煤層突出危險性綜合預(yù)測及驗證

張爾輝，朱權(quán)潔，劉 衍，高林生，張 震，谷 雷

(1. 華北科技學(xué)院 安全工程學(xué)院，北京 東燕郊 065201；2. 湖北省煙草公司十堰市公司，湖北 十堰 442000)

0 引言

煤與瓦斯突出作為煤礦安全生產(chǎn)的主要制約因素，對廣大職工的生命和財產(chǎn)造成了嚴重的威脅。根據(jù)相關(guān)調(diào)查研究表明，近年來，我國礦山煤與瓦斯突出事故頻發(fā)，已成為世界上煤與瓦斯突出災(zāi)害最嚴重的國家[1]。我國煤與瓦斯突出災(zāi)害形勢嚴峻，防突工作任務(wù)十分艱巨。探討煤與瓦斯突出的誘發(fā)因素，及時準確地掌握其動態(tài)變化特征，對于遏制事故的發(fā)生，實現(xiàn)礦井的安全生產(chǎn)具有重要的意義。

國內(nèi)外專家對煤與瓦斯突出災(zāi)害的預(yù)測預(yù)警已開展了大量研究。理論研究方面，趙旭生等[2-3]從空間、時間、指標體系等方面提出了突出災(zāi)害預(yù)警的本質(zhì)和要求。楊玉中等[4]從管理對象、目標體系和基本內(nèi)容3個方面分析了突出預(yù)警系統(tǒng)的組成。煤與瓦斯突出在線監(jiān)測方面，張仕和[5]、王雨虹[6]等利用聲發(fā)射、電磁輻射技術(shù)監(jiān)測技術(shù)，實現(xiàn)了采掘活動過程中煤與瓦斯動態(tài)特征的跟蹤監(jiān)測。何學(xué)秋等[7]基于微震頻次指標、能量指標監(jiān)測，提出了突出危險煤層微震區(qū)域動態(tài)監(jiān)測新方法。突出預(yù)警指標確定方面，姜鵬鵬等[8]從軟分層厚度、煤層深度、噴孔出現(xiàn)次數(shù)、鉆屑瓦斯解吸指標等方面建立了一套預(yù)警指標。師旭超等[9]選取開采深度、瓦斯壓力、瓦斯放散初速度、煤的堅固性系數(shù)和地質(zhì)破壞程度五個指標作為輸入，建立了煤與瓦斯突出預(yù)測支持向量機模型。李勝等[10]根據(jù)瓦斯含量、瓦斯壓力、開采應(yīng)力、地質(zhì)構(gòu)造等因素，建立了煤與瓦斯突出的智能識別模型。隨著科技的進步，人工智能逐漸應(yīng)用于各個領(lǐng)域。引入人工智能算法對提高煤與瓦斯突出預(yù)測的準確性具有促進意義。楊艷國等[11]采用多重分形理論，研究了鉆屑量、鉆屑解吸指數(shù)和不同孔深的特征參數(shù)對煤與瓦斯突出事故的影響。朱志潔等[12]引入了PCA法，建立了PCA-BP煤與瓦斯突出預(yù)測模型。郭德勇等[13]應(yīng)用物元和可拓集合理論建立了煤與瓦斯突出危險性預(yù)測的物元可拓模型。張子戌等[14]利用成熟的模糊理論和技術(shù)，提出了一種預(yù)測煤與瓦斯突出區(qū)域的模糊模式識別方法。溫廷新等[15]提出了一種基于灰色關(guān)聯(lián)熵的煤與瓦斯突出概率神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

綜上所述，煤與瓦斯突出災(zāi)害受多種因素影響，掌握相關(guān)指標的變化特征，對準確評價煤與瓦斯突出危險性，實現(xiàn)礦山安全生產(chǎn)具有重要意義。本文引入人工智能算法，提出基于BP神經(jīng)網(wǎng)絡(luò)和灰色關(guān)聯(lián)分析法的煤與瓦斯突出危險性區(qū)域預(yù)測和區(qū)域驗證。以山西多個礦的煤與瓦斯突出指標作為數(shù)據(jù)支撐，建立基于BP神經(jīng)網(wǎng)絡(luò)煤與瓦斯突出危險性區(qū)域預(yù)測模型?；谠撃Ｐ蛯颖蹦车V2#煤層采掘工作面煤與瓦斯突出危險性進行區(qū)域預(yù)測，提前采取防突措施。采掘推進過程中，按照《防治煤與瓦斯突出細則》區(qū)域驗證要求，對2#煤層瓦斯參數(shù)進行實測，利用灰色關(guān)聯(lián)分析法對該煤層突出危險性進行區(qū)域驗證。最后結(jié)合現(xiàn)場揭煤情況驗證區(qū)域預(yù)測和區(qū)域驗證結(jié)果的準確性，確定最終突出危險評價結(jié)果。

