含水層富水性分區(qū)及工作面疏放水后涌水量分段預(yù)測(cè)

楊 磊，雷方超，侯恩科，路 波，馮 棟，趙凱興

(1.陜煤集團(tuán)神木紅柳林礦業(yè)公司，陜西 神木 719300；2.西安科技大學(xué) 地質(zhì)與環(huán)境學(xué)院，陜西 西安 710054)

礦井頂板水害是制約我國(guó)陜北侏羅紀(jì)煤田礦井安全生產(chǎn)的主要因素，預(yù)防頂板水害事故的發(fā)生成為防治水工作的重中之重，尤其是頂板充水含水層預(yù)處理前、后工作面涌水量的精準(zhǔn)預(yù)測(cè)，更是成為了近年來(lái)防治水工作的重點(diǎn)討論對(duì)象[1]。

目前，針對(duì)工作面涌水量的預(yù)測(cè)方法主要包括解析法[2-3]、水文地質(zhì)比擬法[4]、數(shù)值法[5-6]、相關(guān)分析法[7]、灰色系統(tǒng)理論[8]、時(shí)間序列[9]等方法。經(jīng)過(guò)長(zhǎng)期研究，以往工作面涌水量預(yù)測(cè)大多是將工作面作為一個(gè)整體進(jìn)行，未考慮工作面內(nèi)水文地質(zhì)條件差異對(duì)涌水量的影響，預(yù)測(cè)結(jié)果與實(shí)際相比誤差較大，因此，許多學(xué)者逐漸從不同角度、因地制宜地對(duì)工作面涌水量進(jìn)行更加精細(xì)的時(shí)空動(dòng)態(tài)預(yù)測(cè)。陳思佳等[10]根據(jù)月掘進(jìn)進(jìn)度將工作面分段，提出了基于“分段大井法”的工作面涌水量預(yù)測(cè)方法；虎維岳[11]分析了工作面頂板涌水模式及涌水量的時(shí)空組成特點(diǎn)，預(yù)測(cè)了多個(gè)回采工作面同時(shí)生產(chǎn)時(shí)不同年份礦井涌水量及其動(dòng)態(tài)變化過(guò)程；侯恩科等[12]以陜西檸條塔井田1-2煤層隱伏火燒區(qū)下3 個(gè)連續(xù)開(kāi)采的工作面為研究對(duì)象，利用GMS 軟件建立地下水?dāng)?shù)值模型，模擬了采動(dòng)過(guò)程中涌水量隨開(kāi)采時(shí)間的動(dòng)態(tài)變化。

陜北侏羅紀(jì)煤田煤質(zhì)優(yōu)良、地質(zhì)構(gòu)造簡(jiǎn)單、開(kāi)采技術(shù)條件優(yōu)越，往往選擇布置超長(zhǎng)走向的工作面以提升生產(chǎn)效率，而工作面上覆含水層富水性在空間上存在不均一性，從而引起了工作面在不同采動(dòng)位置時(shí)涌水量的變化，且現(xiàn)階段依據(jù)工作面主要充水含水層富水性分區(qū)預(yù)測(cè)工作面涌水量的研究較少。因此，筆者以陜西紅柳林煤礦15217 工作面為研究對(duì)象，建立風(fēng)化基巖及燒變巖含水層的富水性分區(qū)模型，依據(jù)富水性分區(qū)結(jié)果對(duì)工作面劃分不同富水等級(jí)區(qū)段，并利用動(dòng)靜儲(chǔ)量法對(duì)井下疏放水后不同區(qū)段的涌水量進(jìn)行分區(qū)預(yù)測(cè)，以期為風(fēng)化基巖與燒變巖復(fù)合含水層充水模式下的工作面涌水量預(yù)測(cè)提供新思路。

