基于統(tǒng)計(jì)分析的礦井瓦斯災(zāi)害預(yù)警技術(shù)研究

牛嘉野軍

（山西西山金城建筑有限公司，山西 太原 030053）

在煤礦生產(chǎn)過(guò)程中，存在多種安全隱患，頂板、瓦斯、放炮、地下水等都易造成安全事故，其中尤其以瓦斯危害最大。據(jù)相關(guān)統(tǒng)計(jì)，我國(guó)煤礦重大事故中80%以上是瓦斯事故[1]。瓦斯事故的主要形式為瓦斯爆炸、瓦斯中毒窒息、煤與瓦斯突出，同時(shí)容易衍生巷道垮塌、煤塵爆炸等次生災(zāi)害。因此，研究煤礦瓦斯涌出規(guī)律，發(fā)展瓦斯災(zāi)害預(yù)警技術(shù)，具有重要的現(xiàn)實(shí)意義。

井下各巷道中，掘進(jìn)工作面由于開(kāi)拓新鮮煤層，頂板及煤壁支護(hù)不足，通風(fēng)困難，最易造成瓦斯積聚，從而引發(fā)瓦斯事故。傳統(tǒng)炮采作業(yè)，造成掘進(jìn)面瓦斯?jié)舛葦嘌率阶兓?，使得瓦斯預(yù)警難度極大。而目前大部分礦井已經(jīng)實(shí)現(xiàn)機(jī)械化開(kāi)采，掘進(jìn)面進(jìn)尺、落煤速率穩(wěn)定，工作面瓦斯?jié)舛茸兓渤尸F(xiàn)出一定的規(guī)律性，為發(fā)展瓦斯災(zāi)害預(yù)警技術(shù)奠定了基礎(chǔ)。本研究在搜集西山煤電下轄各煤礦掘進(jìn)面瓦斯?jié)舛葯z測(cè)數(shù)據(jù)的基礎(chǔ)上，運(yùn)用統(tǒng)計(jì)分析方法，分析掘進(jìn)面瓦斯涌出規(guī)律，提出一種新的瓦斯災(zāi)害預(yù)警技術(shù)。

1 瓦斯災(zāi)害預(yù)警方法

煤礦巷道瓦斯預(yù)警是復(fù)雜的非線性問(wèn)題，傳統(tǒng)的鉆孔碎屑法、碎屑解吸法等接觸式探測(cè)手段都是靜態(tài)的、斷點(diǎn)的，且易干擾正常生產(chǎn)，因而新型瓦斯災(zāi)害預(yù)警方法的方向是發(fā)展非接觸的瓦斯預(yù)警系統(tǒng)。目前主要的瓦斯預(yù)警方法有以下幾種。

（1）神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法

神經(jīng)網(wǎng)絡(luò)算法是基于人工智能科學(xué)發(fā)展而來(lái)的分支，適用于非線性函數(shù)計(jì)算，具有自識(shí)別和自學(xué)習(xí)能力。已有研究將其與瓦斯監(jiān)測(cè)相結(jié)合建立了瓦斯預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)模型，應(yīng)用于煤層、采空區(qū)等瓦斯涌出規(guī)律預(yù)測(cè)[2]。但模型中神經(jīng)元個(gè)數(shù)以及對(duì)于瓦斯涌出影響因素的選取都具有較大的主觀性，預(yù)測(cè)結(jié)果精準(zhǔn)度不足。

（2）GIS 區(qū)域預(yù)測(cè)系統(tǒng)

GIS 區(qū)域預(yù)測(cè)系統(tǒng)主要基于礦井瓦斯地質(zhì)信息進(jìn)行編輯控制，將區(qū)域瓦斯等值線、瓦斯分布趨勢(shì)圖等進(jìn)行圖像化處理，為瓦斯涌出規(guī)律提供參考。該方法可視性強(qiáng)，但將地質(zhì)構(gòu)造作為瓦斯涌出的主要因素，不適用于掘進(jìn)工作面作業(yè)條件。

（3）混沌時(shí)間序列預(yù)測(cè)法

混沌時(shí)間序列預(yù)測(cè)法可以分為兩大類：基于非線性數(shù)學(xué)模型的動(dòng)力學(xué)方法、基于實(shí)際觀測(cè)數(shù)據(jù)的相空間重構(gòu)法。研究表明，基于已有瓦斯涌出監(jiān)測(cè)數(shù)據(jù)建立的預(yù)測(cè)模型，可以較好地預(yù)測(cè)瓦斯涌出規(guī)律并識(shí)別異常特征值，發(fā)出預(yù)警[3]。