1 BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)是一種帶導(dǎo)師的學(xué)習(xí)算法，是一種信號正向計算和誤差反傳的學(xué)習(xí)過程[16]，其網(wǎng)絡(luò)結(jié)構(gòu)包括輸入層、隱含層和輸出層。在正向傳播時，來自輸入層的輸入樣本通過每一個隱含層逐層處理，然后傳輸?shù)骄W(wǎng)絡(luò)輸出層。如果在輸出層沒有獲得所需的輸出，則將誤差的反向傳播，此時，誤差信號從輸出層傳輸?shù)捷斎雽樱⒁宦氛{(diào)整各層的連接閾值和權(quán)值，使誤差不斷減小，直至達到目標精度[17]。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示，學(xué)習(xí)過程如圖2所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖2 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程

設(shè)BP神經(jīng)網(wǎng)絡(luò)輸入層的為輸入向量為X=(x1x2…xi…xn)T，隱含層輸出向量為Y=(y1y2…yi…ym)T，輸出層輸出向量為o=(o1o2…ok…ol)T，期望輸出向量為d=(d1d2…dk…dl)T。輸入層與隱含層之間的權(quán)值矩陣為V=(v1v2…vj…vm)，其中列向量Vj為隱含層第j個神經(jīng)元對應(yīng)的權(quán)向量。隱含層與輸出層之間的權(quán)值矩陣為W=(w1w2…wk…wi)，其中列向量Wk為輸出層第k個神經(jīng)元對應(yīng)的權(quán)向量[18]。

對于隱含層有：

(1)

對于輸出層有：

(2)

輸入樣本經(jīng)過正向傳播，由網(wǎng)絡(luò)學(xué)習(xí)運算后，當(dāng)網(wǎng)絡(luò)輸出與期望輸出存在輸出誤差E時，誤差經(jīng)過向隱含層和輸入層的不斷展開，可得到網(wǎng)絡(luò)誤差公式

(3)

通過調(diào)整權(quán)值向量可以減小網(wǎng)絡(luò)誤差，其權(quán)值調(diào)整公式為

Δwjk=η(dk-ok)yj

(4)

(5)

其中

(6)

BP神經(jīng)網(wǎng)絡(luò)模型性能好壞通過決定系數(shù)判斷，其中決定系數(shù)的計算公式為

(7)

決定系數(shù)范圍在[0，1]內(nèi)，愈趨近于1，表明模型的性能愈好；反之，愈趨近于0，表明模型的性能愈差。

2 BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

2.1 輸入和輸出樣本選擇

煤與瓦斯突出危險性區(qū)域預(yù)測BP神經(jīng)網(wǎng)絡(luò)模型的建立，關(guān)鍵是確定網(wǎng)絡(luò)輸入層、隱含層和輸出層節(jié)點的個數(shù)。本文以瓦斯放散初速度、煤層瓦斯壓力、煤層孔隙率、煤的堅固性系數(shù)、煤層透氣性系數(shù)、煤層瓦斯含量、鉆孔瓦斯衰減系數(shù)和煤層開采深度8個主控因素作為輸入樣本。輸出向量是煤與瓦斯突出危險程度。本文將煤層突出危險程度分為4種類型：輸出4個節(jié)點用來代表4種輸出模式，即(1 0 0 0)代表嚴重突出危險性，(0 1 0 0)代表中等突出危險性，(0 0 1 0)代表一般突出危險性，(0 0 0 1)代表較弱突出危險性。

