基于瓦斯實(shí)時(shí)監(jiān)測(cè)的炮掘工作面爆破自動(dòng)識(shí)別與突出危險(xiǎn)性預(yù)測(cè)

彭玉杰，宋大釗，李振雷，何學(xué)秋，王洪磊，邱黎明

(北京科技大學(xué) 土木與資源工程學(xué)院，北京 100083)

0 引 言

煤與瓦斯突出是煤礦的主要災(zāi)害之一，是瓦斯、地應(yīng)力、煤的物理力學(xué)性質(zhì)等因素綜合作用的結(jié)果[1-3]。我國(guó)是世界上煤與瓦斯突出最嚴(yán)重的國(guó)家之一，突出礦井多、分布廣，突出事故多，重特大突出事故時(shí)有發(fā)生[4]。國(guó)內(nèi)外開采實(shí)踐表明，煤與瓦斯突出的發(fā)生呈區(qū)域性分布，突出區(qū)域只占整個(gè)開采區(qū)域的8%～20%，并且多數(shù)發(fā)生在煤巷掘進(jìn)工作面[5]。炮掘是煤巷掘進(jìn)的一種重要方式，爆破作業(yè)是一個(gè)瞬間剝落破碎煤體，釋放游離瓦斯的過(guò)程。研究發(fā)現(xiàn)，在局部通風(fēng)機(jī)出口風(fēng)速相對(duì)一定及瓦斯傳感器懸掛正確的前提下，瓦斯傳感器所測(cè)得的瓦斯體積分?jǐn)?shù)能反映煤巷炮掘工作面的瓦斯正常解吸能力、炮后擾動(dòng)解吸能力、煤層瓦斯吸附與游離含量、與采動(dòng)應(yīng)力耦合的煤層瓦斯壓力、煤層孔裂隙瓦斯補(bǔ)給能力等突出影響因素，炮后瓦斯體積分?jǐn)?shù)異常增大說(shuō)明該區(qū)域影響突出的因素異常增大，即此區(qū)域具有較高的突出危險(xiǎn)性[6]。因此，采集炮后的瓦斯涌出信息并分析瓦斯涌出特征，可反映工作面前方的突出危險(xiǎn)性。

當(dāng)前普遍采用的突出預(yù)測(cè)技術(shù)，如鉆屑指標(biāo)法、鉆孔瓦斯涌出初速度法[7]在突出預(yù)測(cè)實(shí)踐中發(fā)揮了重要作用，尤其是鉆屑瓦斯解吸指標(biāo)K1值，K1值是煤巷掘進(jìn)工作面突出危險(xiǎn)性預(yù)測(cè)的一個(gè)重要指標(biāo)，在大多數(shù)突出礦井得到了廣泛應(yīng)用，測(cè)試結(jié)果直接反應(yīng)工作面前方的突出危險(xiǎn)性。K1值的測(cè)定往往要經(jīng)過(guò)打鉆采樣、解吸測(cè)定等步驟，單次測(cè)量受人為因素影響較大，因此，可將炮后瓦斯涌出特征與K1值結(jié)合，以此建立模型，輔助K1值進(jìn)行突出危險(xiǎn)性預(yù)測(cè)。近年來(lái)，國(guó)內(nèi)外學(xué)者在炮后瓦斯異常涌出識(shí)別、應(yīng)用瓦斯異常涌出預(yù)測(cè)突出危險(xiǎn)性方面進(jìn)行了深入研究。朱世松等[8-9]采取分段形態(tài)度量方法，建立了瓦斯報(bào)警時(shí)間序列形態(tài)特征庫(kù)，提出了基于分段形態(tài)度量的瓦斯報(bào)警信號(hào)快速辨識(shí)算法，實(shí)現(xiàn)了對(duì)炮后瓦斯異常涌出的自動(dòng)識(shí)別。楊禹華等[10]通過(guò)分析瓦斯含量監(jiān)測(cè)數(shù)據(jù)和素描圖，提取因爆破而引起瓦斯涌出異常的前兆特征，應(yīng)用模糊模式識(shí)別技術(shù)對(duì)爆破瓦斯涌出異常進(jìn)行動(dòng)態(tài)預(yù)警。魏連江等[11]從K線圖角度對(duì)瓦斯異常模式進(jìn)行研究，確立瓦斯異常K線診斷準(zhǔn)則，實(shí)現(xiàn)了對(duì)炮后瓦斯涌出異常模式的自動(dòng)診斷。CHEN等[12]根據(jù)煤層突出強(qiáng)度隨釋放氣體初始膨脹能的增大而增大的規(guī)律，提出了煤與瓦斯突出危險(xiǎn)性快速預(yù)測(cè)技術(shù)。李希建等[6]在研究煤巷掘進(jìn)工作面炮后瓦斯涌出規(guī)律的基礎(chǔ)上，提出了用瓦斯峰谷比值作為預(yù)測(cè)預(yù)報(bào)煤巷炮掘工作面煤與瓦斯突出危險(xiǎn)性的方法。鄒云龍等[13]利用時(shí)間序列方法分離了炮掘工作面瓦斯涌出數(shù)據(jù)的趨勢(shì)項(xiàng)、周期項(xiàng)以及噪聲項(xiàng)，并利用趨勢(shì)項(xiàng)、周期項(xiàng)以及噪聲項(xiàng)之間存在的顯著差異對(duì)考察巷道的突出危險(xiǎn)性進(jìn)行了預(yù)測(cè)。這些方法都對(duì)瓦斯異常涌出識(shí)別與突出預(yù)測(cè)具有一定的現(xiàn)實(shí)意義。