1 工作面概況

15217 工作面位于紅柳林井田東部，工作面傾向?qū)?48 m，走向長(zhǎng)2 400 m，5-2煤層厚3.8～5.7 m，傾角0°～3°，工作面地表以波狀沙丘地貌為主，受雨水沖刷形成多條沖溝，匯入毛驢灘溝后沿南偏東方向流經(jīng)工作面，如圖1 所示。該區(qū)域5-2煤層賦存整體為南高北低、西高東低。15217 工作面呈南北向分布，其西側(cè)為尚未開(kāi)采的15218 工作面，東側(cè)為已開(kāi)采的15216工作面采空區(qū)。15216 工作面5-2煤層底板整體低于15217 工作面，采空區(qū)積水整體向東排泄，對(duì)15217 工作面安全生產(chǎn)不構(gòu)成威脅。

圖1 15217工作面井上下對(duì)照及A-A’水文剖面Fig.1 Ground and underground conditions contrast and A-A' hydrographic profile of working face 15217

侏羅系延安組5-2煤層上覆含隔水層自上而下依次為富水性極弱的第四系沙層與黃土、新近系保德組紅土隔水層、延安組4-2煤層燒變巖和風(fēng)化基巖弱至強(qiáng)含水層、延安組正?；鶐r弱含水層。

根據(jù)榆神府礦區(qū)淺埋煤層覆巖“三帶”發(fā)育高度經(jīng)驗(yàn)值[13]與相鄰礦井實(shí)測(cè)數(shù)據(jù)，采用28 倍裂采比計(jì)算導(dǎo)水裂隙帶最大發(fā)育高度，得出15217 工作面導(dǎo)水裂隙帶發(fā)育至紅土隔水層以上，局部已溝通地表。

根據(jù)毛驢灘溝附近松散層以往水文探查結(jié)果，15217 工作面及附近區(qū)域松散層不含水。工作面采前對(duì)地表毛驢灘溝流水進(jìn)行了截流–導(dǎo)流處理，對(duì)低洼積水區(qū)進(jìn)行了疏排，采中對(duì)地表裂縫進(jìn)行填埋治理，保證大氣降水與地表水不會(huì)涌入工作面。根據(jù)以往開(kāi)采工作面涌水量資料，雨季工作面涌水量未出現(xiàn)明顯增大。因此，松散層水、地表水及大氣降水對(duì)15217 工作面涌水量影響較小。

風(fēng)化基巖與燒變巖含水層是15217 工作面主要頂板充水含水層。風(fēng)化基巖厚度4.50～23.95 m，巖性以風(fēng)化砂巖為主，其富水性受巖性、厚度及裂隙發(fā)育程度影響，具有明顯的分區(qū)特征。5-2煤層上覆的4-2煤層沿煤層露頭邊界向賦存區(qū)內(nèi)自燃而形成較大范圍燒變巖，燒變巖厚度0～11.1 m，受燒變程度及補(bǔ)給條件影響，富水性在平面上表現(xiàn)出不均一性。在4-2煤火燒區(qū)內(nèi)部，燒變巖與風(fēng)化基巖直接接觸，兩者水力聯(lián)系密切。因此，15217 工作面受4-2煤燒變巖與風(fēng)化基巖復(fù)合含水層水害威脅。

2 含水層富水性影響因素及等級(jí)

2.1 影響因素

通過(guò)對(duì)15217 工作面所在區(qū)域風(fēng)化基巖與燒變巖含水層發(fā)育特征的研究，結(jié)合抽水試驗(yàn)成果對(duì)比分析，綜合選定含水層厚度、含水層巖性組合指數(shù)、巖石燒變及風(fēng)化程度指數(shù)、巖心采取率作為含水層富水性評(píng)價(jià)的主控因素[14-16]，建立量化指標(biāo)進(jìn)行富水性精確預(yù)測(cè)。

2.1.1含水層厚度(D)

