基于熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)的深部煤礦熱害風(fēng)險評價研究

秦致遠(yuǎn),楊 力

(安徽理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院,安徽 淮南 232000)

煤礦深部開采時由于礦井散熱源多,相對濕度大,導(dǎo)致其內(nèi)部形成了異常高溫、高濕的熱環(huán)境,這種極端惡劣的熱環(huán)境稱為熱害。深部煤礦熱害不僅直接影響地下采礦工作以及工人的健康,還容易造成災(zāi)害和事故,威脅到煤礦的安全生產(chǎn)。為了改善深部礦井內(nèi)的熱環(huán)境,需要對深部煤礦熱害風(fēng)險進(jìn)行評價,尋找出合適的降溫措施,以降低熱害對煤礦企業(yè)正常生產(chǎn)的影響,減輕熱害對工人身心健康的傷害。目前關(guān)于煤礦熱害方面的研究,主要有歐曉英的模糊綜合礦井熱環(huán)境評價,左前明的高溫礦井熱環(huán)境模糊綜合評價模型,姚韋靖的礦井熱環(huán)境現(xiàn)狀研究等[1-3]。除此之外,程磊[4]從內(nèi)外部多方面因素研究了其對礦井熱害的影響。Wang等[5]利用6個采煤工作面水文地質(zhì)資料進(jìn)行了工程實踐評價。黃煒等[6]在梳理深部礦井熱環(huán)境影響因素的基礎(chǔ)上對礦井熱害進(jìn)行了危險分級。蘇亞松[7]評估了縣域礦井的安全風(fēng)險。Ding等[8]通過采用模糊綜合評價法(FCE)和層次分析法(AHP)建立了評價模型,在綜合評價地下熱源及其熱貢獻(xiàn)率的基礎(chǔ)上,提出了控制地下熱應(yīng)力的建議。Zhi等[9]針對礦井熱害數(shù)據(jù)缺乏、影響因素復(fù)雜的特點,提出了一種基于支持向量機的礦井熱環(huán)境估計模型,分析了支持向量機回歸理論,總結(jié)了礦山熱害的影響因素。隨著國內(nèi)淺層煤礦資源的枯竭,礦井逐漸走向深部開采。深部煤層熱害原因更為復(fù)雜,其熱害程度更為嚴(yán)重。如何對此種情景下的礦井熱害風(fēng)險進(jìn)行評價,成為深部煤礦安全管理的一個難題。因此,本文提出了基于熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)的深部煤礦熱害風(fēng)險評價模型,并通過具體實例對煤礦熱害風(fēng)險評價模型的性能進(jìn)行檢驗,以對深部礦井熱害的預(yù)防和控制提供理論和技術(shù)支持。

1 深部礦井熱害風(fēng)險評價指標(biāo)體系

本文初步使用實地調(diào)研法、文獻(xiàn)綜合法和專家訪談法構(gòu)建深部煤礦熱害風(fēng)險評價指標(biāo)體系。10位煤礦安全專家受邀通過德爾菲法初步構(gòu)建了熱害風(fēng)險評價指標(biāo)體系,經(jīng)過多輪信息反饋及整理,最終確立了礦井內(nèi)部放熱、礦井環(huán)境、礦井結(jié)構(gòu)3個層面12個熱害風(fēng)險評價指標(biāo),深部煤礦熱害風(fēng)險評價指標(biāo)體系如圖1所示。

圖1 深部煤礦熱害風(fēng)險評價指標(biāo)體系

在深部礦井開采中,高溫?zé)岷栴}是不可避免的。隨著開采深度的增加,井下溫度不斷升高,深井作業(yè)環(huán)境變得越來越惡劣。這不僅會降低設(shè)備的工作性能,縮短其使用壽命,還會影響井下工人的工作能力和健康,進(jìn)而引發(fā)生產(chǎn)事故。因此,礦井標(biāo)高是評價礦井熱害風(fēng)險的重要指標(biāo)之一。此外,地下熱水的放熱現(xiàn)象也是造成深部礦井熱害的重要原因。在大地?zé)崃鲌龅淖饔孟?地表深層的地下水被加熱,形成高溫礦井熱水,礦井熱水通過直接加熱風(fēng)流或巖體傳熱兩種方式,間接引起井下溫度變化,從而引起礦井熱害。因此,地下熱水平均涌出溫度和平均涌出速度是評價礦井熱害的兩個重要指標(biāo)。機械、電氣設(shè)備的熱量釋放是造成深部礦井熱害的主要因素之一。這類熱量包含了除有用功以外其他各種形式散失的熱量,泵電機的電力和水泵軸承摩擦所產(chǎn)生的熱量,以及所有的照明用電都會被轉(zhuǎn)換成熱能[10]。隨著礦山工程自動化、機械化、集中化的持續(xù)發(fā)展,尤其是煤礦開采和輸送機械的大量使用,機械和電氣設(shè)備的生產(chǎn)能力迅速增長,電氣設(shè)備運行產(chǎn)生的熱量逐漸成為引起風(fēng)流變暖的重要因素。特別是在回采工作面,其影響更為突出[11]。在煤礦井下,煤炭及其他物料的氧化反應(yīng)十分復(fù)雜,其放熱量難以精確測定。實測結(jié)果顯示,煤的氧化放熱對煤礦氣候沒有顯著影響[12]。