筆者在研究煤巷掘進(jìn)工作面炮后瓦斯涌出規(guī)律的基礎(chǔ)上，基于瓦斯異常涌出識(shí)別研究現(xiàn)狀，首先對(duì)瓦斯體積分?jǐn)?shù)監(jiān)測(cè)數(shù)據(jù)進(jìn)行處理，提出了爆破事件自動(dòng)識(shí)別的方法；之后分析了炮后瓦斯體積分?jǐn)?shù)增長(zhǎng)速率、峰值和衰減速率3個(gè)指標(biāo)與K1值的相關(guān)性，并基于這3個(gè)指標(biāo)，建立了炮掘工作面突出危險(xiǎn)性預(yù)測(cè)模型，對(duì)工作面的突出危險(xiǎn)性進(jìn)行預(yù)測(cè)。以此作為現(xiàn)有預(yù)測(cè)方法的補(bǔ)充，對(duì)提高煤與瓦斯突出事故的預(yù)測(cè)、預(yù)防能力有著重要的意義。

1 炮掘工作面爆破事件自動(dòng)識(shí)別

瓦斯涌出異常是重要的煤與瓦斯突出前兆，爆破作業(yè)使瓦斯異常涌出，瓦斯涌出異常可視化為瓦斯體積分?jǐn)?shù)曲線中的異常波動(dòng)。因此，若要自動(dòng)分析炮后瓦斯體積分?jǐn)?shù)變化特征，挖掘煤與瓦斯突出前兆，首先要從瓦斯體積分?jǐn)?shù)監(jiān)測(cè)曲線中準(zhǔn)確識(shí)別爆破事件。爆破登記表記錄了爆破時(shí)間、瓦斯體積分?jǐn)?shù)等信息，但爆破登記受人為因素的影響較大，且爆破登記時(shí)間與實(shí)際爆破時(shí)間存在一定誤差。因此，僅靠爆破登記表等現(xiàn)有資料不能精確反映爆破信息。筆者提出一種基于瓦斯體積分?jǐn)?shù)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，對(duì)爆破事件進(jìn)行識(shí)別提取的方法，可實(shí)現(xiàn)爆破事件的自動(dòng)識(shí)別與信息提取。

