摘要：高强度开采和工作面长度增加使得矿压显现规律和时空分布特征出现变化，实现顶板来压的智能预测对于保障矿井安全生产具有重要意义。以陕西榆横矿区袁大滩煤矿中厚煤层加长工作面高强度开采的矿压演化趋势和分级预测为背景，分析了加长工作面支架阻力的分布特征和矿压显现规律，将工作面矿压数据动态映射至具有拓扑关系的空间网格单元，利用无监督聚类算法提取了工作面支架时空关联特征，形成了时空联动的支架阻力分析方法，构建了基于补丁机制的Transformer（Patch Time Series Transformer，PatchTST）矿压预测模型，基于现场实测数据横向对比测试了多种预测模型，验证了PatchTST的准确性和对矿压长序列预测的适用性，最后进行了工程应用性能测试和预测误差分析。结果表明：袁大滩煤矿11207加长工作面倾向方向压力分布呈现“双波峰-谷间震荡”的“M”型特征，随着推进度和时间推移，“M”型压力场总体呈现出“形成-稳定-递归”的周期性演化规律；矿压数据经过空间网格单元的动态映射和聚类分析后，可以精确辨识工作面来压积聚区域并实现来压强度分级的自动求解；PatchTST模型在回视窗口240，预测步长为3的情况下预测精度最佳，评估指标MSE值和MAE值分别为0.095、0.240；横向对比多个基于注意力机制的模型，PatchTST模型均能做到最低的预测误差；工程应用性能测试表明，所用方法准确辨识了现场观测较为强烈的来压，误差分析同样表明模型的预测精度较高，准确率可达92.8%。研究可为加长工作面矿压显现规律及工作面来压的智能预测预警提供借鉴与参考。
文章目录
0 引言
1 工程背景
2 工作面矿压分析与来压智能辨识
2.1 加长工作面矿压规律分析
2.2 矿压序列网格化建模
2.3 基于聚类算法的工作面来压等级辨识
3 基于PatchTST的矿压预测方法
3.1 矿压预测方法架构
3.2 强关联矩阵选取
3.3 卡尔曼滤波算法
3.4 PatchTST预测模型
4 工作面来压智能预测与应用
4.1 模型构建及试验设计
4.2 阈值选取及滤波结果
4.3 实验结果与分析
4.4 工程应用性能测试
5 结论
