《International Journal of Mining Science and Technology》：An attention module integrated hybrid model for recognizing microseismic signals induced by high-pressure grouting in deep rock layers
编辑推荐：
本文针对深部岩层高压注浆诱发微震信号识别难题，提出了一种集成数据增强、深度卷积神经网络和卷积块注意力模块的混合模型WM-ResNet50。研究通过现场监测构建数据集，验证了模型在识别精度（达94.38%）和泛化能力上的优势，并结合实验室实验与工程案例证实了微震反演预测浆液扩散范围的有效性，为岩体信号处理与现场注浆实践提供了重要参考。
在深部矿产资源开采过程中，岩层加固是保障安全生产的关键环节，高压注浆技术被广泛应用于填充岩体裂隙、增强地层稳定性。然而，注浆过程中浆液在岩层内的扩散范围难以直接观测，传统经验估算方法存在较大误差。微震监测技术能够通过捕捉岩体破裂产生的弹性波来反演破裂位置，但深部工程环境噪声复杂，注浆诱发微震信号信噪比低，有效信号的识别成为制约技术应用的瓶颈。现有基于固定阈值或传统算法的识别方法在复杂条件下易失效，而简单卷积神经网络模型在处理多类型噪声干扰时表现不稳定。因此，开发一种能够自适应聚焦信号特征、精准识别注浆微震信号的智能模型，对于实时评估注浆效果、预测浆液扩散范围具有重要意义。本研究发表于《International Journal of Mining Science and Technology》，针对这一难题开展了系统研究。
研究团队主要采用了以下关键技术方法：首先，在安徽谢桥煤矿建立了微震监测系统，采集注浆过程中的波形数据；其次，基于时频特征对信号进行分类构建数据集，并采用去趋势和小波分解（db4基函数，4层分解）进行数据增强；进而，将卷积块注意力模块嵌入ResNet50框架，构建WM-ResNet50混合模型，通过通道与空间注意力机制强化特征提取；最后，利用实验室声发射实验和现场钻孔岩芯X射线衍射分析验证模型泛化能力与定位精度。
2. 项目概况
2.1. 工程背景
研究区域位于谢桥煤矿石灰岩层，注浆目标为充填裂隙发育带，阻断突水通道。通过23个分支孔进行高压注浆，以重构太原组灰岩岩层。
2.2. 微震监测系统
采用加拿大微震系统，布设14个传感器（含2个三分量传感器），采样频率5000 Hz，通过光纤传输数据，动态范围≥120 dB，为破裂定位与机制反演提供基础。
2.3. 数据集与信号分类
基于时频特征将信号分为五类：注浆微震信号（短时长75–160 ms、主频≤200 Hz）、低幅环境噪声、机械噪声、脉冲信号和无振动信号，共9689张图像，按4:1:1划分训练集、验证集和测试集。
3. 方法论
3.1. 数据增强
对三分量传感器数据采用去趋势处理消除极性干扰，并通过小波阈值去噪（λ=β*max(ω)）提升信噪比，突出注浆相关特征。
3.2. 深度CNN模型结构
以ResNet50为骨干网络，引入卷积块注意力模块，通过通道注意力（加权关键频带）和空间注意力（聚焦P/S波到达区）增强特征表达，抑制无关噪声。
3.3. 模型实现
在Windows 10平台（Intel i7-9700 CPU、GTX1650 GPU）训练模型，输入图像尺寸调整为875×656×3像素，使用“sedum”优化器，学习率0.01，批量大小55。
4. 结果与分析
4.1. 模型性能指标
采用准确率、精确度和召回率评估模型，WM-ResNet50在验证集平均准确率达94.38%，显著高于简单CNN（90.04%）、ResNet18（91.72%）和ResNet50（92.48%）。
4.2. 训练结果对比
混淆矩阵显示WM-ResNet50对注浆微震信号的召回率（85.5%）和精确度（92.7%）最优，且训练过程收敛稳定，泛化能力强。
4.3. 泛化能力验证
5折交叉验证中，WM-ResNet50在测试集准确率达98.94%；实验室声发射实验准确率98.1%，证实模型在不同尺度监测中的适用性。
5. 工程应用
5.1. 实时监测
模型集成至C++软件，识别注浆周期内596个微震事件，事件分布与注浆孔轨迹吻合，揭示浆液扩散非均匀性。
5.2. 微震活动与模型响应
微震频次与注浆参数（压力、注入速率）呈正相关，压力超过8.5 MPa后相关性减弱，反映地应力与岩体各向异性影响。
5.3. 定位精度验证
通过钻孔岩芯X射线衍射分析水泥水化产物（如C2S、Ca(OH)2），验证微震定位准确率达93.75%，支持扩散范围估计可靠性。
5.4. 优化策略
基于监测数据提出两种注浆方案优化：调整孔距至35 m以节约成本，或采用双排短孔注浆弥补长孔末端扩散不足，提升工程安全性。
6. 结论
WM-ResNet50模型通过数据增强与注意力机制有效提升注浆微震信号识别精度，现场应用证实其可为深部工程注浆效果评估与安全控制提供可靠技术支撑。未来需进一步探索模型决策机制与信号特征的关联性，增强模型可解释性。
