本发明涉及煤岩动力破坏监测预警，具体涉及一种基于ssa-svm算法的煤岩动力破坏多参量预警方法。
背景技术：
1、煤矿动力灾害预警是保障深部资源安全高效开采的关键技术支撑。随着我国浅部煤炭资源逐渐枯竭，开采深度以年均10-25m的速度向千米深部延伸，高地应力、高瓦斯压力、强采动扰动的“三高”环境导致煤岩动力灾害(如冲击地压、煤与瓦斯突出)呈现频发、群发态势。此类灾害具有突发性强、能量释放剧烈、链式破坏显著等特点，近十年全国煤矿动力灾害事故年均造成超百人伤亡及数亿元直接经济损失，严重威胁矿工生命安全与企业稳定运营。
2、目前较多学者利用微震信号进行冲击地压预警，取得了一定效果，但仍有较多不足之处：(1)尽管采用了多个预警指标，但不同指标的关联分析不足，有些指标相互矛盾；(2)对多个指标进行数据融合计算时，采用加权平均的方法，忽略了煤岩动力灾害的非线性特征，预警成功率低；(3)采用的机器学习算法容易陷入局部最优，误报率较高；(4)动态预警实时性不足，采用的静态模型没有考虑地质条件的变化；(5)噪声干扰抑制能力弱。
技术实现思路
1、为了克服已有技术的不足，本发明提出一种基于ssa-svm算法的煤岩动力破坏多参量预警方法，能够实时采集煤岩试样动力破坏过程中的声发射数据，并通过ssa-svm算法来实现实时精确预警，为煤岩体动力灾害(如冲击地压)预警提供参考。
2、本发明解决其技术问题所采用的技术方案是：
3、一种基于ssa-svm算法的煤岩动力破坏多参量预警方法，包括以下步骤：
4、(1)选择需要预警的煤岩试样，开展室内单轴或三轴压缩试验，利用声发射监测系统采集煤岩试样动力破坏过程中的声发射信号；
5、(2)利用matlab程序对声发射信号进行预处理，提取其时频域特征信息，得到10个声发射指标及演化规律，10个声发射指标分别表示为：a(t)、a、a(b)、sd、δf、η、zmap、qt、ac、ds；a(t)表示断层总面积值，理论上在强能量释放前，a(t)出现高值异常，表明在强能量释放前，微震活动性增强；a表示煤岩损伤演化速率声发射事件活跃度，其数值与单位时间内ae事件发生率呈正相关，该指标越大，冲击地压发生的可性能越高；a(b)表示微震能级转换系数，该指标越大，冲击地压发生的可能性越高；sd表示微震活动度，该指标越大，冲击地压发生的可能性越高；δf表示微震活动标度，该指标绝对值越大，冲击地压发生的可能性越高；η表示震级-频次关系曲线的偏离程度，该曲线上凸时，冲击地压发生的可能性较大；zmap表示微震异常值，该指标绝对值越大，冲击地压发生的可能性越高；qt表示微震活动信息熵，该指标下降，表示冲击地压发生的可能性越高；ac表示算法复杂度，该指标下降的速率越大，冲击地压发生的可能性越高；ds表示时空扩算性，大能量事件释放前，该指标有个快速增加的过程；
6、(3)按照正向、负向或双向指标的计算方式，对上述10个声发射指标进行归一化处理；
7、(4)重复步骤(1)～(3)，开展不少于50块的煤岩试验进行试验，将声发射指标的演化规律与试样的应力演化规律进行对比分析，计算各个声发射指标预测的成功率，挑选成功率大于预设百分比阈值的声发射指标；
8、(5)根据筛选后的声发射指标信号构建特征矩阵，划分训练子集和验证子集；
9、(6)构建svm回归模型架构，完成核函数选择及结构参数初始化；
10、(7)运用麻雀搜索算法ssa优化惩罚因子c与径向基核函数的参数g，通过交叉验证确定最优超参数组合；
11、(8)应用已建立好的预测模型对未来时刻能量变化进行预测，即可实现煤岩动力灾害实时预警。
12、进一步，所述步骤(1)中，声发射系统应选择美国pac公司生产的声发射系统，探头布置不少于6个，所述探头呈空间分布，不在同一个平面上。
13、更进一步，所述步骤(2)中，10个声发射指标的表达式如下：
14、
15、上式中，n(k)为时间t至t+δt间隔内能级为k的声发射震源数目；k为每个震源的能级；
16、