表1為煤與瓦斯突出危險性區(qū)域預(yù)測BP神經(jīng)網(wǎng)絡(luò)構(gòu)建樣本數(shù)據(jù)，為保證網(wǎng)絡(luò)模型預(yù)測結(jié)果的準確性，對數(shù)據(jù)進行了歸一化處理。數(shù)據(jù)來源于多個礦井現(xiàn)場實測，依據(jù)實測數(shù)據(jù)已對突出危險程度進行了準確評價。以表1數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入層和輸出層，進而構(gòu)建用于煤與瓦斯突出危險性區(qū)域預(yù)測的通用網(wǎng)絡(luò)模型。

表1 BP神經(jīng)網(wǎng)絡(luò)構(gòu)建樣本數(shù)據(jù)

2.2 網(wǎng)絡(luò)模型構(gòu)建

根據(jù)輸入樣本和輸出向量，確定網(wǎng)絡(luò)輸入層節(jié)點為8，輸出層節(jié)點為4，根據(jù)經(jīng)驗公式利用試湊法確定隱含層節(jié)點數(shù)[16]。通過逐漸增加隱含層節(jié)點數(shù)，當(dāng)網(wǎng)絡(luò)誤差達到最小時對應(yīng)的隱含層的節(jié)點數(shù)為15，因此，構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)為(8，15，4)型。其中，經(jīng)驗公式為：

式中，m為隱含層的節(jié)點數(shù)；n為輸入層的節(jié)點數(shù)；l為輸出層節(jié)點數(shù)；α為1～10之間的一個常數(shù)。圖3為煤與瓦斯突出危險性區(qū)域預(yù)測BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)。

圖3 煤與瓦斯突出危險性區(qū)域預(yù)測BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

2.3 模型準確性分析

BP神經(jīng)網(wǎng)絡(luò)模型的準確性用決定系數(shù)R衡量，決定系數(shù)的取值范圍為[0，1]，越接近1表明模型準確性越好。本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型除測試數(shù)集的決定性系數(shù)小于0.95外，其余3個均大于0.95。由此表明，該BP神經(jīng)網(wǎng)絡(luò)模型性能較好，誤差在允許范圍內(nèi)。此外，表2為BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)輸出結(jié)果，基于輸出結(jié)果確定的煤與瓦斯突出危險程度與表1中已知的危險程度一致。因此，該模型可以用于煤與瓦斯突出危險性區(qū)域預(yù)測的實際工程中。

表2 煤與瓦斯突出樣本數(shù)據(jù)預(yù)測輸出結(jié)果

3 灰色關(guān)聯(lián)分析方法

灰色關(guān)聯(lián)分析法是灰色系統(tǒng)理論的一個重要分支，是根據(jù)各指標之間相似性或差異性，作為衡量系統(tǒng)間各指標間關(guān)聯(lián)程度的一種方法。隨時間或事物發(fā)展而變化的關(guān)聯(lián)性大小的量度，稱為關(guān)聯(lián)度。在目標系統(tǒng)的發(fā)展過程中，兩個指標的相似度或?qū)ο到y(tǒng)的影響趨勢具有一致性，表明二者關(guān)聯(lián)度較高；反之，則關(guān)聯(lián)度較低[19]。鉆屑瓦斯解吸指標Δh2或K1、鉆屑量S和鉆孔瓦斯涌出初速度q綜合反映了決定煤體突出危險程度的應(yīng)力、瓦斯和煤的物理力學(xué)及瓦斯放散性質(zhì)[20]，可作為煤與瓦斯突出危險程度預(yù)測的重要指標，根據(jù)指標建立系統(tǒng)映射量：

(8)

式中，Xj(i)為同一次預(yù)測實測Δh2i、Si、qi；i為測定數(shù)據(jù)序號；j為指標序號。

為消除各指標單位和數(shù)量級差異對分析結(jié)果帶來不利影響，用均值法對各指標作無量綱變換：

(9)

(10)

聯(lián)立式(8)～(10)建立無量綱系統(tǒng)映射量E2(i)為

(11)

煤與瓦斯突出可以認為既含有已知的內(nèi)部特性，又含有未知和非確知內(nèi)部特性的灰色信息系統(tǒng)，關(guān)聯(lián)分析參考數(shù)列X0(i)為系統(tǒng)映射量E1(i)和E2(i)，比較數(shù)列Xj(i)為預(yù)測指標，灰色關(guān)聯(lián)函數(shù)計算模型[21]：

(12)

(13)