地表氣溫的改變。在深部煤礦采煤過程中,地面大氣的溫度對煤礦的氣溫有直接影響。受中國所處氣候帶的影響,中國的大氣溫度隨季節(jié)變化,晝夜溫差變化也比較大[13]。地面向地下流動的氣溫與濕度均存在一定的規(guī)律性,但季節(jié)性的氣溫變化對其危害的影響較大。當(dāng)原巖溫度超過28℃時,由于原巖溫度的上升,巷道圍巖調(diào)熱圈的調(diào)節(jié)作用逐漸減弱,從而呈現(xiàn)季節(jié)性的熱害[10]。因此,年平均地面溫度和年平均地面濕度是影響深部礦井熱害風(fēng)險的重要指標(biāo)。地溫梯度也是“地?zé)崽荻取?它是一種能夠反映地溫分布不均勻的參量。一般情況下,礦體埋藏越深,其溫度也就越高。這個數(shù)字代表著在垂直方向上的每100公尺上升的氣溫,也就是所謂的“地溫上升速率”。通過對地下溫度場的研究和分析,也就是溫度梯度的變化,可以為勘探地區(qū)的溫度提供依據(jù)[14]。當(dāng)濕度在50%～60%之間時,人體是感到舒適的。但在一般情況下,井下作業(yè)區(qū)的相對濕度在80%～90%左右,而回風(fēng)區(qū)域的總回風(fēng)通道和回風(fēng)井的相對濕度則基本達(dá)到飽和狀態(tài)。井下空氣中的水分是由礦井水的直接蒸發(fā)、井巷壁上凝結(jié)水的再排濕和用于降塵、鉆井冷卻、水力開裂等生產(chǎn)過程中的大量蒸發(fā)。由于各種原因,造成礦井內(nèi)的環(huán)境濕度高于人體正常工作所需要的環(huán)境濕度[15-16]。因此,礦井的濕度也是造成深部煤礦熱害的主要原因之一。

深井通風(fēng)的熱源以地?zé)釣橹?而地?zé)崾怯芍車鷰r石進(jìn)行傳導(dǎo)的。礦巖經(jīng)過開采、剝落、裸露,其熱能在空氣中慢慢揮發(fā),釋放的熱能約占礦井地下熱能總量的48%以上。因此,深部礦井內(nèi)的平均地溫是造成熱害的主要原因之一[17]。在提高礦井開采程度后,井下采區(qū)和工作面布置范圍更廣,工作面距離進(jìn)風(fēng)井口的長度增加,通風(fēng)系統(tǒng)網(wǎng)絡(luò)復(fù)雜[18]。在煤礦開采過程中,所需風(fēng)量將隨著工作面設(shè)計長度的增加而增加,因此,礦井通風(fēng)系統(tǒng)的供風(fēng)量和風(fēng)壓將隨著礦井開采強度進(jìn)行相應(yīng)調(diào)整。當(dāng)?shù)V井進(jìn)風(fēng)量增大時,隨著通風(fēng)路線加長,井巷內(nèi)風(fēng)流沿流向摩擦阻力也相應(yīng)增大。由于豎井和巷道橫截面和方向的變化,以及分叉點和連接點的增加,使氣流的局部阻力增加,導(dǎo)致氣流能量損失。為了克服礦井通風(fēng)過程中的通風(fēng)阻力,除了在減小井巷摩擦阻力、降低局部阻力和優(yōu)化調(diào)整風(fēng)網(wǎng)結(jié)構(gòu)的基礎(chǔ)上,還需增加礦井的通風(fēng)功率,以滿足礦井開采通風(fēng)的安全要求[19]。在沒有高溫?zé)岷Φ牡V井中,增大通風(fēng)動力的主要影響是礦井通風(fēng)機的負(fù)荷增加,導(dǎo)致電力消耗增加,降低了煤礦生產(chǎn)的經(jīng)濟(jì)性。然而,對于高溫礦井不僅僅存在增大能耗的問題,由于礦井通風(fēng)阻力的增加,風(fēng)流與井巷之間的熱交換時間延長,熱量傳遞增加,這導(dǎo)致相同流動距離內(nèi)氣流的溫升速率更快,進(jìn)一步加劇了礦井熱害[20]。所以礦井掘進(jìn)工作面的數(shù)量以及礦井通風(fēng)系統(tǒng)的工作效率同樣對深部煤礦的熱害有著重要的影響。相關(guān)調(diào)查研究表明,我國礦井高溫?zé)岷Ψ乐蔚闹饕枨髮ο髴?yīng)該是年產(chǎn)50萬噸以上,重點在100～500萬噸的大型國有重點煤礦[21]。因此,煤礦年產(chǎn)量也是影響深部煤礦熱害風(fēng)險的因素之一。