風(fēng)化基巖與燒變巖含水層因裂隙、孔隙發(fā)育導(dǎo)致儲(chǔ)水性與透水性增強(qiáng)，一般而言，當(dāng)其他影響含水層富水性的因素不發(fā)生變化時(shí)，含水層厚度越大，富水性越強(qiáng)。

2.1.2巖性組合指數(shù)(O)

研究區(qū)風(fēng)化基巖及燒變巖均由單一巖性或多層不同巖性的巖層組成，巖性以砂巖與泥巖為主。抽水鉆孔實(shí)測(cè)單位涌水量資料表明：對(duì)于不同巖性巖層形成的風(fēng)化基巖，脆性砂巖的單位涌水量明顯大于塑性泥巖，其根本原因在于砂巖經(jīng)風(fēng)化后孔隙率增大且裂隙發(fā)育，形成連通性好的風(fēng)化裂隙，而泥巖風(fēng)化后松軟且遇水易泥化膨脹，對(duì)風(fēng)化裂隙具有一定壓實(shí)彌合作用；對(duì)于同一巖性的風(fēng)化基巖，碎屑粒徑越大的巖層單位涌水量也越大，如風(fēng)化后粗砂巖較細(xì)砂巖的單位涌水量明顯增強(qiáng)。

因此，根據(jù)巖體巖性對(duì)富水性的影響程度將其量化，結(jié)合其在含水層厚度中的占比，建立巖性組合指數(shù)O，O與富水性呈正相關(guān)關(guān)系，公式如下：

式中：n為依據(jù)巖性將巖體劃分的層數(shù)；u為第u層，1≤u≤n；Du為第u層巖層厚度，m；λu為第u層巖層巖性量化值，按巖體巖性不同，將泥巖、砂質(zhì)泥巖、粉砂巖、細(xì)砂巖、中砂巖、粗砂巖分別用數(shù)值1～6 表示。

2.1.3巖石燒變及風(fēng)化程度指數(shù)(G)

基巖受風(fēng)化程度不同，其巖體結(jié)構(gòu)、裂隙發(fā)育情況、巖體力學(xué)性質(zhì)和含隔水性均存在顯著差異。巖體受風(fēng)化程度越強(qiáng)，內(nèi)部孔隙、裂隙越發(fā)育，單位涌水量越大。燒變巖由于內(nèi)部發(fā)育連通性裂隙孔洞，構(gòu)成了良好的儲(chǔ)水場(chǎng)所，在受補(bǔ)給強(qiáng)的區(qū)域，其富水性相較于風(fēng)化基巖往往更強(qiáng)。據(jù)此特征建立巖石燒變及風(fēng)化程度指數(shù)G，公式如下：

式中：δu為第u層巖石燒變及風(fēng)化程度量化值，將弱風(fēng)化、中等風(fēng)化、強(qiáng)風(fēng)化、燒變巖分別用數(shù)值1～4 表示。

2.1.4巖心采取率指數(shù)(P)

在相同的鉆探工藝下，巖心采取率與巖石裂隙發(fā)育程度息息相關(guān)。巖心采取率越低的巖層，巖體結(jié)構(gòu)越破碎，導(dǎo)水能力相對(duì)越好；根據(jù)巖心采取率與含水層富水性的關(guān)系建立巖心采取率指數(shù)P，以此表征基巖含水層富水性強(qiáng)弱，公式如下：

式中：τu為巖心采取率，%。

2.2 富水性等級(jí)劃分

根據(jù)《煤礦防治水細(xì)則》規(guī)定，含水層富水性按照抽水鉆孔單位涌水量q劃分為4 個(gè)等級(jí)：弱富水性(q≤0.1 L/(s·m))、中等富水性(0.1 L/(s·m)5.0 L/(s·m))。

本次選取15217 工作面所在區(qū)域51 組風(fēng)化基巖與燒變巖含水層抽水鉆孔資料組成訓(xùn)練樣本集，其中未發(fā)現(xiàn)極強(qiáng)富水性鉆孔，弱富水性鉆孔占比56.86%。富水性等級(jí)劃分在《煤礦防治水細(xì)則》規(guī)定的基礎(chǔ)上，將原有弱富水性等級(jí)(q≤0.10 L/(s·m))細(xì)化為弱富水性等級(jí)(0.01 L/(s·m)