式中，ξj(i)為Xj(i)對X0(i)在第i時刻的關(guān)聯(lián)系數(shù)；K為分辨系數(shù)，取0.5；m為比較數(shù)列個數(shù)，即突出預(yù)測測定預(yù)測指標個數(shù)；n為分析數(shù)據(jù)組數(shù)；X0(i)參考數(shù)列，即建立的系統(tǒng)映射量。根據(jù)關(guān)聯(lián)系數(shù)確定關(guān)聯(lián)度

(14)

4 工程實例應(yīng)用

4.1 工程背景

河北某礦礦井采用立井多水平開拓方式，井田劃分為+30 m水平、-120 m水平、-280 m水平3個水平。2#、4#煤為礦井主采煤層?，F(xiàn)礦井主要生產(chǎn)地區(qū)集中在三水平的六盤區(qū)、七盤區(qū)、東北翼、西翼盤區(qū)。2#煤層采用綜采放頂煤生產(chǎn)工藝，4#煤采用薄煤綜采。掘進方法為綜掘機掘進和炮掘兩種方法。為確定2#煤層采掘工作面煤與瓦斯突出危險程度，針對突出危險性做出合理的評價，分別對2#煤層采掘工作面的92606里工作面、92609運料巷、92623工作面、921101運料巷和92620運料巷5個區(qū)域進行現(xiàn)場瓦斯參數(shù)測定。區(qū)域預(yù)測指標取各區(qū)域測量值的平均值作為最終數(shù)據(jù)，區(qū)域驗證指標各區(qū)域?qū)崪y數(shù)據(jù)分別為20組，限于篇幅，取平均值列出，見表3，所有數(shù)據(jù)均進行了歸一化處理，為煤與瓦斯突出危險性評價提供數(shù)據(jù)基礎(chǔ)。煤與瓦斯突出評價首先，利用BP神經(jīng)網(wǎng)絡(luò)進行揭煤前區(qū)域預(yù)測；其次，利用灰色關(guān)聯(lián)分析法進行區(qū)域驗證；再次，基于現(xiàn)場揭煤情況確定工作面的突出情況。最后，綜合三者分析結(jié)果，確定工作面的突出危險程度。

表3 2#煤層采掘工作面煤與瓦斯突出預(yù)測參數(shù)實測值

4.2 突出危險性區(qū)域預(yù)測

利用上文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型，基于表3現(xiàn)場實測瓦斯參數(shù)，實現(xiàn)2#煤層采掘工作面突出危險性區(qū)域預(yù)測和危險程度劃分。網(wǎng)絡(luò)計算輸出結(jié)果和預(yù)測突出危險程度見表4。由表4得出結(jié)論，2#煤層采掘工作面5個實測點突出危險程度為一般或較弱，因此，2#煤層采掘工作面可視為無突出危險工作面。

表4 煤與瓦斯突出預(yù)測輸出結(jié)果

4.3 突出危險性區(qū)域驗證

采用鉆屑單項指標法進行工作面突出危險性區(qū)域驗證時，鉆屑單項指標按《防治煤與瓦斯突出細則》有以下幾種：鉆屑解吸指標Δh2或K1、鉆屑量S和鉆孔瓦斯涌出初速度q。各指標的突出危險臨界值應(yīng)根據(jù)實測數(shù)據(jù)確定，無實測數(shù)據(jù)時，可參考《防治煤與瓦斯突出細則》中提供的臨界值確定，如表5中數(shù)據(jù)確定工作面的突出危險性。

表5 用鉆屑指標法預(yù)測煤巷掘進工作面突出危險性的臨界值

根據(jù)采掘推進過程中現(xiàn)場瓦斯參數(shù)的實測值作為突出危險性區(qū)域驗證指標，基于灰色關(guān)聯(lián)分析法確定大社礦2#煤層采掘工作面突出預(yù)測敏感指標及臨界值，進而實現(xiàn)煤與瓦斯突出危險性區(qū)域驗證。灰色關(guān)聯(lián)分析結(jié)果見表6。由表6可以看出Δh2與系統(tǒng)映射量E1i和E2i關(guān)聯(lián)性較強，映射量E1i著重于反應(yīng)預(yù)測突出準確率，映射量E2i著重于反應(yīng)預(yù)測不突出準確率。表6反映了預(yù)測指標的敏感度有鉆屑解吸指標Δh2>鉆屑量S>鉆孔瓦斯涌出初速度q；鉆屑解吸指標Δh2>鉆屑量S>鉆屑解吸指標K1。綜合分析預(yù)測指標參數(shù)，認為Δh2較敏感，對預(yù)測預(yù)報指導(dǎo)意義較大。根據(jù)Δh2測定結(jié)果和表5臨界值范圍，對大社礦2#煤層采掘工作面突出危險性進行劃分，結(jié)果及程度劃分如表7。由表7中的劃分結(jié)果確定5個實測點均為無突出危險性，由此確定2#煤層采掘工作面可視為無突出危險工作面，突出危險程度與BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果相同。

