金属矿山

作者：骆贞江,雷入,马少维,谭丽龙,于德宁,贺艳军,彭平安

单位：1. 中国瑞林工程技术股份有限公司,江西 南昌 330031;2. 中南大学资源与安全工程学院,湖南 长沙 410083;3. 深圳市中金岭南有色金属股份有限公司,广东 深圳 518042;4. 长沙迪迈科技股份有限公司,湖南 长沙 410083

关键词：微震监测,,信号分类,,Transformer, 模型,,深度学习,,深部矿山,

基金：国家自然科学基金项目(编号:52374256)。

针对深井矿山微震监测中人工判别效率低下、传统机器学习方法对复杂非平稳信号分类精度不足的问题,提出一种基于Transformer 架构的微震信号自动分类模型。基于真实矿山数据构建了包含微震事件、爆破振动及噪声3 类信号的标注数据集。通过提取信号时频特征并结合Transformer 的自注意力机制,该模型有效捕捉了波形中的长程依赖关系与全局特征,显著提升了分类精度,同时增强了对波形混淆现象的辨识能力,展现出良好的泛化性与工程适用性。试验结果表明:模型在测试集上达到96. 3%的整体分类准确率,微震事件与爆破信号的识别率均超过97%;在多项性能指标上均显著优于SVM、KNN、CNN-BiLSTM 及VGG16 等对比模型。本模型通过有效解决波形混淆问题,为矿山微震监测系统的智能化升级与地压灾害实时精准预警提供了技术支撑。

来源：2026年第2期

《金属矿山》期刊编辑部

查看金属矿山杂志2026年第2期