1.1 爆破事件自動(dòng)識(shí)別方法

1.1.1 自動(dòng)識(shí)別步驟

瓦斯監(jiān)測(cè)系統(tǒng)可實(shí)現(xiàn)對(duì)掘進(jìn)工作面瓦斯體積分?jǐn)?shù)的實(shí)時(shí)監(jiān)測(cè)，瓦斯體積分?jǐn)?shù)曲線的變化能夠反映井下通風(fēng)、異常地質(zhì)構(gòu)造、人為作業(yè)等環(huán)境的變化，同時(shí)，不同爆破事件的炮后瓦斯體積分?jǐn)?shù)變化表現(xiàn)出相似性。因此，基于瓦斯體積分?jǐn)?shù)監(jiān)測(cè)數(shù)據(jù)，提出了一種爆破事件自動(dòng)識(shí)別的方法。爆破事件自動(dòng)識(shí)別的具體步驟如圖1所示。

圖1 爆破事件自動(dòng)識(shí)別步驟Fig.1 Steps of auto-identification of blasting

1.1.2 自動(dòng)識(shí)別算法

1)數(shù)據(jù)預(yù)處理。

①差分運(yùn)算。瓦斯體積分?jǐn)?shù)數(shù)據(jù)是非平穩(wěn)的離散時(shí)間序列，對(duì)瓦斯體積分?jǐn)?shù)數(shù)據(jù)進(jìn)行差分運(yùn)算，可以消除一些數(shù)據(jù)波動(dòng)，使瓦斯體積分?jǐn)?shù)變化特征規(guī)律更加明顯。去除因儀器校檢等原因產(chǎn)生的異常數(shù)據(jù)后，取瓦斯體積分?jǐn)?shù)向量為

C=(c(1),c(2),…,c(N))T

(1)

式中：c(t)為t時(shí)刻的瓦斯體積分?jǐn)?shù)；t=1,2,…,N，N為瓦斯體積分?jǐn)?shù)監(jiān)測(cè)時(shí)間。

取向量C的一階差分向量

C′=(c′(1),c′(2),…,c′(N-1))T

(2)

c′(t)=c(t+1)-c(t)

(3)

式中：c′(t)為t時(shí)刻瓦斯體積分?jǐn)?shù)一階差分值，t=1,2,…,N。

②卷積運(yùn)算。將式(2)與向量

V=(5,4,3,2,1,0,-1,-2,-3,-4,-5)T

(4)

進(jìn)行卷積運(yùn)算得到向量

W=(w1,w2,…,wN+9)T

(5)

(6)

從向量W中截取與向量C相同維數(shù)列向量為

S=(s1,s2,…,sN)T

(7)

si=wi+4,i=1,2,…,N

(8)

向量C與向量S的典型對(duì)應(yīng)關(guān)系如圖2所示。

圖2 差分卷積向量S與瓦斯體積分?jǐn)?shù)向量CFig.2 Difference convolution vector S and gas volume fraction vector C

由圖2可知，S中較為明顯的波峰波谷與瓦斯體積分?jǐn)?shù)向量C中的爆破與炮后瓦斯體積分?jǐn)?shù)峰值位置表現(xiàn)出良好的對(duì)應(yīng)性。因此，要識(shí)別瓦斯體積分?jǐn)?shù)監(jiān)測(cè)曲線中的爆破事件及其特征，需對(duì)S中符合一定規(guī)則的波峰波谷進(jìn)行精準(zhǔn)有效的識(shí)別。

2)識(shí)別方法。應(yīng)用MATLAB中findpeaks函數(shù)識(shí)別S中的波峰位置，得到對(duì)應(yīng)的爆破時(shí)刻及此時(shí)的瓦斯體積分?jǐn)?shù)；取S的相反數(shù)-S，同樣應(yīng)用findpeaks函數(shù)識(shí)別-S中的波峰位置，得到對(duì)應(yīng)的炮后瓦斯體積分?jǐn)?shù)峰值及其時(shí)刻。findpeaks函數(shù)參數(shù)設(shè)置如下，最小峰高為0.2，最小峰距為90.0，最小峰突為0.3，最小峰寬為3.0。

1.1.3 識(shí)別結(jié)果評(píng)價(jià)