表1 富水性等級(jí)量化值及樣本容量Table 1 Quantitative values of water richness grade and sample size

表2 訓(xùn)練集樣本指標(biāo)及實(shí)測(cè)富水性數(shù)據(jù)Table 2 Sample indexes and measured water richness data of training set

3 基于蝠鲼覓食算法優(yōu)化支持向量機(jī)的含水層富水性預(yù)測(cè)

3.1 支持向量機(jī)原理

支持向量機(jī)(Support Vector Machine，SVM)是監(jiān)督學(xué)習(xí)算法中應(yīng)用廣泛、效果良好的一類(lèi)算法，針對(duì)小樣本、非線(xiàn)性問(wèn)題有優(yōu)秀的泛化與學(xué)習(xí)能力，其解釋結(jié)果具有良好的推廣性。原始的SVM 致力于尋求可將特征空間上二元數(shù)據(jù)間隔最大化的超平面(決策邊界)，后續(xù)通過(guò)選取核函數(shù)將二維向量映射至高維特征空間中尋找最優(yōu)的超平面，從而解決線(xiàn)性不可分的問(wèn)題[17-19]。

給定訓(xùn)練樣本集W：

SVM 解決線(xiàn)性不可分問(wèn)題的目標(biāo)函數(shù)如下：

約束條件為：

式中：i=1,2,···,m，m為樣本個(gè)數(shù)；ω為權(quán)值向量，決定超平面方向；b為偏置參數(shù)，決定超平面與原點(diǎn)距離；ξi為松弛變量；C為懲罰因子。

通常利用拉格朗日函數(shù)將該問(wèn)題轉(zhuǎn)化為對(duì)偶問(wèn)題繼續(xù)求解，其對(duì)偶問(wèn)題的目標(biāo)函數(shù)為：

約束條件為：

式中：α為拉格朗日乘子；K(xi,xj)為核函數(shù)，本次計(jì)算選取徑向基核函數(shù)：

式中：σ為核參數(shù)。

在支持向量機(jī)模型中，懲罰因子C及核參數(shù)σ分別影響著誤差的容忍程度和模型的復(fù)雜程度，當(dāng)C值過(guò)大時(shí)，預(yù)測(cè)結(jié)果更容易出現(xiàn)過(guò)擬合現(xiàn)象，反之，容易導(dǎo)致欠擬合；當(dāng)σ值越小時(shí)，模型越簡(jiǎn)單，對(duì)預(yù)測(cè)集的泛化程度越高，反之，模型越復(fù)雜且泛化程度越低。懲罰因子C及核參數(shù)σ的取值決定了支持向量機(jī)預(yù)測(cè)結(jié)果的準(zhǔn)確性，選取合適的參數(shù)取值是提高預(yù)測(cè)結(jié)果準(zhǔn)確性的前提。因此，筆者擬采用蝠鲼覓食算法優(yōu)化支持向量機(jī)參數(shù)以提高預(yù)測(cè)結(jié)果的準(zhǔn)確性。

3.2 蝠鲼覓食優(yōu)化算法

蝠鲼覓食優(yōu)化算法(Manta Ray Foraging Optimization，MRFO)是Zhao Weiguo 等[20]在2020 年提出的一種基于群體優(yōu)化的算法，其核心是模擬蝠鲼的鏈?zhǔn)?、螺旋及翻轉(zhuǎn)3 種覓食策略來(lái)促進(jìn)數(shù)學(xué)模型達(dá)到全局最優(yōu)，以實(shí)現(xiàn)簡(jiǎn)便、自適應(yīng)強(qiáng)、參數(shù)少、收斂速度快的特點(diǎn)而備受關(guān)注[21-22]。

