近日，江苏省应用数学(中国矿业大学)中心孙永征教授团队的研究成果，以“Early warning of mine seismic events via spatiotemporal information transformation learning”为题，在线发表于 Nature 旗下学术期刊《npj Natural Hazards》。研究面向深部煤矿矿震这一典型动力灾害，提出融合时空信息转换与储备池计算的早期预警新方法，使高维、强噪声的微震监测数据得以转化为可反映系统失稳前兆的预警指标，为复杂矿山动力灾害的监测预警提供了新的研究思路，也是中心在能源资源领域关键数学问题研究上取得的又一进展。

矿震是深部煤矿开采过程中具有较强破坏性的动力灾害之一。随着矿山监测技术的发展，多传感器系统能够持续获取大量微震监测数据，为识别矿震前兆提供了丰富的信息。然而，矿山动力系统具有高度非线性、复杂耦合及强噪声等特点，传统预测方法难以从高维监测数据中有效提取系统接近失稳临界状态的动力学特征。如何将多源监测信息转化为能够反映系统演化规律的有效预警指标，是矿震灾害早期预警面临的重要科学问题。

针对这一问题，研究团队提出了时空动力学预测模型，将时空信息转换与自储备池神经网络相结合，建立了从高维空间监测信息到低维时间动力学轨迹的转换框架。该方法利用多个传感器在短时间内采集的高维观测数据，重构能够表征系统演化特征的低维时间序列，在不依赖显式岩体力学模型的条件下，实现对复杂矿山动力系统短期演化趋势的预测。

图1：基于时空信息转换与储备池计算的矿震早期预警模型框架

研究结合复杂系统临界转变与临界减速理论，提出了融合显式空间与隐式空间动力学信息的双重预警机制。在显式空间中，通过比较监测变量的预测值与实际观测值，利用预测误差的异常增大识别系统动力学变化；在隐式空间中，将多传感器观测数据映射为一维潜在动力学轨迹，通过分析其波动增强特征识别系统接近临界状态的前兆信号。通过综合两类互补指标，模型能够捕捉矿震事件发生前系统动力学状态的异常变化，提高复杂噪声背景下临界转变信号的识别能力。

研究结果表明，该方法能够在系统发生突变之前识别出预测异常与动力学波动增强信号，并提前发出预警，验证了双重动力学指标在临界状态识别中的互补作用。研究利用真实煤矿三个采煤工作面的实际微震监测数据开展验证，结果表明所提出的方法能够有效识别强矿震事件发生前的异常动力学信号。与自回归滑动平均模型、长短期记忆网络、循环神经网络及专用矿震预警模型相比，本研究所提出的方法在相应实验设置下表现出较好的综合预警性能。

图2: 三个采煤工作面矿震早期预警结果

该研究将非线性动力系统重构、时空信息转换、储备池计算与临界转变早期预警相结合，为从高维、强噪声监测数据中提取复杂系统失稳前兆提供了新的方法。研究成果不仅为矿震灾害风险识别与辅助决策提供了技术参考，也为复杂工程系统中临界状态的监测、预测与预警研究提供了新的思路。

该研究由中国矿业大学，武汉理工大学、复旦大学等单位的研究人员共同完成，研究得到国家自然科学基金和中央高校基本科研业务费等项目支持。论文链接：https://www.nature.com/articles/s44304-026-00272-x