融合注意力机制的动态图神经网络煤岩应力推演方法与流程

本发明涉及煤岩应力推演，具体为融合注意力机制的动态图神经网络煤岩应力推演方法。

背景技术：

1、煤岩时空应力场的变化特征是深部地下工程稳定性分析的基础。在煤矿开采等地下工程活动中，煤岩体会受到复杂的加载与卸载作用，其内部应力状态的空间分布与时间演化直接关系到工作面的安全生产。准确获取并推演煤岩时空应力场，是研究和预警冲击地压等煤岩动力灾害的重要前提。

2、现阶段，煤岩应力推演主要依赖现场监测数据结合深度学习算法，或者采用大尺度数值模拟技术。常规的处理方式是通过应力计或应变片等传感器获取连续的监测数据，随后将这些按时间顺序排列的监测序列输入至长短期记忆网络或循环神经网络等传统时间序列模型中，通过训练历史时序数据来预测未来的应力变化趋势。对于工程尺度的应力推演，则常采用有限离散元（fdem）数值模拟方法进行应力场演化计算。

3、然而，在实际的煤岩受载破裂或采空区开挖过程中，传统时间序列预测模型存在明显的技术局限。煤岩体的开裂变形或采空区的推进会导致部分原本固定的监测点发生位置偏移甚至直接丢失。传统的序列预测模型在处理数据时严格依赖于输入节点在空间和时间上的前后一致性。一旦监测点因破裂或开挖出现位置变动与缺失，原有的数据输入序列就会出现不连续现象，导致传统模型无法适应空间拓扑结构的动态变化，进而引发因前后数据不一致导致的预测失效，难以在煤岩结构发生动态破坏的复杂条件下保证应力推演的连续性与稳定性。

技术实现思路

1、针对现有技术的不足，本发明提供了融合注意力机制的动态图神经网络煤岩应力推演方法，解决了传统序列模型在煤岩破裂或采动过程中因监测点丢失导致预测失效，以及大尺度数值模拟计算耗时且易不收敛的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种融合注意力机制的动态图神经网络煤岩应力推演方法，包括：

3、基于单轴压缩试验获取监测数据，提取煤岩试样表面的时空应变监测数据，并通过平面应力模型将时空应变监测数据转换为对应的时空应力数据，建立真实煤岩时空应力-应变数据集；

4、建立与煤岩试样尺寸对应的实验室尺度煤岩网格模型，并建立包含采空区开挖特征的工程尺度煤岩网格模型，采用数值模拟方法分别对实验室尺度煤岩网格模型和工程尺度煤岩网格模型进行计算，建立实验室尺度煤岩模拟时空应力-应变数据集和工程尺度煤岩模拟时空应力-应变数据集；

5、整合真实煤岩时空应力-应变数据集、实验室尺度煤岩模拟时空应力-应变数据集以及工程尺度煤岩模拟时空应力-应变数据集中的时空位移数据和时空应力数据，提取坐标数据及对应的位移特征数据构建近邻图，以形成图数据集；

6、将图数据集输入至融合注意力机制的动态图神经网络模型中进行处理，通过融合注意力机制的动态图神经网络模型输出包含横向应力推演值、纵向应力推演值和剪切应力推演值的推演时空应力数据；

7、基于横向应力推演值、纵向应力推演值和剪切应力推演值计算煤岩的主应力分布状态以及摩尔库伦塑性区，依据主应力分布状态以及摩尔库伦塑性区辅助识别工程危险区域。

8、优选的，所述基于单轴压缩试验获取监测数据，提取煤岩试样表面的时空应变监测数据，并通过平面应力模型将时空应变监测数据转换为对应的时空应力数据，建立真实煤岩时空应力-应变数据集的步骤，包括：

9、使用单轴压缩试验机对煤岩试样施加载荷，利用高清相机记录煤岩试样受载过程的连续图像数据；

10、采用数字图像相关法处理连续图像数据，提取煤岩试样表面各监测点在不同时间步下的坐标数据、位移数据，以及横向应变数据、纵向应变数据和剪切应变数据；

11、引入煤岩的弹性模量以及泊松比，基于横向应变数据、纵向应变数据和剪切应变数据，通过平面应力模型计算出对应的横向应力数据、纵向应力数据和剪切应力数据；具体的计算逻辑为：

12、横向应力数据等于弹性模量除以一减去泊松比平方的差值，再乘以横向应变数据与泊松比同纵向应变数据乘积之和；纵向应力数据等于弹性模量除以一减去泊松比平方的差值，再乘以纵向应变数据与泊松比同横向应变数据乘积之和；剪切应力数据等于弹性模量除以两倍的一加泊松比的和，再乘以剪切应变数据；

13、按时间序列整合各个监测点的坐标数据、位移数据、横向应变数据、纵向应变数据、剪切应变数据与横向应力数据、纵向应力数据、剪切应力数据，建立真实煤岩时空应力-应变数据集。

14、优选的，所述提取坐标数据及对应的位移特征数据构建近邻图，以形成图数据集的步骤，包括：

15、提取当前时间步下各个监测点的空间坐标数据以及对应的位移特征数据，将空间坐标数据定义为图神经网络的节点位置特征，将位移特征数据定义为图神经网络的节点输入特征，将对应的时空应力数据定义为目标标签；

16、依据节点位置特征构建监测点的空间拓扑连接关系，计算各监测点空间坐标数据之间的欧式距离，选取距离当前监测点最近的设定数量的相邻监测点建立空间连接边，生成当前时间步下图结构数据的邻接矩阵以构建近邻图；

