煤炭学报

作者：付翔, 贾一帆, 张小强, 张智星, 闫明, 孙岩, 秦一凡, 王然风, 王泽华, 张磊磊,

关键词：矿压数据分析, 来压判别, 来压区域预报, 深度学习, 空间自相关,

综采工作面周期来压预测预报在预防顶板灾害和保障矿井安全生产中具有重要意义，当前综采智能化建设发展使工作面产生海量压力数据，数据驱动与数智赋能是工作面周期来压预测预报的技术发展关键。基于来压预报技术需求与数据动态分析技术优势，提出了智能综采工作面时空区域来压事件动态预报方法体系。首先提出区域块来压判别方法，设计基于区域块划分的特征提取和来压判别算法，利用现场数据对比分析单架与区域块来压判别结果，验证了区域块来压判别方法更易揭示工作面来压周期性时空显现规律；然后构建了基于CNN-BiLSTM-Attention融合网络的区域块循环末阻力特征预测模型，利用200个工作循环的液压支架立柱压力现场数据作为样本进行建模分析，通过对比评估不同模型验证了该模型的优越性，其均方误差低至0.002 3，达到应用标准；最后构建基于局部莫兰指数的来压区域自相关聚合模型，设计开发区域块循环末阻力特征自相关聚合算法流程，实现自动地、动态地预报来压事件及其区域范围，与真实来压工况对比模型预测准确率达85%。上述模型方法分别在本工作面、不同矿井相似地质工作面、同一矿井不同地质工作面进行模型应用，分析结果表明：本工作面可以较准确地动态预测预报下一阶段循环来压事件及其区域；在相似地质条件下模型仍具备一定的应用价值，泛化能力较好；在不同地质条件下模型应用效果显著下降，需重新建模以提升预测准确性与实用性。该方法为工作面周期来压预测预报提供了切实可行的技术路径，在矿井安全监测和灾害预警方面具有重要的应用前景。

来源：2026年第2期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2026年第2期