技术摘要：
本发明说明书一个或多个实施例提供一种基于特征学习的隐伏断层预测方法、装置、设备及介质，其中的方法包括：根据采掘区的揭露信息得到断层属性信息，按照预设规则对所述断层属性信息进行处理以得到断层样本数据；将断层样本数据以走向特征聚类得到井田断层发育的各优  全部
背景技术：
断层是煤矿生产中最常见的地质构造，它不仅造成煤炭资源浪费，往往也是诱发 顶板事故、瓦斯突出和水害事故的直接原因。当前，落差大于20米的大断层通常在勘探阶段 已经查明，它们通常用来划分井田或采区。但是中小规模的断层在现有的勘探技术条件下， 尚不能准确查明，它们主要通过生产揭露发现。因此，对于中小规模隐伏断层，尤其是落差 小于10米的断层的预测是煤矿地质工作的重点。 要查明采掘工作面前方的隐伏断层，有效的手段是采用物探、钻探等各种手段开 展超前探测。但受上述工程的不菲造价及施工条件限制，超前探测需要有针对性，而非结合 生产时时处处的开展。通过分析已揭露断层的发育规律来预测采掘工作面前方可能隐伏的 断层正好解决了以上问题。国内外学者们采用分形理论研究了断层数量、规模和空间分布 特征，以及空间分布指数和断层规模指数之间的相互关系。也有学者用随机断层模拟方法 绘制了断层存在概率分布图。另外，人工神经网络也被引入到断层发育规律分析与预测，将 与断层发育有关的煤层底板高程、煤厚、涌水量、瓦斯涌出量等指标异常作为预测断层存在 的依据，以已采区揭露的数据作为训练样本通过机器学习得到预测模型，最终可以给出采 掘工作面前方是否存在断层的判断。 上述科研成果，将煤矿采掘区域的构造复杂程度从定性认识上升为定量评价，又 从定量的复杂程度评价上升到采掘前方是否存在隐伏断层的预测，但都未能做到预测采掘 前方存在的断层的位置及其属性，这无疑限制了它们的应用价值。
技术实现要素：
有鉴于此，本说明书一个或多个实施例的目的在于提出一种基于特征学习的隐伏 断层预测方法、装置、设备和介质，采用断层带作为断层发育规律表达的载体，并定义了断 层带的相关属性，定量给出预测和隐伏断层存在的概率和位置偏差范围，以解决目前隐伏 隐伏断层预测所存在的问题。 基于上述目的，第一方面，本说明书一个或多个实施例提供了一种基于特征学习 的隐伏断层预测方法，所述方法包括： 根据采掘区的揭露信息得到断层属性信息，所述断层属性信息至少包括断层的位 置、落差、走向及延伸长度属性信息，按照预设规则对所述断层属性信息进行处理以得到断 层样本数据； 将断层样本数据以走向特征聚类得到井田断层发育的各优势走向簇，所述走向特 征的最佳分组数由轮廓系数确定； 在断层走向特征聚类的基础上，对各所述优势走向簇以为断层定义的距离为特征 4 CN 111582536 A 说　明　书 2/16 页 再次进行聚类，得到井田内发育的各断层带，其中，所述断层距离特征的最佳分组数由轮廓 系数确定； 采用线性回归方法得到各断层带中线，并计算各所述断层带的延伸指数、缓冲半 径及落差期望属性值，以刻画断层带走向的延伸、倾向的离散及落差特征，并借此预测采掘 工作面前方隐伏断层。 结合上述说明，在本发明实例的另一种可能的实施方式中，所述计算所述各断层 带的延伸指数、缓冲半径及落差期望属性值之前，所述方法还包括： 对各所述断层带的延伸指数、缓冲半径及落差期望分别进行定义，包括： 对所述延伸指数进行定义，所述延伸指数为所述断层带在已采掘范围的揭露比 例； 对所述延伸指数进行定义，所述延伸指数为所述断层带在所述断层带构造中线的 摆动半径；以及 对所述落差期望进行定义，所述落差期望为所述断层带包括的断层落差的期望 值。 结合上述说明，在本发明实例的另一种可能的实施方式中，所述对各所述优势走 向簇以为断层定义的距离为特征再次进行聚类之前，所述方法还包括： 根据确定的采掘区以及采掘区的断层带的走向值，确定所述基准线，包括： 当所述构造线走向值为第一预设范围时，结合所述采掘区一个端点的空间坐标， 以所述每一组断层样本数据的所有断层的走向平均值确定所述基准线； 当所述构造线走向值为第二预设范围时，结合所述采掘区另一个端点的空间坐 标，以所述每一组断层样本数据的所有断层的走向平均值确定所述基准线。 结合上述说明，在本发明实例的另一种可能的实施方式中，所述以线性回归的方 式得到各所述断层带的中线位置，并计算断层带定义的各属性值，包括： 确定每一所述断层带包括的各断层样本数据的离散度，所述离散度为断层偏移构 造中线的距离的样本标准差与所述断层带包括的所有断层在构造中线上的投影长度的比 值； 根据所述断层带分类结果的离散度与预设值之间的关系，预测断层的精度是否满 足指导生产的需要。 结合上述说明，在本发明实例的另一种可能的实施方式中，所述按照预设规则对 所述断层数据进行处理以得到断层样本数据，包括： 以断层落差与采掘工作面平均煤厚比值和断层的延伸长度为所述断层数据的表 征指标； 基于第一预设阈值和第二预设阈值，按照分段线性归一化处理方法对所述断层数 据的表征指标进行处理，以得到断层发育规模权重； 以所述断层发育规模权重为聚类特征对所述断层数据进行聚类，将聚类结果中对 生产有一定影响的断层作为下一步聚类分析的断层样本数据。 