(1) 鏈?zhǔn)揭捠常候瘀魅后w覓食時(shí)，各蝠鲼個(gè)體從頭到尾有序排列形成一條覓食鏈，該覓食鏈中的每個(gè)蝠鲼個(gè)體不僅向著食物源前進(jìn)，也向著前一個(gè)個(gè)體前進(jìn)，這代表著MRFO 在每次迭代時(shí)，都會(huì)更新最佳解決方案及其前面的解決方案。

(2) 螺旋覓食：當(dāng)排列成一條覓食鏈的蝠鲼群體發(fā)現(xiàn)食物源時(shí)，排列有序的蝠鲼個(gè)體以食物源為源點(diǎn)，首尾相連呈螺旋式行進(jìn)軌跡靠近食物源，使得該算法具有良好的局部搜索功能。

(3) 翻轉(zhuǎn)覓食：各蝠鲼個(gè)體會(huì)以食物源位置為原點(diǎn)，通過(guò)圍繞原點(diǎn)的翻轉(zhuǎn)運(yùn)動(dòng)使個(gè)體位置與最佳位置的距離逐漸減小，迫使所有個(gè)體在搜索空間中逐漸逼近最優(yōu)解。

3.3 富水性評(píng)價(jià)模型構(gòu)建

本文選取MRFO 優(yōu)化SVM 模型預(yù)測(cè)含水層富水性，核函數(shù)選用徑向基核函數(shù)K(xi,xj)，具體計(jì)算流程如圖2 所示。為了消除各富水性影響因素之間的量綱影響，方便數(shù)據(jù)指標(biāo)之間的可比性，在模型初始階段對(duì)51 組訓(xùn)練樣本數(shù)據(jù)(表2)進(jìn)行歸一化處理，數(shù)據(jù)歸一化結(jié)果見(jiàn)表3。

表3 訓(xùn)練集樣本指標(biāo)歸一化結(jié)果Table 3 Indicator normalization results of training set samples

圖2 MRFO 優(yōu)化SVM 計(jì)算流程Fig.2 Calculation process of SVM optimization by MRFO

在數(shù)據(jù)歸一化的基礎(chǔ)上，選擇合適的初始參數(shù)是模型尋優(yōu)的前提，種群規(guī)模關(guān)系著模型全局尋優(yōu)的準(zhǔn)確性與效率。較大的種群有助于模型尋找全局最優(yōu)解，但同時(shí)伴隨著收斂速度慢的特點(diǎn)，反之，較小的種群規(guī)模使模型快速收斂，但所求結(jié)果可能為局部最優(yōu)。且一般而言，當(dāng)模型迭代次數(shù)為種群規(guī)模的1～10 倍時(shí)，更利于算法尋優(yōu)。由于訓(xùn)練樣本數(shù)據(jù)量較小，本次MRFO 的初始參數(shù)設(shè)定如下：種群規(guī)模m取20，最大迭代次數(shù)T取100。

在完成模型初始參數(shù)設(shè)定的基礎(chǔ)上，將歸一化后的富水性主控因素?cái)?shù)據(jù)隨機(jī)生成初始化種群，利用SVM 計(jì)算訓(xùn)練集的適應(yīng)度，結(jié)合MRFO 中鏈?zhǔn)健⒙菪?、翻轉(zhuǎn)3 種覓食優(yōu)化方式完成現(xiàn)階段最優(yōu)適應(yīng)度個(gè)體位置的迭代更新，并源源不斷地將最新一次的個(gè)體位置回代入SVM 計(jì)算訓(xùn)練集的適應(yīng)度，當(dāng)算法滿(mǎn)足迭代終止條件時(shí)，利用最優(yōu)適應(yīng)度對(duì)應(yīng)的參數(shù)計(jì)算驗(yàn)證集適應(yīng)度，并輸出預(yù)測(cè)集富水性結(jié)果。

