在数千乃至数千米的深部矿井之下，岩层因高强度开采持续“呼吸”、变形、破碎。传统微震监测依赖固定波速模型来定位地震事件源，就像用一张旧地图导航瞬息万变的城市，误差极大。如今，一项由哈萨克斯坦纳扎尔巴耶夫大学领衔的研究，首次将离散物理实验建模、机器学习与可解释人工智能(XAI)深度融合，构建了深部矿井地震波速实时预测新范式，让岩爆预警从此告别“盲人摸象”，迈入可预测、可解释、可信任的智能时代。

深部开采的“幽灵”：岩爆

在全球矿产资源需求持续攀升的背景下，浅部资源日渐枯竭，矿山开采正加速向深部推进。然而，随着采掘深度增加，高地应力与复杂地质构造相互作用，诱发频繁的采矿诱发地震。当这些地震能量足够大、直接导致巷道垮塌和设备损毁时，便被称为岩爆——井下最大的安全威胁之一。

岩爆瞬间释放的破坏性能量，足以将整条巷道摧毁。它不仅威胁矿工生命安全，更会造成数千万甚至数亿元的停产损失。

微震监测系统是深部矿山评估地震活动性与量化地震风险的核心装备，遍布井下网络的传感器持续捕捉每一丝来自岩层的振动信号。然而，这一系统的“命门”在于：它依赖于一个输入速度模型来计算地震事件的位置。 传统系统采用恒定输入速度模型+定期更新的模式，把整个矿区假设为一个均匀的“固定速度场”。这在单一地质条件的浅部短轴作业中勉强可用。

但当矿山进入千米以上的深部，随着掘进进行，采空区垮落、不同岩性的交汇、开挖网络的复杂演进以及回填材料的引入，真实的地下波速场是一个“瞬息万变”的混沌系统。传统基于固定速度模型的定位误差动辄达数十甚至上百米。误差如此之大，导致基于此的岩爆危险区判定近乎“盲猜”——这正是百年来岩爆无法实现提前精准预警的核心技术瓶颈。

正如该研究通讯作者、纳扎尔巴耶夫大学Fidelis Suorineni教授所指出，当前的技术在准确预测岩爆发生时间方面存在根本性局限，目前的能力仅在于识别高岩爆发生潜力的区域，而预警时间的突破正是这项研究所要攻克的。

物理实验驱动AI，打通岩层“脉搏”感知链路

2026年2月，纳扎尔巴耶夫大学矿业与地球科学学院的Hanan Samadi和Fidelis Suorineni在岩石力学领域顶级期刊《International Journal of Rock Mechanics and Mining Sciences》(IJRMMS)发表题为“Development of a procedure for predicting real-time seismic wave velocity in underground mines using discrete physical laboratory modelling and explainable artificial intelligence (XAI)”的突破性论文。该研究被期刊评为“编辑推荐”，其核心创新可概括为三个层面。

离散物理建模——在实验室里“预演”矿井生命全过程

研究团队在实验室中构建了矿井动态波速演变的高仿真“数字孪生训练场”。他们不再依赖简陋的数值假设，而是设计并浇筑了大量的离散物理模型——包括尺寸和物理条件各异的混凝土试块(合成岩石)和花岗岩立方体，用来模拟采矿活动引发的“时间快照”。这意味着通过设置不同的边界条件、块体组合与裂隙网络，离散物理模型在实验室中“预演”了矿井数年的地质环境演变，产生了远超现场数年的声发射(Acoustic Emission)行为轨迹。

研究团队使用SAEU3H声发射系统模拟微震事件，在各类岩石块体周围布置传感器阵列，其中一个作为脉冲发生器(模拟岩爆震源)，其余作为接收器，在不同物理条件下精确测量波速变化，生成了一整套覆盖各类地质演变的高维训练数据集。