第二方面，本发明还提供了一种基于特征学习的隐伏断层预测装置，所述装置包 括： 数据处理模块，用于根据采掘区的揭露信息得到断层属性信息，所述断层属性信 5 CN 111582536 A 说　明　书 3/16 页 息至少包括断层的位置、落差、走向及延伸长度属性信息，按照预设规则对所述断层属性信 息进行处理以得到断层样本数据； 第一聚类模块，用于将断层样本数据以走向特征聚类得到井田断层发育的各优势 走向簇，所述走向特征的最佳分组数由轮廓系数确定； 第二聚类模块，用于在断层走向特征聚类的基础上，对各所述优势走向簇以为断 层定义的距离为特征再次进行聚类，得到井田内发育的各断层带，其中，所述断层距离特征 的最佳分组数由轮廓系数确定； 分析预测模块，用于对所述第二聚类模块得到的各断层带采用线性回归方法得到 各断层带中线，并计算各所述断层带的延伸指数、缓冲半径及落差期望属性值，以刻画断层 带走向的延伸、倾向的离散及落差特征，并借此预测采掘工作面前方隐伏断层。 上述的装置，所述装置还包括：定义模块，用于： 对各所述断层带的延伸指数、缓冲半径及落差期望分别进行定义，包括： 对所述延伸指数进行定义，所述延伸指数为所述断层带在已采掘范围的揭露比 例； 对所述延伸指数进行定义，所述延伸指数为所述断层带在所述断层带构造中线的 摆动半径；以及 对所述落差期望进行定义，所述落差期望为所述断层带包括的断层落差的期望 值。 上述的装置，所述装置还包括： 基准线确定模块，用于根据确定的采掘区以及采掘区的断层带的走向值，确定所 述基准线；所述基准线确定模块，包括： 第一子模块，用于当所述构造线走向值为第一预设范围时，结合所述采掘区一个 端点的空间坐标以所述每一组断层样本数据的所有断层的走向平均值确定所述基准线； 第二子模块，用于当所述构造线走向值为第二预设范围时，结合所述采掘区另一 个端点的空间坐标以所述每一组断层样本数据的所有断层的走向平均值确定所述基准线。 第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存 储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的基于特 征学习的隐伏断层预测方法。 第四方面，本发明实施例还提供了一种非暂态计算机可读存储介质，所述非暂态 计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述的基于 特征学习的隐伏断层预测方法。 从上面所述可以看出，本说明书一个或多个实施例提供的基于特征学习的隐伏断 层预测方法、装置、设备和介质，能够依据断层对采掘的影响程度将断层分为三个级别，并 将对生产有一定影响的断层作为有价值的断层样本数据，在后续分析过程中采用特征学习 的机器学习方法识别采掘区域内发育的断层带，同时对所述断层带的延伸指数、缓冲半径 及落差期望分别进行计算，准确刻画了断层带走向的延伸、倾向的离散及落差等方面的特 征，给出了采掘工作面前方隐伏断层的定量化预测结果。 6 CN 111582536 A 说　明　书 4/16 页 附图说明 为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将 对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的 附图仅仅是本说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性 劳动的前提下，还可以根据这些附图获得其他的附图。 图1为本说明书一个或多个实施例的基于特征学习的隐伏断层预测方法的流程示 意图； 图2为本说明书一个或多个实施例的基于特征学习的隐伏断层预测方法的确定基 准线时的流程示意图； 图3为本说明书一个或多个实施例的基于特征学习的隐伏断层预测方法的流程示 意图； 图4为本说明书一个或多个实施例的基于特征学习的隐伏断层预测方法的基准线 求取示意图； 图5为本说明书一个或多个实施例的断层预测示意图； 图6为本说明书一个或多个实施例井田采掘示意图； 图7为本说明书一个或多个实施例的走向特征聚类的轮廓系数结果示意图； 图8为本说明书一个或多个实施例的走向聚类结果示意图； 图9(a)为本说明书一个或多个实施例走向簇1距离特征聚类轮廓系数结果示意 图； 图9(b)为本说明书一个或多个实施例走向簇2距离特征聚类轮廓系数结果示意 图； 图9(c)为本说明书一个或多个实施例走向簇3距离特征聚类轮廓系数结果示意 图； 图10(a)为本说明书一个或多个实施例距离特征聚类结果1示意图； 图10(b)为本说明书一个或多个实施例距离特征聚类结果2示意图； 图10(c)为本说明书一个或多个实施例距离特征聚类结果2示意图； 图11为本说明书一个或多个实施例隐伏断层预测示意图； 图12为本说明书一个或多个实施例基于特征学习的隐伏断层预测装置的结构示 意图； 图13为本说明书一个或多个实施例电子设备结构示意图。