混沌時(shí)間序列預(yù)測(cè)法科學(xué)依據(jù)充足，模型預(yù)測(cè)精度高，但建立模型所需數(shù)據(jù)繁多，算法龐雜[4]。因此本文選擇相空間重構(gòu)法，將掘進(jìn)面瓦斯監(jiān)測(cè)數(shù)據(jù)以統(tǒng)計(jì)分析方法進(jìn)行分析，兼顧了計(jì)算量以及模型精度。

2 基礎(chǔ)數(shù)據(jù)整理

數(shù)據(jù)的監(jiān)測(cè)一般是通過(guò)布置在各觀測(cè)點(diǎn)的傳感器測(cè)得，傳感器之間通過(guò)線路連接，通過(guò)電磁信號(hào)測(cè)定數(shù)據(jù)。井下生產(chǎn)環(huán)境復(fù)雜，不同型號(hào)的傳感器也存在工作方式、測(cè)量精度的不同，因此對(duì)于搜集的掘進(jìn)工作面瓦斯?jié)舛缺O(jiān)測(cè)數(shù)據(jù)必須進(jìn)行二次處理，才能作為統(tǒng)計(jì)分析的依據(jù)。具體整理方法如下。

（1）異常值

異常的極大值或極小值是常見(jiàn)異常點(diǎn)之一，其形成原因較為復(fù)雜，難以確定，可能是由于傳感器信號(hào)線接觸不良、其他設(shè)備電磁干擾、數(shù)據(jù)記錄設(shè)備異常等。一般對(duì)于極小值（零值）直接剔除，將該段時(shí)間之前10 min 的數(shù)據(jù)取均值進(jìn)行替代。對(duì)于極大值則不能簡(jiǎn)單剔除，有可能是高濃度瓦斯瞬間積聚引起的，必須進(jìn)行進(jìn)一步分析。

（2）數(shù)據(jù)缺失

數(shù)據(jù)缺失的原因可能是供電系統(tǒng)斷電、網(wǎng)絡(luò)故障或傳感器檢修、損壞等。缺失數(shù)據(jù)具體區(qū)分為長(zhǎng)時(shí)缺失（＞30 min）和短時(shí)缺失（≤30 min），含長(zhǎng)時(shí)缺失的數(shù)據(jù)序列會(huì)造成模型模擬誤差較大，因此予以剔除，短時(shí)缺失數(shù)據(jù)一般是利用前后相鄰時(shí)間段的數(shù)據(jù)進(jìn)行補(bǔ)齊。由于瓦斯監(jiān)測(cè)數(shù)據(jù)可以視為是一組隨時(shí)間序列隨機(jī)排列的數(shù)列，因此適用于自回歸模型（AR 模型）對(duì)其進(jìn)行預(yù)測(cè)。即已知x1～x(t-1)之間的數(shù)據(jù)排列，假定xt時(shí)期與前述時(shí)期保持線性關(guān)系，從而預(yù)測(cè)該時(shí)期內(nèi)數(shù)列值。

（3）數(shù)據(jù)精度不足

數(shù)據(jù)監(jiān)測(cè)精度與傳感器的工作方式、型號(hào)以及調(diào)較有關(guān)，現(xiàn)場(chǎng)安裝調(diào)試操作不規(guī)范也有可能造成精度不足。對(duì)于這一類數(shù)據(jù)，為避免對(duì)于分析結(jié)果的影響，應(yīng)當(dāng)剔除，以保證基礎(chǔ)數(shù)據(jù)精度相同。

