近期，伟德国际1946源于英国左宇军教授领衔的矿山动力灾害预警与控制团队在矿山微震信号识别及处理技术领域取得重要研究成果。相关成果成功发表在国际顶级期刊《International Journal of Rock Mechanics and Mining Engineering》（IF=7.0，中科院一区TOP期刊）和《Engineering Geology》（IF=6.9，中科院一区TOP期刊）。论文第一单位为BETVLCTOR伟德国际体育，BETVLCTOR伟德国际体育左宇军教授及省外高水平大学“组团式”帮扶专家——中南大学董陇军教授为论文通讯作者，王剑博士后为论文第一作者。

微震活动是地下采矿环境中应力重分布、地质异常和潜在风险的关键指标。如何快速有效地识别微震事件，例如噪音、爆炸和钻孔活动，对于确定矿山的稳定性和安全性至关重要。研究成果系统开展了矿山微震信号识别及处理技术方面的研究，构建了K-means和高斯混合模型（GMM）相结合的聚类方法，对矿区微震信号进行时空聚类分析，确定了导致微地震事件的采矿相关活动，例如地应力重分布、矿石运输、爆破和钻孔；采用短时傅里叶变换（STFT）提取的频率平均值和标准差、短期能量、总能量和波形长度等特征作为事件分类的多变量参数，并使用过采样和欠采样技术（如KMeansSMOTE和OneSidedSelection）进行了标准化和集成，提出了地声事件分类模型（GSEC）。研究结果不仅加深了对采矿诱发地震的理论理解，还丰富了矿山地声事件智能分类的技术手段，也为未来复杂采矿环境中地声事件精细分类的发展提供了坚实的基础。

相关研究成果受国家自然科学基金项目（52374118）和贵州省科技支撑计划项目（黔科合支撑[2022]一般247）的共同资助！

据悉，这是伟德国际1946源于英国首次以第一通讯单位在国际岩石力学和采矿工程领域顶级期刊《International Journal of Rock Mechanics and Mining Sciences》发表研究成果。

图1 使用机器学习方法的地声信号分类架构

图2 GSEC地声信号分类架构

图3 信号分类模型性能测试结果

图4 微震事件的空间聚类和特征

论文信息如下：

Jian Wang, Yujun Zuo*, Longjun Dong, Xianhang Yan. Identifying different classes of geoacoustic events using machine learning[J]. International Journal of Rock Mechanics and Mining Sciences, 2025, 192: 106114.

Jian Wang, Yujun Zuo, Longjun Dong*, Xianhang Yan. Spatiotemporal clustering of microseismic signals in mining areas: A case study of the Baoji lead zinc mine in Shaanxi, China[J]. Engineering Geology, 2025, 352: 108057.

论文链接：https://doi.org/10.1016/j.ijrmms.2025.106144

https://doi.org/10.1016/j.enggeo.2025.108057

图文| 王  剑

一审| 魏朝宇

二审| 陈兴帅

三审| 张  林