巷道掘进前方采用钻探或地球物理方法进行超前探测含水层的位置及富水性,提前做好防治水工作对煤矿安全生产至关重要。利用钻孔瞬变电磁法(BTEM)进行超前探测优势明显,目前解释方法是根据计算的电阻率进行岩层富水性的定性分析,还无法实现对含水层富水性等级进行预测。提出利用钻孔瞬变电磁法探测,采用全卷积神经网络(FCNN)方法进行钻孔外围含水层富水性等级的准确预测。首先,依据阿尔奇公式、Kozeny–Carman公式、导水系数公式和单位涌水量公式,建立砂岩含水层单位厚度的电阻率与按钻孔单位涌水量划分的含水层富水性4个等级的对应关系;其次,建立全空间条件下不同富水性岩层的地质–地球物理模型,采用三维时域有限差分法(FDTD)进行全空间瞬变电磁场数值模拟;为了接近实际情况,在正演结果中加入了5%～15%的随机噪声,提取与岩层富水性等级关联的特征参数,采用全卷积神经网络(FCNN)进行了岩层富水性等级预测的训练和仿真测试,测试集预测的富水性等级平均准确率为91.8%;最后,利用某矿煤层水力压裂后的钻孔瞬变电磁法实测数据进行煤岩层富水性等级预测,检验FCNN方法预测效果。研究结果表明:采用全卷积神经网络预测钻孔附近岩层富水性是可行和有效的,可以实现钻孔径向方向岩层富水性等级的准确预测,提高了钻孔瞬变电磁法对钻孔外围岩层富水性的探测精度,该方法将在超前探测岩层富水性方面发挥重要作用。

国家自然科学基金项目(41974088)；安徽省自然科学基金项目(2008085QE221)；中国博士后科学基金面上项目(2022M712934)；

1 钻孔瞬变电磁法原理
2 岩层富水性特征参数
2.1 岩层富水性与电阻率的关系
2.2 特征提取
1)感应电动势及其衍生特征参数
2)采样时间及其衍生特征参数
3 全卷积神经网络预测方法
3.1 全卷积神经网络预测方法
3.2 预测模型建立
4 仿真测试与实测资料检验
4.1 仿真测试
4.2 预测结果分析
4.3 实测资料检验
5 结论

程久龙,王慧杰,徐忠忠,黄琪嵩,姜国庆.基于全卷积神经网络的钻孔瞬变电磁法岩层富水性预测研究[J].煤田地质与勘探,2023,51(01):289-297.