2 深部煤礦熱害風(fēng)險評價模型構(gòu)建

熵權(quán)法是一種從實際數(shù)據(jù)出發(fā),按照評價指標(biāo)的貢獻(xiàn)度或差異性來進(jìn)行客觀賦權(quán)的方法。與AHP(層次分析法)、專家判斷法、模糊綜合評價法相比,熵權(quán)法計算所得的指標(biāo)權(quán)重不易受到主觀影響,數(shù)據(jù)內(nèi)的隱含信息得到更好反映,有著更好的精確度及客觀性。BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò),具有較好的非線性映射能力、自學(xué)習(xí)適應(yīng)能力、泛化能力和容錯能力,在解決高維、非線性問題方面有獨特優(yōu)勢。BP神經(jīng)網(wǎng)絡(luò)在煤礦安全管理方面的研究已經(jīng)比較成熟,學(xué)者們從不同的角度探討了該方法在煤礦安全管理方面的應(yīng)用[22-27]。因此本文利用熵權(quán)法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)來對深部煤礦熱害進(jìn)行預(yù)測和評價。

2.1 評價指標(biāo)權(quán)重確定

在對礦井熱害風(fēng)險評價的過程中,采用熵權(quán)法來體現(xiàn)出各個指標(biāo)的重要性。具體步驟如下:

(1)形成決策矩陣。設(shè)參與評價的對象集M=(M1,M2,…,Mm),指標(biāo)集D=(D1,D2,…,Dn),評價對象集Mi對指標(biāo)集Dj的值記為Rij(i=1,2,…,m;J=1,2,…,n)則形成的決策矩陣為:

(1)

(2)標(biāo)準(zhǔn)化決策矩陣。由于本文是煤礦熱害風(fēng)險相關(guān)的評價,指標(biāo)越小越優(yōu),所以采用以下標(biāo)準(zhǔn)化公式:

(2)

式中,vij、rij是歸一化后的值,max(rj)、min(rj)分別為第j個指標(biāo)的最大值和最小值。

(3)計算特征比重。

(3)

因為0≤vij≤1,所以0≤Pij≤1。

(4)計算各指標(biāo)的熵值。

(4)

當(dāng)Pij=0或者Pij=1時,認(rèn)為PijIn(Pij)=0。

(5)計算各指標(biāo)的差異性系數(shù)。

dj=1-ej。

(5)

(6)確定各指標(biāo)的熵權(quán)。

(6)

2.2 評價模型構(gòu)建

由于礦井熱害風(fēng)險的影響因素較多,且各因素互相關(guān)聯(lián),因而通過熵權(quán)法對指標(biāo)進(jìn)行優(yōu)化,再將優(yōu)化后的指標(biāo)作為BP神經(jīng)網(wǎng)絡(luò)的輸入值,具體熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。由圖2可見,D是熱害風(fēng)險評價體系的所有評價指標(biāo),X1,X2,…,Xn是經(jīng)過熵權(quán)法篩選后的重要評價指標(biāo),y1,y2,…,ym是隱含層神經(jīng)元輸出,wij和wjk是BP神經(jīng)網(wǎng)絡(luò)連接權(quán)值,Z是輸出的綜合評價值。由圖3可知,該模型的建模過程為:①將上述的12個評價指標(biāo)作為輸入層。②指標(biāo)提取層,是利用熵權(quán)法從12個評價指標(biāo)中提取出權(quán)重大的評價指標(biāo)。③傳遞層,是將提取出的權(quán)重大的指標(biāo)輸入神經(jīng)網(wǎng)絡(luò)當(dāng)中計算。④隱含層,主要處理輸入層中輸入的指標(biāo)和評價結(jié)果之間的非線性函數(shù)關(guān)系。⑤將熱害風(fēng)險綜合評價值作為輸出層。

