Resumen

La predicción de eventos sísmicos es una tarea crucial para prevenir los riesgos de explosión de rocas en las minas de carbón. En la actualidad, esta tarea atrae cada vez más el entusiasmo investigador de muchos expertos en minería. Teniendo en cuenta las características temporales de los datos de monitorización, la predicción de eventos sísmicos puede resumirse como una tarea de predicción de series temporales. Este trabajo contribuye a abordar el problema de la dependencia histórica a largo plazo en la predicción de series temporales sísmicas con redes neuronales de convolución temporal profunda (CNN). Proponemos una red de convolución temporal causal dilatada (DCTCNN) y un modelo híbrido de memoria a corto plazo de CNN (CNN-LSTM) para predecir eventos sísmicos. En concreto, DCTCNN se diseña con núcleos CNN dilatados, estrategia causal y conexiones residuales; CNN-LSTM se establece de forma híbrida utilizando las ventajas de CNN y LSTM. Basándose en estos métodos, tanto DCTCNN como CNN-LSTM pueden extraer características históricas a largo plazo de los datos sísmicos monitorizados. Los modelos propuestos se prueban experimentalmente en dos conjuntos de datos sísmicos de minas de carbón reales. Además, también se comparan con un método tradicional de predicción de series temporales, dos algoritmos clásicos de aprendizaje automático y dos redes estándar de aprendizaje profundo. Los resultados muestran que DCTCNN y CNN-LSTM son superiores a los otros cinco algoritmos, y completan con éxito la tarea de predicción sísmica.

• Materias:Ingeniería electrónica Redes Inalámbricas Arquitectura informática Sistemas de comunicación Informática Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Computer architecture Communication systems Computing Data processing
• Palabras claves:cnn, lstm, dctcnn, riesgos de explosión de rocas en minas de carbón, red de convolución temporal causal dilatada, predicción de series temporales sísmicas, redes de aprendizaje profundo estándar, tarea de predicción de series temporales, método tradicional de predicción de series temporales, predicción de eventos sísmicos
• Keywords:cnn, lstm, dctcnn, coal mine rock burst hazards, dilated causal temporal convolution network, seismic time series prediction, standard deep learning networks, time series prediction task, traditional time series prediction method, seismic events prediction