3 掘進(jìn)面瓦斯?jié)舛缺O(jiān)測(cè)數(shù)據(jù)統(tǒng)計(jì)分析

該研究從西山煤電各下轄十多個(gè)煤礦搜集了各個(gè)工作面巷道掘進(jìn)過(guò)程瓦斯?jié)舛缺O(jiān)測(cè)數(shù)據(jù)57組，經(jīng)預(yù)處理后，選擇48 組作為基礎(chǔ)數(shù)據(jù)，利用Matlab 軟件進(jìn)行統(tǒng)計(jì)分析，最終將其分為離散分布、正態(tài)分布、復(fù)雜非線性分布。結(jié)合樣本數(shù)量，利用改進(jìn)的K-S 檢驗(yàn)法，即軟件自帶的D 檢驗(yàn)法，并結(jié)合W 檢驗(yàn)進(jìn)行檢驗(yàn)。采用95%的置信區(qū)間，當(dāng)數(shù)據(jù)顯著水平＞0.05 時(shí)，接受假設(shè)，即認(rèn)為該組數(shù)據(jù)符合正態(tài)分布；當(dāng)數(shù)據(jù)顯著水平≤0.05 時(shí)，拒絕假設(shè)，即認(rèn)為該組數(shù)據(jù)不符合正態(tài)分布。經(jīng)統(tǒng)計(jì)分析后發(fā)現(xiàn)，基礎(chǔ)數(shù)據(jù)中符合正態(tài)分布的有46 組，占比80.7%；符合復(fù)雜非線性分布的有6 組，占比10.5%；符合離散分布的有5 組，占比8.8%。各類型分布中的典型分布曲線如下。

（1）正態(tài)分布

杜兒坪礦15310 工作面南回風(fēng)巷掘進(jìn)過(guò)程中瓦斯監(jiān)測(cè)數(shù)據(jù)如下，經(jīng)分析得該組數(shù)據(jù)符合正態(tài)分布。瓦斯?jié)舛入S時(shí)間的變化曲線如圖1。

圖1 杜兒坪礦15310 南回風(fēng)掘進(jìn)頭瓦斯?jié)舛葧r(shí)間變化曲線

利用Matlab 軟件繪制瓦斯?jié)舛确植贾狈綀D并作正態(tài)分布擬合曲線如圖2。

圖2 杜兒坪礦15310 南回風(fēng)掘進(jìn)頭瓦斯?jié)舛确植贾狈綀D

該樣本的D 檢驗(yàn)和W 檢驗(yàn)的結(jié)果見(jiàn)表1。

表1 杜兒坪礦15310 南回風(fēng)樣本D-W 檢驗(yàn)結(jié)果

由上表可知，數(shù)據(jù)顯著水平（sig）大于0.05，接受假設(shè)，即認(rèn)為該組數(shù)據(jù)符合正態(tài)分布。

（2）復(fù)雜非線性分布

西銘礦9408 工作面運(yùn)輸巷掘進(jìn)過(guò)程中瓦斯監(jiān)測(cè)數(shù)據(jù)如下，經(jīng)分析得該組數(shù)據(jù)不符合正態(tài)分布，屬于復(fù)雜非線性分布。瓦斯?jié)舛入S時(shí)間的變化曲線如圖3。

圖3 西銘礦9408 工作面運(yùn)輸巷掘進(jìn)頭瓦斯?jié)舛葧r(shí)間變化曲線

利用Matlab 軟件繪制瓦斯?jié)舛确植贾狈綀D并作正態(tài)分布擬合曲線如圖4。

圖4 西銘礦9408 工作面運(yùn)輸巷掘進(jìn)頭瓦斯?jié)舛确植贾狈綀D

該樣本的D 檢驗(yàn)和W 檢驗(yàn)的結(jié)果見(jiàn)表2。

表2 西銘礦9408 工作面運(yùn)輸巷樣本D-W 檢驗(yàn)結(jié)果

由上表可知，數(shù)據(jù)顯著水平（sig）為0，該組數(shù)據(jù)不屬于正態(tài)分布，而屬于復(fù)雜非線性分布。

（3）離散分布

馬蘭礦15314 工作面回風(fēng)巷掘進(jìn)過(guò)程中瓦斯監(jiān)測(cè)數(shù)據(jù)如下，經(jīng)分析得該組數(shù)據(jù)不符合正態(tài)分布，屬于離散分布。瓦斯?jié)舛入S時(shí)間的變化曲線如圖5。