圖2 熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

圖3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程 圖4 熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程

2.3 熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

(1)網(wǎng)絡(luò)初始化。根據(jù)經(jīng)驗公式:

(7)

式中,β∈[0,10]的常數(shù);n是輸入層節(jié)點數(shù);m是輸出層節(jié)點數(shù);l是隱含層節(jié)點數(shù)。

(2)隱含層輸出計算。隱含層輸出H計算公式為:

(8)

(9)

式中,wij為網(wǎng)絡(luò)連接權(quán)值;a為隱含層閾值;f(x)為激勵函數(shù)。

(3)輸出層輸出計算。輸出層預(yù)測輸出公式:

(10)

式中,H為隱含層輸出值;Wjk為連接權(quán)值;b為閾值。

依據(jù)預(yù)測值O和期望值Y,計算預(yù)測誤差e。

ek=Yk-Okk=1,2,…,m,

(11)

(4)網(wǎng)絡(luò)權(quán)值更新。

(12)

wjk=wjk+ηHjekj=1,2,…,l;k=1,2,…,m,

(13)

式中,η為學(xué)習(xí)速率。

(5)更新閾值。根據(jù)預(yù)測誤差e更新節(jié)點閾值a和b。

(14)

bk=bk+ekk=1,2,…,m,

(15)

如果計算方式尚未有明確結(jié)果,則返回到步驟(2)。

3 熱害風(fēng)險評價模型檢驗及應(yīng)用

根據(jù)《煤礦安全規(guī)程》《礦井降溫技術(shù)規(guī)范》和已經(jīng)采集到的深部煤礦的實際數(shù)據(jù),將礦井熱害風(fēng)險評價等級分為:無熱害(0～0.40)、中度熱害(0.41～0.60)、重度熱害(0.61～0.81)、高危熱害(0.81～1)。根據(jù)現(xiàn)有文獻(xiàn),深部煤礦的深度是一個包括絕對開采深度、開采強度、開采方法、地質(zhì)構(gòu)造等因素緊密相關(guān)的相對概念[28-30]。為了方便數(shù)據(jù)的收集和分析,文中深部礦山是指開采深度在700 m以上的礦山。本文收集了已完成熱害風(fēng)險測評的258個深部礦井的參數(shù)作為樣本數(shù)據(jù),采集到的指標(biāo)數(shù)據(jù)歸一化結(jié)果如表1所示。

表1 深部煤礦熱害風(fēng)險評價歸一化數(shù)據(jù)

3.1 重要指標(biāo)篩選

利用歸一化后的指標(biāo)數(shù)據(jù)形成一個決策矩陣V,

通過以上公式的運算數(shù)據(jù)矩陣V,得出各指標(biāo)的權(quán)重排序如表2所示。

表2 深部煤礦熱害風(fēng)險評價各指標(biāo)權(quán)重及排序

通過驗證可得,改變權(quán)重小于0.05的指標(biāo)取值對整個評價結(jié)果沒有影響,可將D10、D11、D12作為數(shù)據(jù)噪聲將其剔除,保留D1～D9這9個重要指標(biāo),如表3所示。

表3 熵權(quán)法篩選后的指標(biāo)權(quán)重

3.2 熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)評價模型訓(xùn)練

將收集到的數(shù)據(jù)代入熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)中進(jìn)行擬合訓(xùn)練,為確保訓(xùn)練精度,訓(xùn)練參數(shù)如表4所示,訓(xùn)練過程如圖3、4所示。由圖3、4可知,通過對重構(gòu)后的9個重要評估指標(biāo)進(jìn)行訓(xùn)練,同一學(xué)習(xí)目標(biāo)下,熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練時間優(yōu)于標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)。熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)模型能夠在保留重要指標(biāo)特征的基礎(chǔ)上減少冗余指標(biāo)對BP神經(jīng)網(wǎng)絡(luò)的干擾,提高網(wǎng)絡(luò)訓(xùn)練速度。

