煤田地质与勘探

作者：张天军, 曹新爽, 宋爽, 贺绥男, 薛仪伦, 刘国瑛, 陈俊涛,

关键词：煤体破坏, NRBO-XGBoost, 裂纹扩展, 智能识别, 声发射多元参量, 加载速率,

目的煤岩动力灾害事故与煤岩破坏的复杂性和不确定性密切相关，准确识别煤体裂纹扩展状态是研究其失稳破坏的重要途径，目前基于声发射物理量信息的识别方法存在速度慢、效率低等问题，难以满足煤矿安全、高效和智能化开采需求。方法为实现煤体裂纹扩展状态的智能识别，通过分布式梯度增强库(XGBoost)构建一种基于牛顿−拉夫逊优化算法(NRBO)的优化模型，建立声发射震级−频度关系b值、活跃度S值及破裂类型RA-AF值等多元参量与煤体裂纹扩展状态的对应关系，通过开展煤体破坏声发射监测试验，得到声发射多元信号数据，并以此作为训练样本，利用NRBO-XGBoost模型对不同加载速率下煤体的裂纹稳定扩展(Ⅲ)和不稳定扩展(Ⅳ)阶段进行智能识别，实现XGBoost参数的自适应寻优，采用准确率、精确率、召回率及F1值4项指标评估各模型的性能。结果和结论结果表明：(1) 在Ⅲ阶段，煤体b值和S值均小幅度升高，剪切裂纹所占比例减少，进入Ⅳ阶段后，b值和剪切裂纹占比呈相反变化趋势，S值大幅度升高；随着加载速率增加，b值波动水平和幅度均降低、S值升高幅度减小、剪切裂纹所占的比例增加幅度增大。(2) 建立的NRBO-XGBoost模型实现了由声发射多元参量到煤体裂纹扩展状态的智能识别。(3) 同XGBoost和PSO-XGBoost模型的4项评估指标对比，NRBO-XGBoost模型下低和高加载速率样本分别达到90.69%、88.79%、99.00%、93.62%和82.76%、86.76%、88.50%、87.62%，效果最优。研究成果为声发射技术在煤体裂纹扩展状态识别与智能监测研究提供了新的思路，利用实测声发射数据建立预测模型，可实现煤岩动力灾害的监测、预警。

来源：2025年第4期

《煤田地质与勘探》期刊编辑部

查看煤田地质与勘探杂志2025年第4期