1)分類評(píng)價(jià)。從連續(xù)的瓦斯體積分?jǐn)?shù)監(jiān)測(cè)曲線中，識(shí)別出爆破事件，可以看作一個(gè)二分類問(wèn)題，即把異常波動(dòng)的曲線段分為爆破與非爆破2類。為了評(píng)價(jià)識(shí)別方法的有效性與準(zhǔn)確性，應(yīng)用模型評(píng)價(jià)指標(biāo)召回率Re與精準(zhǔn)率Pr對(duì)提出方法進(jìn)行評(píng)價(jià)。

召回率Re表示真正爆破的樣本中，爆破事件被識(shí)別的比例。此時(shí)有2種可能，一種是把真正的爆破事件識(shí)別為爆破，另一種就是把真正的爆破事件識(shí)別為非爆破事件。召回率Re衡量的是識(shí)別方法的查全率。召回率Re[14-15]定義為：

(9)

式中：TP為把真正的爆破事件識(shí)別為爆破的樣本數(shù)；FN為把真正的爆破事件識(shí)別為非爆破事件的樣本數(shù)。

精準(zhǔn)率Pr表示在識(shí)別為爆破的樣本中，真正爆破事件的比例。識(shí)別為爆破有2種可能，一種是把真正的爆破事件識(shí)別為爆破，另一種是把非爆破事件識(shí)別為爆破。精準(zhǔn)率Pr衡量的是識(shí)別方法的查準(zhǔn)率。精準(zhǔn)率Pr[16-17]定義為：

(10)

式中：FP為把非爆破事件識(shí)別為爆破的樣本數(shù)。

2)數(shù)值評(píng)價(jià)。對(duì)識(shí)別出的爆破事件，進(jìn)行爆破時(shí)刻、炮后瓦斯體積分?jǐn)?shù)峰值等特征提取，提取準(zhǔn)確性的評(píng)價(jià)指標(biāo)為平均絕對(duì)誤差M：

(11)

1.2 爆破事件自動(dòng)識(shí)別應(yīng)用實(shí)例

筆者以某礦炮掘巷道1138和11227運(yùn)輸巷2019年1—4月的瓦斯體積分?jǐn)?shù)監(jiān)測(cè)數(shù)據(jù)為分析對(duì)象。此礦井是煤與瓦斯突出礦井，1138運(yùn)輸巷所屬的3號(hào)煤層及11227運(yùn)輸巷所屬的22號(hào)煤層的平均瓦斯含量分別為17.55、10.79 m3/t，平均瓦斯壓力分別為0.97、1.80 MPa，瓦斯含量高，瓦斯壓力大。掘進(jìn)過(guò)程中易引起局部瓦斯涌出量過(guò)大，煤與瓦斯突出危險(xiǎn)性高。在掘進(jìn)巷道需布置瓦斯傳感器T1、T2、T3實(shí)時(shí)監(jiān)測(cè)掘進(jìn)過(guò)程的瓦斯體積分?jǐn)?shù)，T1、T2、T3的布置如圖3所示。

圖3 掘進(jìn)工作面瓦斯傳感器布置Fig.3 Placement of gas sensors in driving face

由圖3可知，T1距掘進(jìn)工作面最近，可實(shí)時(shí)反映掘進(jìn)工作面的瓦斯體積分?jǐn)?shù)變化情況，因此爆破事件的識(shí)別采用瓦斯傳感器T1的監(jiān)測(cè)數(shù)據(jù)。應(yīng)用提出的識(shí)別方法對(duì)爆破事件進(jìn)行識(shí)別，典型結(jié)果如圖4所示。圖4為從1138運(yùn)輸巷4月9—10日瓦斯體積分?jǐn)?shù)監(jiān)測(cè)曲線中識(shí)別出的2次爆破事件，識(shí)別出的爆破時(shí)刻分別為2019年4月9日15:30和22:35，爆破時(shí)刻的瓦斯體積分?jǐn)?shù)分別為0.05%、0.04%；炮后瓦斯體積分?jǐn)?shù)達(dá)到峰值的時(shí)刻分別為2019年4月9日15:32和22:38，瓦斯體積分?jǐn)?shù)峰值分別為0.34%、0.4%。爆破登記表中的爆破登記時(shí)間分別為2019年4月9日15:15和22:45。此方法是基于瓦斯體積分?jǐn)?shù)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)對(duì)爆破時(shí)間進(jìn)行識(shí)別提取的，與人工登記的爆破時(shí)間相比，提取的爆破時(shí)間與實(shí)際爆破時(shí)間更為接近，此外，該方法還可識(shí)別提取出未曾記錄的炮后瓦斯體積分?jǐn)?shù)峰值及時(shí)刻。將所有識(shí)別結(jié)果與實(shí)際爆破時(shí)間和炮后瓦斯體積分?jǐn)?shù)峰值進(jìn)行比較，應(yīng)用評(píng)價(jià)指標(biāo)對(duì)識(shí)別結(jié)果進(jìn)行評(píng)價(jià)。評(píng)價(jià)結(jié)果見(jiàn)表1。