表4 熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)表

3.3 評價模型檢驗

把樣本數(shù)據(jù)輸入到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)和熵權(quán)法改進(jìn)過的BP神經(jīng)網(wǎng)絡(luò)模型當(dāng)中,預(yù)測結(jié)果和精度如圖5所示。

圖5 BP神經(jīng)網(wǎng)絡(luò)預(yù)測誤差百分比 圖6 熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)預(yù)測誤差百分比

熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)模型的運算精度為96.68%,BP神經(jīng)網(wǎng)絡(luò)模型的運算精度為96.35%,通過將圖5與圖6對比分析,BP神經(jīng)網(wǎng)絡(luò)的評價精度比熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)低。這是由于該組合模型對評估指標(biāo)進(jìn)行了重建,從而使BP網(wǎng)絡(luò)在反向傳播過程中更加貼近真實權(quán)重。從圖中可以看出,熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)模型可以對熱害進(jìn)行評價和預(yù)測,其精確度比熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)模型更高。

3.4 評價模型應(yīng)用

本文以A礦井為例,A礦井是熱害較為嚴(yán)重的礦井之一。在不改動礦井結(jié)構(gòu)且礦井生產(chǎn)需求得到滿足的前提下,煤礦企業(yè)采用水冷式降溫技術(shù),以地表水為冷源對A礦井進(jìn)行熱害治理。A礦井熱害治理前的工作面的溫度為36 ℃,屬于嚴(yán)重?zé)岷ΦV井。經(jīng)過水冷降溫技術(shù)對礦井的降溫,工作面的溫度為29℃,礦井此時的熱害等級屬于中等熱害。

利用前文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型對A礦井改造前后的熱害風(fēng)險等級進(jìn)行預(yù)測,得出礦井改造前的熱害風(fēng)險等級預(yù)測值為0.65,屬于重度熱害礦井,預(yù)測結(jié)果與事實相符。A礦井改造后的熱害風(fēng)險預(yù)測值為0.46,屬于中等熱害礦井,預(yù)測結(jié)果與事實相符。由此可知,本文構(gòu)建的深部煤礦熱害風(fēng)險評價模型可以應(yīng)用于實際深部礦井熱害風(fēng)險預(yù)測,具有現(xiàn)實可行性。

4 結(jié)論

深部煤礦熱害風(fēng)險的形成是礦井內(nèi)眾多風(fēng)險因素相互作用的結(jié)果。對深部礦井內(nèi)熱害風(fēng)險進(jìn)行評價,可以幫助煤礦企業(yè)提前制定措施,預(yù)防礦井內(nèi)熱害的形成,減少熱害對工人和生產(chǎn)的影響。本研究首先構(gòu)建了深部煤礦熱害風(fēng)險評價指標(biāo)體系;其次,利用熵權(quán)法篩選出對礦井熱害影響重要的因素;最后,以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),對深部煤礦熱害風(fēng)險等級進(jìn)行預(yù)測。主要結(jié)論如下:

(1)深部礦井內(nèi)平均地溫、地?zé)崽荻?、井下機電設(shè)備放熱和井下通風(fēng)系統(tǒng)等因素是造成礦井熱害風(fēng)險的主要因素。

(2)構(gòu)建了深部煤礦熱害風(fēng)險評價指標(biāo)體系,并利用熵權(quán)法篩選出對礦井熱害風(fēng)險影響重要的指標(biāo),為煤礦企業(yè)熱害防治提供了理論支持。

(3)本文構(gòu)建的熵權(quán)-BP神經(jīng)網(wǎng)絡(luò)模型,能夠?qū)ι畈棵旱V熱害風(fēng)險進(jìn)行預(yù)測,預(yù)測精度與現(xiàn)實相符。

本文構(gòu)建的深部煤礦熱害風(fēng)險評價模型,不僅克服了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練速度慢的問題,還彌補了傳統(tǒng)數(shù)學(xué)評價方法對非線性關(guān)系處理能力的不足。該模型可以有效處理各風(fēng)險因素之間的復(fù)雜非線性關(guān)系,降低對深部礦井熱害風(fēng)險評價過程中冗余指標(biāo)的干擾,實現(xiàn)了對礦井熱害風(fēng)險等級的精準(zhǔn)預(yù)測,為煤礦企業(yè)熱害風(fēng)險預(yù)測提供了技術(shù)支持。