17、上式中，m是地震的震级；a和b为系数，其统计学的意义为：a表示为地震的活动水平，b表示为大小地震数目之间的比例关系；
18、
19、上式中，mi为第i个微震的能级，n为微震个数；
20、
21、上式中，mmax为最大微震能级；
22、
23、上式中，t为时间窗口，m为声发射震源能级。
24、
25、上式中，xi＝mi-m0，m0为初始能级；ni表示震源事件的个数；mi表示第i个震源事件的能级。
26、
27、上式中，nto为总体微震个数；nsa为样本微震个数；σm2为总体微震能级方差；σm2为样本微震能级方差；为总体微震能级平均值；为样本微震能级平均值；
28、
29、上式中，pi＝(ti+1-ti)/(tn-t1)，ti为第i个微震发生的时刻；tn为第n个微震发生的时刻；
30、
31、上式中，mac＝mmax-mmin+1；
32、
33、上式中，为顺序发生震源事件的平均距离；则为顺序发生震源事件间的平均时间间隔。因此数据绝对量值很大，为成图美观，将一个序列中的最大值作为分母，将此序列进行归一化处理，将ds限定在[0，1]区间。
34、再进一步，所述步骤(3)中，进行归一化处理采用如下表达式进行：
35、
36、其中，wij表示经过归一化处理后的微震指标，λij(t)包含三种情况，分别为正向指标：λij↑(t)＝[(qmax-qij)/(qmax-qmin)]；负向指标：λij↓(t)＝[(qmin-qij)/(qmax-qmin)]；双向指标：
37、其中，λij↑(t)为正向指标，λij↓(t)为负向指标，为双向指标；qmax为指标的最大值，qmin为指标的最小值；qij为第ij个微震指标值。
38、优选的，所述步骤(3)中，正向指标值越大，煤岩动力破坏发生的可性能越高；负向指标值越小，煤岩动力破坏发生的可性能越高；双向指标绝对值越大，煤岩动力破坏发生的可能性越高。
39、进一步，所述ac为负向指标；a(t)、a、a(b)、sd、δf、η、qt、ds为正向指标；zmap为双向指标。
40、所述步骤(7)中，ssa算法包含初始化种群、计算适应度值、更新发现者、更新加入者、更新警戒者、更新最优麻雀位置、判断是否满足终止条件，终止条件为迭代次数是否大于目标值；所述步骤(7)的过程为：
41、计算适应度值如下：
42、
43、上式中，xi表示为第i只麻雀所在的位置，fi＝f(xi)表示为第i只麻雀的适应度值，z是麻雀数量，d为待解的适应度函数变量维度；
44、更新发现者如下：
45、
46、上式中，t为当前的迭代次数；j＝1,2,3…,d代表维度；为第i个麻雀在第t次迭代时于第j维上的值；α∈(0,1]为随机数；iter max为最大迭代次数；st∈[0.5,1.0]、w∈[0,1]分别是当前位置的安全阈值和预警值；z则是符合正态分布的随机数；l是1×d维的矩阵，其中所有的元素都是1。当w≥st时，表示有小部分麻雀发现危险情况，提醒鸟群转移到安全位置；
47、更新加入者如下：
48、
49、更新警戒者如下：
50、
51、式中：是上一代整体鸟群所在的最优位置；fi是当前麻雀的适应度值；β是服从均值为0方差为1的正态分布的随机数；k为[-1,1]范围内的随机数；ε为常数，则fg和fw分别为上一代鸟群中最好和最差的适应度值；当fi＞fg时，表明鸟群周围的麻雀开始向中心区域移动；当fi＝fg时，表明处于鸟群中心位置的麻雀要向其他麻雀靠近；
52、判断终止条件如下：
53、n≥n*(公式16)。
54、进一步，所述步骤(8)中，svm模型训练过程中，对比预测值与实际值的大小关系，计算拟合优度，若拟合优度大于85％，则svm模型用于煤岩动力破坏多参量预警。
55、本发明的有益效果主要表现在：具有全局寻优能力突出、时动态适应性优异、多源数据融合效率高、噪声抑制能力增强和计算资源占用低的优点，充分利用了煤岩试样的声发射数据，能够降低误差，提高预警准确率，做到对煤岩动力灾害进行实时预判、预警的报警，且实现方法简单，节约成本，具有更广泛的应用范围。