开展多类型冲击地压前兆特征机器学习与预警对于保障冲击地压矿井安全具有重要意义。以宽沟煤矿多种冲击类型的I010203综放工作面为背景，通过现场调研、理论分析、机器学习等方法，分析了该工作面发生冲击地压的主要类型，研究了在实体煤下、实体煤与采空区的过渡区域下开采时微震能级、频次分布特征，优选了冲击地压时序上的监测预警指标，分析了大能量事件发生的前兆特征，构建了贝叶斯优化算法（Bayes）与长短期记忆网络（LSTM）结合的时间危险等级预警模型（Bayes-LSTM），并进行了模型工程实践检验。研究结果表明：该工作面大能量诱冲事件主要发生在实体煤下的区域，尤其区段煤柱邻近区域为显著，且震源能量较其他区域更大，诱冲事件多集中在超前工作面50-150米范围内。微震事件在实体煤下工作面中间位置表现为高能高频趋势，煤柱区域以高能为主，实体煤与采空区的过渡区域为高频区域，相比之下，采空区下的能量与频次明显较低。确定了b值、a值、A(b)值、缺震、ΔF、S和H(t)为该工作面时序上的冲击地压多元监测预警指标，预警指标曲线演化至极值处、接近极值的下降或突增至较高值的阶段表征着大能量事件发生的前兆。构建的模型实现了每日的冲击危险程度进行分级预警。运用混淆矩阵对贝叶斯优化算法与长短期记忆网络结合的测试结果进行分析，测试集准确率达84.8%，能够准确预警大多数“强”等级事件。该模型在冲击地压的时间预警中具有良好的适用性与实用性，研究成果为冲击地压矿井监测和灾害防控提供了技术支撑。

0 引言
1 工程背景
1.1 矿井及工作面概况
1.2 大能量诱冲事件统计
1.3 冲击地压影响因素分析
2 I010203工作面时间预警指标及其前兆特征
2.1 冲击地压前兆预警指标及物理意义
2.2 微震能级和事件数分布
2.3 微震能级-频度特征
2.4 基于微震的多参量时间预警指标及其前兆特征
2.5 时间预警指标总结
3 时间预警数据集构建
3.1 时间预警指标及数据特征预处理
3.2 评估指标选取
4 冲击地压时间序列危险等级预警方法模型构建与验证
4.1 冲击地压时间预警模型构建
4.2 时间预警模型训练及预测
4.3 时间预警模型工程实践性能测试
5 结论

崔峰,何仕凤,罗钟,等.基于贝叶斯优化算法与机器学习相融合的冲击地压多元指标预警研究[J/OL].煤炭学报,1-17[2025-03-19].https://doi.org/10.13225/j.cnki.jccs.2024.1499.