来源：期刊VIP网 时间：
作者：周官群;薛凯文;张维鑫;高永新;金学良;王宗涛;任川;王亚飞;
单位：合肥工业大学资源与环境工程学院;合肥工业大学土木与水利工程学院;淮北矿业(集团)有限责任公司;中国矿业大学资源与地球科学学院;安徽惠洲地质安全研究院股份有限公司;
摘要：透射槽波地震勘探是探测工作面地质构造和灾害体的有效手段，但存在探测深度浅、分辨率低、易受地形与环境噪声干扰等问题。针对该问题，将深度学习技术引入透射槽波地震勘探，用于实现工作面走向断层位置预测。建立工作面走向断层地质模型，采用弹性波有限差分算法进行槽波正演模拟，生成槽波模拟数据集。构建卷积神经网络-长短期记忆（CNN-LSTM）网络模型，通过CNN提取槽波数据的局部特征，由LSTM网络捕捉槽波数据的时序依赖关系，实现槽波时空特征协同解析。采用槽波模拟数据集训练CNN-LSTM模型，预测的均方根误差为4.393 4 m，平均绝对误差为2.987 5 m，决定系数为0.988 3，验证了该模型具有较高的预测精度和较好的泛化能力。采用内蒙古某矿506工作面透射槽波勘探数据对CNN-LSTM模型进行迁移训练和验证，结果表明该模型预测的断层位置和走向与回采揭露的实际位置一致，预测效果优于槽波能量衰减成像、无线电坑透探测技术。
关键词：工作面地质勘探;;断层预测;;断层定位;;透射槽波;;卷积注意力长短期记忆网络;;CNN-LSTM
基金资助：国家自然科学基金面上资助项目(42174084)