堆叠集成学习——预测精度的数量级跃升

真正的“神来之笔”在于利用这些高维数据对多种机器学习和深度学习模型进行训练。经反复比对验证，堆叠集成(Stacking-Ensemble)算法表现尤为突出，将预测波速值与真实物理环境的波速值成功建立了强回归关系。核心指标包括：决定系数R²=0.97(意味着解释力高达97%)，归一化均方根误差(NRMSE)低至0.002，平均绝对百分比误差(MAPE)仅为0.0001——预测精度较传统模型实现了数量级上的跃升。

这意味着，未来即使没有密集的现场传感器，微震系统也能根据采掘推进的位置和已知岩层力学参数，实时反演出此刻井下任意区域的波速值。

可解释人工智能——从“黑箱”走向“透明决策”

AI预测往往面临“黑箱”困境——知道结果准，不知道为什么准，这在安全攸关的矿业中无法被信任。本研究首次系统地将可解释人工智能(XAI) 应用于深部矿井地震波速预测，采用可解释技术使算法每一个关键决策背后的物理参数权重(如孔隙度、围压、节理走向)变得清晰可见。

安全工程师看到的不仅是“哪里即将有岩爆风险”，更是“基于哪些关键地质参数预测出了这个风险”。这种透明度大大增强了系统从实验室“迁移”到千变万化的井下真实环境的信心。

为全球深部矿山装上“灾难预警导航”

这项突破性成果标志着全球微震监测技术从“看到结果”向“预见未来”的范式跃迁。

1. “武装”SIMPLEX算法，显著提升灾害预警空间定位精度

该预测方法最重要的工业价值在于可直接嵌入目前全球矿山广泛使用的SIMPLEX地震事件源定位算法，大幅提升波速场的时空分辨率。当波速预测误差降至0.0001的MAPE水平时，利用AI修正实时波速，微震系统的监测盲区将被大幅压缩，对岩爆源头的定位精确度可实现米级甚至厘米级。这不仅意味着采矿工程师能精准找到“爆点”，及时转移人员和设备，更能基于极高精度数据反演岩层破裂的力学机制，从源头预测隐患。

2. 为“深地国家战略”打造智慧矿山安全底座

我国“深地”战略正全面展开，地下金属矿、千米级深井煤矿及各类战略资源储备库面临严峻的动力灾害考验。对于正在推进智能化建设的中国矿山，这套“物理数据+AI推演+XAI修正”的架构可直接内置于现有的微震或声发射信号分析平台，成为智慧矿山安全管控的“新底座”。它有望彻底改变“打眼放炮、被动救灾”的现状，实现真正的透明化、数字化矿山安全管理。

3. 拓展至重大工程地质安全保障

除了深部矿山，这项技术还可移植到穿越大江大河的山岭隧道、海底隧道、大型地下硐室群等深部岩体工程，解决当前TBM掘进中岩爆灾难频发的痛点。通过在岩石力学实验室提前进行针对性离散建模，基于AI实时预测岩层波速，为盾构机“提前预警”并自动调整掘进参数，将岩爆风险降到最低。

让AI“看懂”岩石的语言

这项成果的本质，是首次在岩石力学领域打通了一条“物理实验→大数据→AI→XAI决策→现场闭环”的全链路技术革命。 无论矿山现场的盲区有多么混沌，科学家都能在实验室精准复现;无论算法预测的结果有多么优秀，工程师都能通过可解释人工智能看透它决策的本质。

从今往后，深部岩体不再是全盲的存在——它每一次危险的“呼吸”，都能被XAI驱动的井下地震波速实时预测系统提前感知。

正如微震监测行业已故的先驱、南非金矿的岩石力学大师Salamon所警示的，岩爆始终是悬在矿工头顶的利剑。如今，Hanan Samadi和Fidelis Suorineni的这项登上国际岩石力学顶级期刊的研究，正在磨砺由数据和算法构成的“未来之盾”——它们比任何以往的物理屏障都更快、更准、更透明。