圖4 部分爆破事件識(shí)別結(jié)果Fig.4 Part of auto-identification results of blasting

由表1可知，此識(shí)別方法對(duì)瓦斯體積分?jǐn)?shù)曲線中爆破事件的識(shí)別召回率平均為84.13%、精準(zhǔn)率平均為77.21%。將人工標(biāo)定的實(shí)際爆破時(shí)間與自動(dòng)識(shí)別出的爆破時(shí)間，實(shí)際炮后瓦斯體積分?jǐn)?shù)峰值與識(shí)別提取出的瓦斯體積分?jǐn)?shù)峰值對(duì)比計(jì)算其平均絕對(duì)誤差。炮后瓦斯體積分?jǐn)?shù)峰值平均絕對(duì)誤差平均為0.018 9%；爆破時(shí)刻平均絕對(duì)誤差平均為2.323 7 min。因此，此方法對(duì)于爆破時(shí)刻及炮后瓦斯體積分?jǐn)?shù)峰值的識(shí)別提取較為精確。

表1 識(shí)別結(jié)果與方法評(píng)價(jià)Table 1 Auto-identification results and method evaluation

2 炮掘工作面突出危險(xiǎn)性預(yù)測(cè)

2.1 炮后瓦斯體積分?jǐn)?shù)特征及與K1值的相關(guān)性規(guī)律

目前普遍采用的煤與瓦斯突出預(yù)測(cè)指標(biāo)K1值能夠有效地反映突出的危險(xiǎn)程度。K1值是煤層每克煤樣采集后在第1分鐘內(nèi)的瓦斯解吸量，K1值越大，煤與瓦斯突出危險(xiǎn)程度越高[16]。炮后瓦斯體積分?jǐn)?shù)隨K1值表現(xiàn)出不同的變化特征，將炮后瓦斯體積分?jǐn)?shù)變化特征與K1值結(jié)合，對(duì)比不同K1值條件下，炮后瓦斯體積分?jǐn)?shù)曲線擬合特征。

應(yīng)用前文1138和11227運(yùn)輸巷爆破事件自動(dòng)識(shí)別提取的結(jié)果，分析炮后瓦斯體積分?jǐn)?shù)變化特征?？梢园l(fā)現(xiàn)，炮后瓦斯體積分?jǐn)?shù)的變化可以分為2個(gè)階段：第1階段為直線上升階段，在此階段，瓦斯體積分?jǐn)?shù)呈現(xiàn)直線上升的趨勢(shì)，瓦斯涌出主要受落煤瓦斯涌出及煤壁瓦斯涌出的影響；第2階段為緩慢下降階段，此階段的瓦斯體積分?jǐn)?shù)呈現(xiàn)緩慢下降的趨勢(shì)，瓦斯涌出主要受煤壁瓦斯涌出的影響。