圖5 馬蘭礦15314 工作面回風(fēng)巷掘進(jìn)頭瓦斯?jié)舛葧r(shí)間變化曲線

利用Matlab 軟件繪制瓦斯?jié)舛确植忌Ⅻc(diǎn)圖如圖6。

圖6 馬蘭礦15314 工作面回風(fēng)巷掘進(jìn)頭瓦斯?jié)舛确植忌Ⅻc(diǎn)圖

該樣本的D 檢驗(yàn)和W 檢驗(yàn)的結(jié)果見(jiàn)表3。

表3 馬蘭礦15314 工作面回風(fēng)巷樣本D-W 檢驗(yàn)結(jié)果

由上表可知，數(shù)據(jù)顯著水平（sig）為0，該組數(shù)據(jù)不屬于正態(tài)分布，而屬于離散分布。

4 掘進(jìn)工作面瓦斯涌出異常實(shí)例分析

通過(guò)對(duì)基本數(shù)據(jù)的分析，可以發(fā)現(xiàn)大部分巷道掘進(jìn)工作面的瓦斯?jié)舛缺O(jiān)測(cè)數(shù)據(jù)是符合正態(tài)分布的一列隨時(shí)間序列隨機(jī)分布的數(shù)據(jù)。因此，可以以正態(tài)分布為特征研究掘進(jìn)工作面瓦斯?jié)舛茸兓?，判斷出瓦斯?jié)舛茸兓漠惓｜c(diǎn)，提前預(yù)警以及時(shí)采取措施。在統(tǒng)計(jì)的數(shù)據(jù)之中，存在瓦斯?jié)舛犬惓Ｓ砍鰯?shù)據(jù)，通過(guò)對(duì)其分析，發(fā)現(xiàn)在異常點(diǎn)之前，瓦斯?jié)舛葦?shù)據(jù)符合正態(tài)分布，而異常點(diǎn)出現(xiàn)后，數(shù)據(jù)序列由正態(tài)分布轉(zhuǎn)為復(fù)雜非線性分布。

以斜溝礦11103 工作面回風(fēng)巷掘進(jìn)過(guò)程中瓦斯?jié)舛茸兓癁槔?0 個(gè)數(shù)據(jù)符合正態(tài)分布，從第81 個(gè)數(shù)據(jù)開(kāi)始，數(shù)據(jù)序列呈復(fù)雜非線性分布。前80 個(gè)數(shù)據(jù)的瓦斯?jié)舛?時(shí)間曲線如圖7。

圖7 斜溝礦11103 工作面回風(fēng)巷掘進(jìn)頭瓦斯?jié)舛?時(shí)間曲線

對(duì)樣本作容量為80、81、82 的D 檢驗(yàn)和W 檢驗(yàn)的結(jié)果見(jiàn)表4。

表4 斜溝礦11103 工作面回風(fēng)巷樣本D-W 檢驗(yàn)結(jié)果

可以看到，自第81 個(gè)數(shù)據(jù)開(kāi)始，數(shù)據(jù)顯著水平（sig）開(kāi)始小于0.05，說(shuō)明數(shù)據(jù)偏離正態(tài)分布，經(jīng)Matlab 檢驗(yàn)得，樣本容量為80 時(shí)，數(shù)據(jù)符合正態(tài)分布，樣本數(shù)量為81、82 時(shí)，數(shù)據(jù)呈復(fù)雜非線性分布。

據(jù)此可以認(rèn)定81 數(shù)據(jù)處為瓦斯?jié)舛犬惓｜c(diǎn)，結(jié)合煤礦監(jiān)測(cè)資料顯示，該特征點(diǎn)后約17 個(gè)小時(shí)，該巷道發(fā)生瓦斯突出，印證了以此判斷瓦斯?jié)舛犬惓Ｊ呛侠淼摹?/p>

5 結(jié)論

本文通過(guò)對(duì)西山煤電各煤礦掘進(jìn)工作面48 組瓦斯?jié)舛缺O(jiān)測(cè)數(shù)據(jù)的統(tǒng)計(jì)分析，得到結(jié)論：井下工作面正常瓦斯?jié)舛缺O(jiān)測(cè)數(shù)據(jù)符合正態(tài)分布；運(yùn)用統(tǒng)計(jì)分布進(jìn)行瓦斯?jié)舛确治鍪呛侠矶?jiǎn)便易行的預(yù)警方式；當(dāng)工作面瓦斯?jié)舛缺O(jiān)測(cè)數(shù)據(jù)開(kāi)始偏離正態(tài)分布時(shí)，可能是瓦斯異常涌出的預(yù)兆，應(yīng)及時(shí)采取預(yù)防措施。