17、在时间序列演进过程中，当部分监测点由于煤岩试样开裂或采空区开挖发生丢失时，基于当前时间步保留的有效监测点空间坐标数据重新计算欧氏距离，并在有效监测点中重新选取最近的设定数量的相邻监测点建立新的空间连接边，更新近邻图的邻接矩阵，以适应监测点的前后不一致状态。

18、优选的，在生成图数据集之后，将图数据集输入至融合注意力机制的动态图神经网络模型中进行处理之前，还包括：

19、采用标准化算法对图神经网络的节点输入特征以及目标标签进行标准化处理，将位移特征数据以及各项应力数据缩放至标准分布区间；

20、保存标准化处理过程中生成的标准化器参数，以供输出预测结果时执行逆标准化运算。

21、优选的，所述融合注意力机制的动态图神经网络模型包括依次连接的输入层、特征提取模块和线性输出层；

22、输入层配置为接收图数据集，并提取图数据集中各个节点的二维位移特征数据；

23、特征提取模块配置为采用包含多头注意力机制的卷积层，依据图数据集的邻接矩阵对各个节点的二维位移特征数据以及相邻节点特征进行状态聚合与注意力权重分配，并拼接多个注意力头输出的隐藏层特征，生成节点融合特征向量；

24、线性输出层配置为将经过深层网络处理的节点特征向量压缩映射为预测向量，预测向量分别对应各个节点在当前时间步下的横向应力预测值、纵向应力预测值和剪切应力预测值。

25、优选的，所述特征提取模块内部的计算流程为：

26、将节点融合特征向量输入至层归一化模块进行数据分布归一化处理；

27、采用线性整流函数对归一化处理后的节点融合特征向量进行非线性映射运算，并在非线性映射运算之后接入随机失活层以防止过拟合；

28、在特征提取模块内部建立残差连接结构，将特征提取模块的初始输入特征与随机失活层输出的特征进行逐元素相加。

29、优选的，所述融合注意力机制的动态图神经网络模型的训练步骤包括：

30、采用均方误差函数作为损失函数，计算预测向量与图数据集中目标标签之间的误差数值；

31、选择优化器并结合学习率调度策略更新网络参数权重；

32、将训练集数据分批次输入融合注意力机制的动态图神经网络模型进行迭代训练，并在监控到均方误差损失曲线达到收敛状态时停止迭代，保存收敛后的模型。

33、优选的，所述通过融合注意力机制的动态图神经网络模型输出包含横向应力推演值、纵向应力推演值和剪切应力推演值的推演时空应力数据的步骤，包括：

34、融合注意力机制的动态图神经网络模型处理时空位移数据并输出标准化的预测应力特征；

35、调用预先保存的标准化器参数对标准化的预测应力特征执行逆标准化运算，生成恢复真实物理尺度的推演时空应力数据。

36、优选的，所述基于横向应力推演值、纵向应力推演值和剪切应力推演值计算煤岩的主应力分布状态以及摩尔库伦塑性区的步骤，包括：

37、基于平面应力状态，利用横向应力推演值、纵向应力推演值和剪切应力推演值，计算出各个监测点的第一主应力和第三主应力作为主应力分布状态；具体的计算逻辑为：

38、第一主应力等于横向应力推演值与纵向应力推演值之和的一半，加上横向应力推演值与纵向应力推演值之差的一半的平方同剪切应力推演值平方之和的算术平方根；第三主应力等于横向应力推演值与纵向应力推演值之和的一半，减去横向应力推演值与纵向应力推演值之差的一半的平方同剪切应力推演值平方之和的算术平方根；

39、将第一主应力和第三主应力代入摩尔库伦强度准则中判定各个监测点的受力屈服状态，计算超过屈服极限的区域边界，生成摩尔库伦塑性区。

40、优选的，所述依据主应力分布状态以及摩尔库伦塑性区辅助识别工程危险区域的步骤，包括：

41、提取主应力的集中分布特征和摩尔库伦塑性区；

42、依据主应力的分布位置与摩尔库伦塑性区的扩展范围，识别煤岩内部的高应力集中与屈服破坏区域作为工程危险区域，并输出定位信息辅助动力灾害的防范决策。

43、本发明提供了融合注意力机制的动态图神经网络煤岩应力推演方法。具备以下有益效果：

44、1、本发明通过在监测点因煤岩试样开裂或采空区开挖发生丢失时，基于保留的有效监测点空间坐标数据重新计算欧氏距离并在有效监测点中重新建立空间连接边以更新近邻图邻接矩阵，实现了对监测点位置变动与缺失的自适应处理，维持了空间拓扑结构的连续性，克服了传统时间序列模型因输入数据前后不一致导致的预测失效缺陷，保证了煤岩破裂或采动条件下的应力推演稳定性。

45、2、本发明通过在特征提取模块中构建包含多头注意力机制的卷积层，依据近邻图的邻接矩阵对节点位移特征及相邻节点特征进行聚合与注意力权重分配，并结合归一化、非线性映射与残差连接结构处理节点融合特征向量，实现了对煤岩变形过程中空间拓扑依赖关系的特征提取，在防止过拟合现象的同时提高了复杂时空应力场的非线性映射精度，实现了跨尺度推演中各方向应力数据的可靠预测。

46、3、本发明通过将网络模型输出的横向应力推演值、纵向应力推演值和剪切应力推演值进行代数运算计算出第一主应力和第三主应力，并将其代入摩尔库伦强度准则判定受力屈服状态以生成摩尔库伦塑性区，实现了应力推演数据与工程力学判定的结合，依据主应力分布与塑性区扩展范围客观识别煤岩内部的高应力集中与屈服破坏区域，为工程动力灾害的防范决策提供了可靠的辅助手段。