深度学习在煤矿水力压裂微震检测中的应用

作者：李昊; 高林生^*; 刘麟; 邵坤

来源：西安科技大学学报, 2023, 43(04): 686-696.

DOI：10.13800/j.cnki.xakjdxxb.2023.0405

• 煤矿
• 水力压裂
• 微震事件
• 深度学习

水力压裂在煤矿中被广泛应用，通常用微震检测压裂效果。为了准确识别微震的微弱波形，为后续定位、反演等波形处理奠定基础，采用深度学习卷积神经网络与图像相结合的方法，对比分析时域卷积神经网络模型、小波卷积神经网络模型、赤池信息量准则、长短时窗法4种方法识别煤层钻孔水力压裂的微弱微震数据的效果。结果表明：时域和小波卷积神经网络模型训练和测试准确率均达到99%以上，损失函数均在0.02以下；在对一个小时连续微震数据的检测中，时域模型、小波模型微震事件识别精确率分别达到100%,84%,召回率分别达到68%,57%,优于赤池信息量准则、长短时窗法的微震事件识别精确率66%,40%,召回率42%,25%;对比煤矿水力压裂微弱真实事件识别结果，时域和小波卷积神经网络模型优于赤池信息量准则和长短时窗法方法，时域模型优于小波模型。上述结果证明深度学习的卷积神经网络模型有较强微弱波形识别能力和泛化能力，是一种更优的煤矿水力压裂微震检测方法。

• 单位
  华北科技学院; 西安科技大学