基于深度学习的矿山智能监控与灾害预警系统主要功能包括：( 1) 实时在线采集井 下微震、地压等物理参量信号；(2) 根据采集到各物理参量的信号，实时反演出震源的 具体时间及空间位置，为安全开采提供技术支撑；(3) 根据建立的微震、地压等基础数 据库，实时超前预警下一次可能发生的微震事件、地压事件的级别及安全系数，为安全生产提供极有力的技术支撑；(4) 根据各个参数事件的相关数据，进行数据挖掘，获得影响矿井安全生产的主要因素的演化规律，对于巷道变形、岩体破裂等安全事故真正实现预测化、透明化和一般化。该系统成套工程化技术具有对生产作业优化、矿山压力事件、微震事件等安全事件进行提前预警和有效防范等应用效果，可以使得此类安全事故 得到有效遏制，此外还可以对生产系统进行改进和完善,提高运行效率，为提高矿山安全管理水平和生产作业效率、降低矿山的生产成本和事故成本提供了有效技术途径和措施保障。

推广应用情况：

 期望技术转移成交价格（大概金额）：260 万。

技术优势：

1.针对海滨及深部矿山地应力活动频繁的特性，提出了一种适合海滨及深部矿山的 优化 P 波传播微震定位算法，提高了定位精度和预报准确率，提升了矿山安全生产水平。

2.针对巷道围岩变形问题，提出了一种适合深部矿山的 CNN-支持向量机巷道围岩变形实时预测算法，达到了矿山巷道围岩变形实时预警。

3.针对矿区涌水难以预测发生时间、位置及涌水量的问题，提出了基于深度学习-支持向量机的矿区涌水量预测模型，并结合实测数据分析后给出预防突涌、突冒的预警， 降低了涌水灾害事件的危害程度。

4.针对微地震、地压实时监测数据，通过卷积神经网络获得各类数据与影响物理因素之间的动态自适应关系，提出了适合深部矿山的微地震和地压超前时空预警模型，在深部矿山发生微地震震级 3级以上时，取得了提前 6小时预警的效果。

经济效益分析：

基于深度学习的矿山智能监控与灾害预警系统研发及应用成套工程化技术具有对生产作业优化、矿山压力事件、微震事件等安全事件进行提前预警和有效防范等应用效果,可以使得此类安全事故得到有效遏制，此外还可以对生产系统进行改进和完善，提高运行效率，为提高矿山安全管理水平和生产作业效率、降低矿山的生产成本和事故成本提供了有效技术途径和措施保障。

成果亮点：

1.具有自主知识产权，研究成果已授权发明专利 11 项。

2.技术先进性：该成果于 2019年 8月 22日由中国电子学会组织专家进行了评价,评价结论为整体技术达到国际先进水平。

3.获奖情况：获得中国电子学会科技进步三等奖。