數(shù)據(jù)。由圖3-b可知：數(shù)據(jù)接近0.300時可能出現(xiàn)向落點值域右側(cè)數(shù)據(jù)躍遷。所以，設(shè)計模糊決策矩陣時，達到0.300的數(shù)據(jù)被認為是高風(fēng)險數(shù)據(jù)。上述模糊決策矩陣策略如表3所示。

由表3可知：模糊決策矩陣可以給出3項預(yù)警結(jié)果（涌水風(fēng)險預(yù)警、巖層壓力風(fēng)險預(yù)警和其他風(fēng)險預(yù)警），預(yù)警結(jié)果包括由高至低分別為紅、橙、黃、藍4個預(yù)警級別和1個無預(yù)警狀態(tài)。隨后的算法仿真驗證過程，將分別考察5種預(yù)警狀態(tài)的實際意義［9］。

4? 基于仿真分析的算法效能驗證分析

山東正元地球物理信息技術(shù)有限公司近5年來承擔(dān)了4個礦井的巷道掘進工作，相關(guān)巷道斷面等效直徑為5.5～8.0 m，超前勘探過程中涉及到的勘探斷面等效為矩形（15 m×15 m），上述4個掘進工作中，均采用了每天使用CUGTEM-GK Ⅱ瞬變電磁儀進行超前勘探的安全管理輔助勘探模式。礦山巷道最大埋深1 545 m，最小埋深70 m，埋深覆蓋范圍較廣，如該方案在上述4個巷道均有較佳表現(xiàn)，則可以認定基于CUGTEM-GK Ⅱ瞬變電磁儀的TEM勘探對巷道掘進安全管理輔助勘探工作具有積極意義［10-11］。

仿真用原始數(shù)據(jù)選擇上述4個礦山巷道掘進工作中采集到的原始數(shù)據(jù)，包括CUGTEM-GK Ⅱ瞬變電磁儀的采集數(shù)據(jù)和根據(jù)其配套軟件資料包繪制的三維數(shù)字化模型，同時參考實際巷道掘進工作日志中記錄的涌水量、頂板位移量及兩幫位移量等數(shù)據(jù)。仿真環(huán)境選擇Matlab+Simuwork大數(shù)據(jù)分析軟件，運行設(shè)計的基于卷積神經(jīng)網(wǎng)絡(luò)和多列神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)算法仿真軟件。

分析5種預(yù)警狀態(tài)與礦山巖層涌水量的關(guān)聯(lián)關(guān)系，針對地下水風(fēng)險判斷分列給出數(shù)據(jù)整合得到的模糊決策矩陣預(yù)警結(jié)果。其中，涌水量數(shù)據(jù)為掘進到風(fēng)險預(yù)警位置時的實測涌水量，具體數(shù)據(jù)如表4所示。

由表4可知：礦山巖層實測最大涌水量（1 127 m3/h）均出現(xiàn)在紅色預(yù)警狀態(tài)下，實測最小涌水量（62 m3/h）均出現(xiàn)在無預(yù)警狀態(tài)下。使用較少數(shù)據(jù)量（3組三維模型數(shù)據(jù)）且預(yù)警范圍更大的粗略預(yù)警功能與使用較多數(shù)據(jù)量（4組三維模型數(shù)據(jù)）且預(yù)警范圍較小的精細預(yù)警功能相比，對涌水量的控制結(jié)果表現(xiàn)出以下特征：無預(yù)警狀態(tài)下，最大涌水量分別為104 m3/h和115 m3/h，涌水量完全處于現(xiàn)場排水系統(tǒng)控制范圍內(nèi)，施工風(fēng)險較低；粗略預(yù)警功能給出的預(yù)警值對應(yīng)的涌水量值域較寬且不同預(yù)警級別之間存在較大范圍實測涌水量的交叉數(shù)據(jù)集，反之，精細預(yù)警功能給出的預(yù)警值對應(yīng)的涌水量值域較窄且不同預(yù)警級別之間存在較小范圍實測涌水量的交叉數(shù)據(jù)集，可以判斷出精細預(yù)警的數(shù)據(jù)敏感性更強。

分析5種預(yù)警狀態(tài)下礦山巷道工作面頂板及兩幫位移量的關(guān)聯(lián)關(guān)系，為簡化比較分析過程，該分析結(jié)果中提到的所有位移量均為完成永久支護（90 d）時的實測位移量，實際支護工藝對位移量的影響并不在考慮范圍內(nèi)。仿真比較結(jié)果如表5所示。