表6 關(guān)聯(lián)度計算結(jié)果

表7 基于灰色關(guān)聯(lián)分析法的突出危險預(yù)測結(jié)果

4.4 評價結(jié)果分析

上文采用BP神經(jīng)網(wǎng)絡(luò)對2#煤層采掘工作面揭煤前突出危險性進行了區(qū)域預(yù)測。預(yù)測結(jié)果顯示2#煤層采掘工作面5個實測區(qū)域預(yù)測突出危險程度為一般或較弱，整體可視為無突出危險性。因此，揭煤工作準備前期無需采取針對性的防突措施，嚴格遵照相關(guān)法律法規(guī)施工即可。采掘活動推進過程中，利用鉆屑法計算瓦斯參數(shù)，包括鉆屑解吸指標Δh2或K1、鉆屑量S和鉆孔瓦斯涌出初速度q，基于實測數(shù)據(jù)，利用灰色關(guān)聯(lián)分析法對該工作面突出危險性進行了區(qū)域驗證，驗證結(jié)果顯示5個實測區(qū)域均為無突出危險區(qū)域。最后，根據(jù)現(xiàn)場揭煤情況可知，2#煤層無突出危險性。綜合對比分析區(qū)域預(yù)測、區(qū)域驗證結(jié)果及現(xiàn)場揭煤情況可以確定2#煤層采掘工作面為無突出危險工作面。三個分析結(jié)果相互對比驗證，一方面保證了突出危險性評價結(jié)果的準確性，另一方面，確定了BP神經(jīng)網(wǎng)絡(luò)和灰色關(guān)聯(lián)分析法在煤與瓦斯突出危險性區(qū)域預(yù)測和區(qū)域驗證中的適用性，可指導(dǎo)安全生產(chǎn)。

5 結(jié)論

(1) 提出了基于BP神經(jīng)網(wǎng)絡(luò)和灰色關(guān)聯(lián)分析法的煤與瓦斯突出危險性區(qū)域預(yù)測和區(qū)域驗證方法。確定了瓦斯放散初速度、煤層瓦斯壓力、煤層孔隙率、煤的堅固性系數(shù)、煤層透氣性系數(shù)、煤層瓦斯含量、鉆孔瓦斯衰減系數(shù)和煤層開采深度作為突出危險性區(qū)域預(yù)測指標。確定了鉆屑解吸指標Δh2或K1、鉆屑量S和鉆孔瓦斯涌出初速度q作為突出危險性區(qū)域驗證指標。

(2) 基于BP神經(jīng)網(wǎng)絡(luò)對2#煤層采掘工作面5個實測點進行了區(qū)域預(yù)測，預(yù)測結(jié)果顯示突出危險程度為一般或較弱，整體可視為無突出危險性?；诨疑P(guān)聯(lián)分析法實現(xiàn)了采掘推進過程中突出危險性區(qū)域驗證。驗證結(jié)果顯示該工作面為無突出工作面。最后，基于現(xiàn)場揭煤情況確定了該工作面為無突出危險工作面。通過兩種方法分析結(jié)果和現(xiàn)場揭煤情況相互對比驗證，既保證了評價結(jié)果的準確性，又確定了兩種方法在煤與瓦斯突出危險性評價中的合理性和可行性。

(3) 鑒于BP神經(jīng)網(wǎng)絡(luò)和灰色關(guān)聯(lián)分析法在煤與瓦斯突出危險性評價中的準確性和適用性，可推廣應(yīng)用于沖擊地壓、礦井突水等礦井災(zāi)害的預(yù)測預(yù)警中，對減低事故率，實現(xiàn)安全生產(chǎn)具有指導(dǎo)意義。