1.矿井地球物理勘测装备与智能解释

　　矿井地球物理勘探作为煤矿智能开采重要的精准地质探测及监测预警方法，是实现透明化地质的重要手段。因此实现工作面地质信息的“定量”探测是矿井地球物理勘探的重要发展方向。

　　在全空间、多场耦合、正反演等方面，加强矿井物探方法的理论基础研究，更加重视地质异常体和工作面煤层在大地坐标下的三维空间展布、位置、富水性等信息。现阶段，煤矿工作面从设计到回采的过程中积累了大量的物探和地质资料，对各阶段物探成果数据进行系统、全面的整合研究，实现多源物探数据融合，从不同物性联合反演、多参数对比识别等方面提高矿井物探精细探查水平。

　　在勘探装备方面，针对井下特殊探测环境研发满足防爆要求的智能化、国产化、轻便化矿井物探设备，进行地面与巷道、巷道间、孔巷间以及孔间探测等新方法、新技术的探索与研究，并开发配套的数据处理和成果表达软件，形成实时探测和成像的工作模式才能满足煤矿智能化和透明化的要求。

　　此外，以深度学习等为核心算法的人工智能技术已经在语音与图像识别等多个领域取得了革命性突破,同时在地震勘探领域也展现出良好应用前景。三维地震勘探是目前地质勘探中的主流技术,但三维地震数据的数据量通常较大，使得常规方法在重建三维地震数据时往往需要面临较大的计算量,增加了数据处理的时间成本。通过对地震数据进行分析，利用不同岩性的地震反射特征，将地质构造识别定义为一个分类问题，结合人工解释的构造带标签数据，通过网络训练与预测，识别出数据中地层岩性、断层、分界线等的空间分布范围(图1)。深度学习技术已渗透到物探数据处理与解释领域,将推动物探一体化智能化的迅速发展。

　　2.全要素多尺度动态地质模型与数值模拟

　　构建全要素多尺度动态地质模型是地质保障的重要内容。全要素是指模型包含地层、煤层、断层等静态地质构造以及水文、矿压、瓦斯、煤质等动态属性信息。多尺度是指地质模型从宏观到微观，模型数据分辨率逐渐增大，透明化矿井地质模型涵盖所有的隐蔽致灾地质因素，服务于地质工作的资源管理、地质分析、预测预报等全过程。透明化工作面地质模型则根据精细化物探建立高精度地质模型，随采进行煤岩层识别，对模型进行动态修正，最终构建数据驱动的透明工作面数字孪生开采场景，服务于智能综采和智能综掘。整个模型的建模流程如图2所示。

　　全要素多尺度动态地质模型应该是一个能够与数值模拟集成的数据模型，即模型体元应该与AN-SYS、ModFlow、FLAC3D等软件进行数据互操作，支持水文、矿压等数值模拟结果导入和模型更新。地质模型不仅能够直观展示煤层的空间赋存形态、覆岩厚度、含水层厚度、隔水层厚度等；而且能够开展一系列的数值模拟，如工作面推进过程、“三带”发育过程、上覆基岩应力变化过程、上覆岩层移动变形过程、地下水运移过程等。

　　3.隐蔽致灾因素智能分析与预测

　　矿井地质工作的重要环节是查明矿井普查与生产过程中所有隐蔽致灾地质因素，包括采空区、封闭不良钻孔、断层、裂隙、褶曲、导水断裂带、地下含水体、井下火区，古河床冲刷带、天窗等不良地质体等。结合地质规律和揭露情况，在三维地质模型的基础上提供地质预测预报是智能地质保障系统的核心功能。

　　针对地质数据多源异质、基准不一致、特征多元、语义复杂等特征，可结合地质专家知识、地学计算、地学专业模型、大数据分析方法等，提供GIS空间分析、传统多元统计方法、动态数据处理、机器学习、深度学习等大数据分析算法，对各类地质数据、工程数据进行有效处理与挖掘，对矿井各类地质数据、工程数据进行关联分析、统计分析，并结合具体场景及专业经验自定义拓展大数据分析模型，提供运行环境并以可视化的方式进行直观展示。地质大数据分析内容包括地质构造分类及对采掘影响程度分析、地质预报、水害预报及地质灾害统计分析、水文观测监测数据分析、地测防治水工程统计分析、贯通立交数据分析、采空区及沉陷区面积数据分析、进尺数据分析等。

　　通过云服务平台汇集的地质数据、监测监控、综合自动化、生产采掘接续、安全管理等数据，结合上述大数据分析处理技术及矿井水害、火灾、冲击地压等预警模型，基于大数据挖掘和决策支持，实现对地质隐患的智能诊断和预警，如图3所示。

　　4.基于地质模型的动态生产规划

　　油气田领域已经将高精度油气藏三维地质模型与人工智能、专家分析、产量预测、生产规划与质量控制结合起来，实现油气藏开采的动态生产规划。

　　在煤矿行业，以三维地质模型为核心建立动态生产规划将具有很好的发展潜力。由于矿山企业的生产过程不连续，无法建立实时的订单反馈机制，难以达到智能制造行业对生产过程实时精准的预测，也无法做到油气田行业对生产过程的实时优化调整。也可以通过订单数据，对矿山开发生产动态信息进行智能诊断，结合大数据方法挖潜深层因素，反向开展生产计划优化等，实现更为敏捷的生产经营决策。

来源：《煤矿智能地质保障系统研究进展与展望》