為分析對(duì)比不同K1值條件下，炮后瓦斯體積分?jǐn)?shù)變化的具體特征。對(duì)識(shí)別出的每一爆破事件，以提取的爆破時(shí)刻為起始點(diǎn)，第1階段每隔10 s提取一個(gè)瓦斯體積分?jǐn)?shù)值，第2階段每隔5 min提取一個(gè)瓦斯體積分?jǐn)?shù)值。為了降低偶然誤差，對(duì)K1值相同的爆破事件，取炮后相同間隔時(shí)間瓦斯體積分?jǐn)?shù)的平均值。得到炮后2個(gè)階段不同K1值條件下，炮后瓦斯體積分?jǐn)?shù)均值隨時(shí)間Δt的變化規(guī)律，如圖5、圖6所示。由圖5可知，在炮后瓦斯體積分?jǐn)?shù)變化的第1階段，即炮后2 min內(nèi)，瓦斯體積分?jǐn)?shù)變化呈現(xiàn)相同的直線上升變化特征，且K1值越大，炮后瓦斯體積分?jǐn)?shù)增長(zhǎng)速率和峰值均越大；由圖6可知，在炮后瓦斯體積分?jǐn)?shù)變化的第2階段，瓦斯體積分?jǐn)?shù)隨時(shí)間表現(xiàn)出統(tǒng)一的對(duì)數(shù)衰減特征，且K1值越大，炮后瓦斯體積分?jǐn)?shù)衰減的速率越快，恢復(fù)至平穩(wěn)值所需時(shí)間越長(zhǎng)。為定量分析炮后瓦斯體積分?jǐn)?shù)增長(zhǎng)速率、瓦斯體積分?jǐn)?shù)峰值和瓦斯體積分?jǐn)?shù)衰減速率與K1值的相關(guān)關(guān)系，對(duì)其進(jìn)行相關(guān)性分析。設(shè)2個(gè)長(zhǎng)度為n的序列x(x1,x2,…,xn)、y(y1,y2,…,yn)，兩者的相關(guān)系數(shù)rxy可以用下式表示。

圖5 不同K1值條件下炮后瓦斯體積分?jǐn)?shù)第1階段變化特征Fig.5 Variation characteristics of gas volume fraction in the first stage after blasting under different K1 values

圖6 不同K1值條件下炮后瓦斯體積分?jǐn)?shù)第2階段變化特征Fig.6 Variation characteristics of gas volume fraction in second stage after blasting under different K1 values

(12)

根據(jù)式(12)對(duì)炮后瓦斯體積分?jǐn)?shù)增長(zhǎng)速率、瓦斯體積分?jǐn)?shù)峰值和瓦斯體積分?jǐn)?shù)衰減速率與K1值兩兩組合求取相關(guān)系數(shù)，結(jié)果如圖7所示?？芍诤笸咚贵w積分?jǐn)?shù)增長(zhǎng)速率、瓦斯體積分?jǐn)?shù)峰值和瓦斯體積分?jǐn)?shù)衰減速率與K1值的相關(guān)系數(shù)分別為0.85、0.92、0.79，都與K1值強(qiáng)相關(guān)；同時(shí)，炮后瓦斯體積分?jǐn)?shù)增長(zhǎng)速率、瓦斯體積分?jǐn)?shù)峰值和瓦斯體積分?jǐn)?shù)衰減速率之間也具有很強(qiáng)的相關(guān)性。

圖7 炮后瓦斯增長(zhǎng)速率、峰值、衰減速率和K1值相關(guān)性矩陣圖Fig.7 Correlation matrix diagram about growth rate,peak value,decay rate of gas after blasing and K1 value

