技术摘要：
本发明公开了一种基于多场多特征信息融合的导水陷落柱识别方法，包括以下步骤：S1.针对煤矿地震勘探的地震属性和电磁法勘探的电阻率属性的提取；S2.对地震属性特征进行预处理，并进一步对特征进行优选，得到优选地震属性特征的集合；S3.对PSO‑BP神经网络进行训练和测  全部
背景技术：
我国煤层赋存条件较为复杂，埋藏较深，地质构造复杂，存在高瓦斯、高地应力、高 地温等不安全因素，易引起瓦斯爆炸、透水、冒顶等地质灾害，其中矿井突水是威胁煤矿安 全生产最主要的灾害之一，在我国煤矿重大事故中，突水事故造成的人员伤亡和经济损失 重大，危害相当严重。所以，如何提高导水通道探测的精确性是现在煤矿安全开采研究的热 点。 煤矿导水通道主要包括导水陷落柱、断层及采空积水区等，导水陷落柱是主要的 导水通道。目前常用于导水通道探测的技术方法有：地震勘探、瞬变电磁法、大地电磁法、地 质雷达、核磁共振等，其中地震勘探和电磁法勘探(瞬变电磁法、大地电磁法)效果较好。各 种方法根据现场探测条件和目标体特征具有各自的特点和优越性，但在方法和技术上仍然 存在一定的局限性，单一勘探方法的二维剖面上难以识别导水陷落柱。 电磁法勘探对于识别并查明导水通道富水性具有相对显著的效果，该方法具有穿 透高阻能力强、对低阻富水区反应灵敏等优点，但因体积效应，视电阻率断面图上低阻异常 体常呈现为低阻区域，难以圈定导水通道的具体边界与空间赋存的规模，也就是说，电磁法 勘探能确定导水通道的水分布状态，但不能准确确定导水通道的位置和形态。 地震勘探方法具有高分辨率特征，可对导水通道位置和形态进行探测。近些年随 着智能技术和可视化技术的普遍应用，地震属性分析方法发展迅速，并广泛应用于构造解 释、岩性解释、储层评价、油藏描述中，使得相干体技术、多属性分析也有了较大的发展。针 对陷落柱、断层、采空区等导水通道进行地震解释时，为了能有效识别导水通道位置和形态 以及提高定量分析精度，使用多属性综合分析技术进行精细解释是最合适的手段。但是，地 震勘探方法无法识别导水通道的水分布状态。 因此，如何提供能够减少单一勘探方法造成的误差的一种基于多场多特征信息融 合的导水陷落柱识别方法是本领域技术人员亟需解决的问题。
技术实现要素：
有鉴于此，本发明提供了一种基于多场多特征信息融合的导水陷落柱识别方法， 通过结合地震勘探的地震波场与电磁法勘探的电磁场特征，可以对导水陷落柱进行准确识 别定位，解决了单独使用一种探测方法无法实现导水陷落柱位置、形态和水分布状态的全 面识别且存在误差的问题。 为了实现上述目的，本发明采用如下技术方案： 一种基于多场多特征信息融合的导水陷落柱识别方法，包括以下步骤： S1.针对煤矿地震勘探的地震波场和电磁法勘探的电磁场两种物理场资料分别进 4 CN 111580181 A 说　明　书 2/6 页 行地震属性特征和电磁电阻率属性特征的提取； S2 .对所获取到的所有所述地震属性特征和所述电磁电阻率属性特征进行预处 理，并进一步对预处理后的所述地震属性特征进行优选，得到优选地震属性特征的集合； S3.建立PSO-BP神经网络；将所述优选地震属性特征和所述电磁电阻率属性特征 作为所述PSO-BP神经网络的输入数据进行训练和测试，获取训练好的PSO-BP神经网络； S4.采用训练好的PSO-BP神经网络对待测试二维剖面上地震属性和电阻率属性进 行分类识别； S5.根据所述二维剖面的识别结果进行导水陷落柱的三维表面重建，对三维空间 下的导水陷落柱形态和水分布状态进行识别。 优选的，S1具体包括以下内容： 对煤矿地震波场数据进行处理解释，获取深度域叠加地震数据体，提取所述地震 属性特征；对煤矿电磁场资料进行时深转换，计算所述电阻率属性特征。 优选的，S2具体包括以下内容： S21.将所提取到的所有特征数据均进行归一化； S22.对归一化后的所述地震属性特征数据进行相关分析，计算相关系数，根据相 关系数进行聚类分析，结合每个属性的地质意义和相关系数对所述地震属性特征进行优 选，得到优选地震属性特征的集合。 优选的，S3中建立所述PSO-BP神经网络具体包括以下内容： 所述PSO-BP神经网络包括PSO算法和BP神经网络，所述PSO算法对BP神经网络的初 始连接权值和阈值进行优化，所述BP神经网络包括输入层、隐含层和输出层； 确定所述BP神经网络隐含层神经元个数，确定激活函数、训练算法、权重学习函 数、性能函数、训练目标最小误差和学习速率；确定PSO算法参数。 优选的，S3中所述PSO-BP神经网络的训练和测试具体包括以下内容： (4)获取陷落柱的优选地震属性特征数据和电阻率属性特征数据作为样本数据 集； (5)随机从所述样本数据集中选取部分样本作为训练集，对所述PSO-BP神经网络 进行训练；剩余的样本数据作为测试集，输入已经训练好的网络计算正确率； (6)若正确率不满足要求，则进一步调整神经网络参数，直到满足要求。 优选的，S4具体包括以下内容： 针对待测试不同二维剖面，采集所述优选地震属性特征和所述电阻率属性特征数 据，并分别输入至训练后的PSO-BP神经网络中进行分类识别，实现对各二维剖面上导水陷 落柱位置、形态、水分布情况的识别。 优选的，S5具体包括以下内容： 根据不同二维剖面上识别出的导水陷落柱，通过泊松表面重建算法，实现导水陷 落柱的三维表面形态重建，对导水陷落柱的三维形态和水分布规模进行识别。 经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于多场多 特征信息融合的导水陷落柱识别方法，本发明结合地震波场和电磁场两种物理场资料，选 取多种地震属性和电阻率属性为特征，使用PSO-BP神经网络对导水陷落柱进行快速识别， 可实现对煤矿导水陷落柱的位置、三维形态、水分布规模的精准识别，有效避免了单一地球 5 CN 111580181 A 说　明　书 3/6 页 物理方法探测的不足而造成的导水陷落柱识别误差，大大提高导水陷落柱的识别准确度。 附图说明 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 提供的附图获得其他的附图。 图1附图为本发明提供的一种基于多场多特征信息融合的导水陷落柱识别方法流 程示意图； 图2附图为本发明提供的一种基于多场多特征信息融合的导水陷落柱识别方法中 三层BP神经网络导水通道预测结构模型示意图； 图3附图为本发明提供的一种基于多场多特征信息融合的导水陷落柱识别方法中 PSO-BP神经网络算法流程图。