由表5可知：最大實測巷道頂板位移量（303 mm）和最大實測兩幫位移量（219 mm）均出現(xiàn)在紅色預(yù)警狀態(tài)，最小實測頂板位移量（7 mm）和最小實測兩幫位移量（9 mm）均出現(xiàn)在無預(yù)警狀態(tài)。使用較少數(shù)據(jù)量（3組TEM三維模型數(shù)據(jù)）且預(yù)警范圍更大的粗略預(yù)警功能與使用較多數(shù)據(jù)量（4組TEM三維模型數(shù)據(jù)）且預(yù)警范圍較小的精細預(yù)警功能相比，對位移量的控制結(jié)果表現(xiàn)出與涌水量控制相似的特征：精細預(yù)警的值域縮小且不同預(yù)警狀態(tài)下值域交叉縮小。

5? 結(jié)? 語

利用礦山巷道掘進工作循環(huán)中每天固定的檢修時間，采用CUGTEM-GK Ⅱ瞬變電磁儀對礦山巷道的超前勘探工作進行實時物探，從初次探及該區(qū)域到掘進進入該區(qū)域前，最多可能對該區(qū)域進行25次瞬變電磁法勘探，并形成三維模型成像結(jié)果。利用這一系列結(jié)果，經(jīng)過深度卷積神經(jīng)網(wǎng)絡(luò)和多列卷積神經(jīng)網(wǎng)絡(luò)為核心算法的機器學(xué)習(xí)算法，給出關(guān)于礦山巖層涌水量和巖層壓力帶來的位移量預(yù)警結(jié)果。經(jīng)仿真分析，套用數(shù)據(jù)量較大的精細預(yù)警方案數(shù)據(jù)敏感性更高，在后續(xù)研究中，增加勘探密度獲得更豐富的勘探結(jié)果或采用更高的數(shù)據(jù)采樣頻率，對后續(xù)研究中獲得更精細預(yù)警結(jié)果有積極意義。

［參 考 文 獻］

［1］? 吳國培，張瑩瑩，張博文，等.基于深度學(xué)習(xí)的中心回線瞬變電磁全區(qū)視電阻率計算［J］.物探與化探，2021，45（3）：750-757.

［2］? 景賀.礦井瞬變電磁法和震波單點法巷道勘探研究［J］.山東煤炭科技，2021，39（5）：178-180.

［3］? 王志彬.綜合物探方法在孤石探測中的可行性研究［J］.福建建設(shè)科技，2021（3）：27-30.

［4］? MARTINS-BRITTO A G，MORAES C M，LOPES F V.Transient electromagnetic interferences between a power line and a pipeline due to a lightning discharge：An EMTP-based approach［J］.Electric Power Systems Research，2021，197：107321.

［5］? 趙磊磊.基于瞬變電磁法的采空區(qū)探測研究［J］.江西煤炭科技，2021（2）：128-130.

［6］? 常豐國.瞬變電磁法在采面頂板巖層富水區(qū)的探查應(yīng)用［J］.江西煤炭科技，2021（2）：134-136，140.

［7］? 張振雄，易國財，王仕興，等.基于最小構(gòu)造模型的地空瞬變電磁一維正反演技術(shù)研究［J］.物探化探計算技術(shù)，2021，43（3）：352-359.

［8］? 王興春，鄧曉紅，陳曉東，等.基于高溫超導(dǎo)的瞬變電磁法在青城子礦集區(qū)的應(yīng)用［J］.地球科學(xué)，2021，46（5）：1 871-1 880.

［9］? 楊月月，郭瑞，杜芙蓉，等.電磁式防砂篩管損傷檢測探頭設(shè)計與仿真［J］.管道技術(shù)與設(shè)備，2021（3）：38-41.

［10］? 張丹楓.瞬變電磁法勘探在煤礦多層采空積水區(qū)的應(yīng)用研究［J］.冶金管理，2021（9）：95-96.

［11］? 戚偉，李威.基于瞬變電磁法的金屬礦山深部巖體儲水分布探測［J］.黃金，2019，40（8）：41-45.

Application of transient electromagnetic method to the construction

of advanced forecasting system for mine roadways

Yin Jichao，Wang Shenli

（Shandong Zhengyuan Geophysical Information Technology Co.，Ltd.）

Abstract：The CUGTEM-GK II transient electromagnetic instrument is used for real-time geophysical exploration of mine roadways，generating 3D model imaging results，and providing forecasting and warning data for water inflow in underground rock layers，displacement of roadway roof and walls，etc.Machine learning algorithms integrated deep convolutional neural networks，multilayer neural networks，data binary output，fuzzy decision matrix warning，etc.，to provide rough warning results with wide coverage and precise warning results with narrower coverage.Through simulation analysis，both rough warning results and precise warning results show certain data sensitivity，with the precise warning results able to provide high sensitivity warning results 24 h before encountering problematic rock layers during roadway excavation.

Keywords：transient electromagnetic method;mine roadways;advanced detection;machine learning;neural networks;data warning