2.2 突出危險(xiǎn)性預(yù)測(cè)模型

炮后瓦斯體積分?jǐn)?shù)增長(zhǎng)速率、瓦斯體積分?jǐn)?shù)峰值和瓦斯?jié)舛人p速率與K1值具有很強(qiáng)的相關(guān)性，K1值通常采用鉆孔法測(cè)定，一次測(cè)定往往受人為因素影響較大。因此，利用炮后瓦斯體積分?jǐn)?shù)特征與K1值的強(qiáng)相關(guān)性，建立K1值與炮后瓦斯體積分?jǐn)?shù)增長(zhǎng)速率、峰值或衰減速率的關(guān)系方程，通過(guò)每次爆破作業(yè)炮后的瓦斯體積分?jǐn)?shù)變化特征，對(duì)前方工作面的有突出危險(xiǎn)性進(jìn)行預(yù)測(cè)。為確定最優(yōu)回歸模型的指標(biāo)數(shù)量，將K1值與炮后瓦斯體積分?jǐn)?shù)增長(zhǎng)速率、峰值和衰減速率3個(gè)指標(biāo)組合，建立7個(gè)回歸模型，以擬合優(yōu)度R2和殘差平方和SE反映模型優(yōu)劣，擬合優(yōu)度R2越大，殘差平方和SE越小，建立的模型越優(yōu)。回歸模型及參數(shù)見(jiàn)表2，擬合優(yōu)度R2、殘差平方和SE的計(jì)算公式如下。

表2 回歸模型及參數(shù)Table 2 Regression model and parameters

(13)

(14)

由表3對(duì)比可知，應(yīng)用炮后瓦斯體積分?jǐn)?shù)增長(zhǎng)速率、瓦斯體積分?jǐn)?shù)峰值和瓦斯體積分?jǐn)?shù)衰減速率3個(gè)指標(biāo)建立的回歸模型擬合優(yōu)度R2最大，殘差平方和SE最小。由此選擇回歸模型

K1=0.016r+0.488p+0.004d-0.022

(15)

對(duì)掘進(jìn)工作面前方的突出危險(xiǎn)性進(jìn)行預(yù)測(cè)?！斗乐蚊号c瓦斯突出細(xì)則》中規(guī)定[17]：反映干煤樣突出危險(xiǎn)性的指標(biāo)K1值，其臨界值為0.5 cm3/(g·min1/2)，即當(dāng)測(cè)定的K1值超過(guò)0.5 cm3/(g·min1/2) 時(shí)，預(yù)測(cè)前方工作面具有突出危險(xiǎn)性。因此，反映突出危險(xiǎn)性的指標(biāo)K1值的臨界值設(shè)為0.5 cm3/(g·min1/2)。

1.3 突出危險(xiǎn)性預(yù)測(cè)實(shí)踐

1.3.1 11224運(yùn)輸巷及掘進(jìn)概況

將突出危險(xiǎn)性預(yù)測(cè)模型應(yīng)用于該礦11224運(yùn)輸巷，11224運(yùn)輸巷所屬的22號(hào)煤層平均厚度1.2 m，平均原煤瓦斯含量10.8 m3/t，煤層堅(jiān)固性系數(shù)f平均為0.5～0.6。11224運(yùn)輸巷沿22號(hào)煤層走向掘進(jìn)，支護(hù)形式為錨網(wǎng)索支護(hù)，運(yùn)輸巷設(shè)計(jì)施工總長(zhǎng)度400.18 m，實(shí)際施工長(zhǎng)度451.5 m。11224運(yùn)輸巷的位置如圖8所示。

圖8 11224運(yùn)輸巷位置Fig.8 Location of No.11224 headentry

1.3.2 11224運(yùn)輸巷突出危險(xiǎn)性預(yù)測(cè)

噴孔是在突出煤層尤其是松軟的高地應(yīng)力、高瓦斯突出煤層的鉆孔施工過(guò)程中，從鉆孔中噴出煤和瓦斯的現(xiàn)象。噴孔可認(rèn)為是小型的煤與瓦斯突出[18-19]。首先應(yīng)用提出的識(shí)別方法對(duì)11224運(yùn)輸巷2017年8—12月的瓦斯體積分?jǐn)?shù)監(jiān)測(cè)數(shù)據(jù)進(jìn)行爆破事件自動(dòng)識(shí)別，之后根據(jù)式(15)對(duì)識(shí)別出的每一爆破事件進(jìn)行K1預(yù)測(cè)值的計(jì)算，成功地預(yù)測(cè)出11224工作面前方的25次噴孔和1次小型壓出事件。圖9選取了11224運(yùn)輸巷2017年8月和12月的瓦斯體積分?jǐn)?shù)監(jiān)測(cè)曲線及對(duì)應(yīng)事件。如圖8a所示，在8月9日八點(diǎn)班和零點(diǎn)班的2次爆破事件中，K1預(yù)測(cè)值分別為0.528 90、0.581 49，均超過(guò)臨界值0.5，8月10日四點(diǎn)班即發(fā)生了噴孔事件，而8月8日、9日K1實(shí)測(cè)值均為0.27，并未超限；在8月13日4點(diǎn)班的一次爆破事件中，K1預(yù)測(cè)值為0.662 71，超過(guò)臨界值0.5，8月15日即實(shí)測(cè)到K1值為0.52，并且在打鉆過(guò)程中發(fā)生了噴孔。如圖8b所示，12月8日，在11224掘進(jìn)工作面進(jìn)行了3次爆破作業(yè)，第3次爆破事件K1預(yù)測(cè)值為0.701 12，遠(yuǎn)超過(guò)臨界值0.5；12月9—10日即發(fā)生了3次噴孔事件，且10日K1實(shí)測(cè)值為0.52，并伴有1次小型壓出。

