煤矿突水灾害中微震前兆特征识别的人工智能方法研究.pdfVIP

技术研究2025年第12期

煤矿突水灾害中微震前兆特征识别的人工智能方法研究

1，23

赵倩 王斌

1. 山西工程职业学院 山西 太原 030009

2. 山西省能源职业学校（山西省能源职工教育中心 山西 太原 030012

3. 中北大学 山西 太原 030051

摘要：煤矿突水灾害具有突发性强、隐蔽性高等特点，微震信号作为其关键前兆载体，在智能预警

中具有重要价值。本文提出一种基于CNN-LSTM融合网络的微震前兆识别方法，构建多维时频特征体

系，融合小波包能量、Hilbert边缘谱与高阶统计熵指标，通过PCA降维形成输入向量。模型架构联合卷

积层与长短期记忆网络，嵌入注意力机制以提升识别精度，并引入改进Focal Loss应对样本失衡。实验在

华北某矿区典型突水案例中开展，模型F1值达