圖9 11224運(yùn)輸巷2017年噴孔、壓出事件Fig.9 Jet hole and small outburst of No.11224 headentry in 2017

2017年8—12月，在11224運(yùn)輸巷中共發(fā)生32次噴孔事件，應(yīng)用建立的預(yù)測(cè)模型，K1預(yù)測(cè)值超限17次。設(shè)定預(yù)測(cè)周期為2 d，即如果K1預(yù)測(cè)值超限后的2 d內(nèi)，有噴孔或其他煤與瓦斯突出現(xiàn)象發(fā)生，則認(rèn)為此次預(yù)測(cè)成功。在K1預(yù)測(cè)值的17次超限中，預(yù)測(cè)成功14次，虛報(bào)3次；在發(fā)生的32次噴孔事件中，報(bào)準(zhǔn)25次，漏報(bào)7次。為客觀反映預(yù)測(cè)模型的效能，綜合考慮報(bào)準(zhǔn)率、虛報(bào)和漏報(bào)的影響，采用R評(píng)分法對(duì)模型效能進(jìn)行評(píng)價(jià)，R越大，則效果越好。預(yù)報(bào)效能R[20]定義為

(16)

3 結(jié) 論

1)提出了應(yīng)用瓦斯體積分?jǐn)?shù)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)經(jīng)過(guò)一階差分卷積計(jì)算進(jìn)行自動(dòng)識(shí)別爆破事件的方法，該方法實(shí)現(xiàn)了對(duì)爆破時(shí)刻、爆破時(shí)的瓦斯體積分?jǐn)?shù)、炮后瓦斯體積分?jǐn)?shù)峰值及其時(shí)刻的自動(dòng)識(shí)別提取，對(duì)爆破事件的識(shí)別召回率平均為84.13%、精準(zhǔn)率平均為77.21%。

2)分析了炮后瓦斯體積分?jǐn)?shù)變化特征，發(fā)現(xiàn)炮后瓦斯體積分?jǐn)?shù)變化分為直線上升和緩慢下降2個(gè)階段。分析了2個(gè)階段中炮后瓦斯體積分?jǐn)?shù)增長(zhǎng)速率、峰值和衰減速率3個(gè)指標(biāo)與K1值的相關(guān)性，3個(gè)指標(biāo)都與K1值強(qiáng)相關(guān)，相關(guān)系數(shù)分別為0.85、0.92、0.79。

3)基于瓦斯實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)與炮后瓦斯體積分?jǐn)?shù)增長(zhǎng)速率、峰值和衰減速率3個(gè)指標(biāo)，建立了炮掘工作面突出危險(xiǎn)性預(yù)測(cè)模型，并將該模型應(yīng)用于試驗(yàn)礦井炮掘工作面，成功地預(yù)測(cè)出了25次噴孔和1次小型壓出事件，預(yù)報(bào)效能為60.48%，此方法可作為現(xiàn)有突出預(yù)測(cè)方法的補(bǔ)充，輔助K1值進(jìn)行突出危險(xiǎn)性預(yù)測(cè)。