3.4 富水性分區(qū)結(jié)果

本次選取工作面內(nèi)及周邊14 組水文孔數(shù)據(jù)作為驗(yàn)證集樣本，利用Python 語(yǔ)言下sklearn 工具構(gòu)建MFRO 優(yōu)化SVM 模型對(duì)樣本集進(jìn)行訓(xùn)練，同時(shí)選取鯨魚(yú)優(yōu)化(Whale Optimization Algorithm，WOA)、粒子群優(yōu)化(Particle Swarm Optimization，PSO)、麻雀搜索算法優(yōu)化(Sparrow Search Algorithm，SSA)及獅群優(yōu)化(Loin Swarm Optimization，LSO)作為對(duì)比訓(xùn)練模型。

從基于各種優(yōu)化算法改進(jìn)的支持向量機(jī)模型預(yù)測(cè)所得鉆孔富水性結(jié)果來(lái)看，MRFO 與WOA 優(yōu)化算法適應(yīng)度均可達(dá)0.86，預(yù)測(cè)效果最好，其余優(yōu)化算法所預(yù)測(cè)富水性適應(yīng)度均低于該水平，見(jiàn)表4。

表4 驗(yàn)證樣本不同優(yōu)化算法預(yù)測(cè)結(jié)果及適應(yīng)度Table 4 The fitness and prediction results of the verification samples under different optimization algorithms

就各優(yōu)化算法達(dá)到最優(yōu)結(jié)果的效率而言，具有最優(yōu)適應(yīng)度的MRFO 與WOA 相比較，MRFO 于第3 次迭代已達(dá)最優(yōu)，WOA 于第15 次迭代達(dá)到最優(yōu)，如圖3所示。因此，基于MRFO 優(yōu)化SVM 的含水層富水性預(yù)測(cè)模型效果最優(yōu)。

圖3 適應(yīng)度-迭代次數(shù)關(guān)系Fig.3 Fitness-number of iterations relationship

本次選取MRFO 優(yōu)化SVM 模型對(duì)15217 工作面內(nèi)及周邊17 組探煤孔數(shù)據(jù)組成的預(yù)測(cè)樣本集的風(fēng)化基巖與燒變巖含水層富水性進(jìn)行預(yù)測(cè)，按照探煤孔富水性預(yù)測(cè)結(jié)果，結(jié)合已有抽水試驗(yàn)鉆孔對(duì)風(fēng)化基巖與燒變巖含水層富水性進(jìn)行分區(qū)，分區(qū)結(jié)果如圖4所示。

圖4 基于MRFO 優(yōu)化SVM 的富水性分區(qū)Fig.4 Waterrichness partition based on SVM optimized by MRFO

4 基于井下疏放水的富水性分區(qū)結(jié)果驗(yàn)證

4.1 工作面富水性分段

在風(fēng)化基巖與燒變巖含水層富水性分區(qū)預(yù)測(cè)的基礎(chǔ)上，基于富水性分區(qū)結(jié)果將15217 工作面劃分為4 個(gè)區(qū)段(圖4)：區(qū)段①整體屬于弱富水區(qū)，受風(fēng)化基巖含水層影響；區(qū)段②整體位于弱–中等富水區(qū)；區(qū)段④位于中等–極弱富水區(qū)，兩段均受風(fēng)化基巖含水層及局部賦存的燒變巖含水層影響；區(qū)段③主要位于強(qiáng)富水區(qū)，整體受到大范圍燒變巖及風(fēng)化基巖含水層影響。

4.2 分區(qū)結(jié)果驗(yàn)證

為驗(yàn)證富水性分區(qū)結(jié)果的準(zhǔn)確性，結(jié)合15217 工作面采前井下疏放水鉆孔實(shí)測(cè)資料，通過(guò)對(duì)井下疏放水鉆孔初始涌水量、各鉆場(chǎng)疏放水強(qiáng)度與時(shí)間、各區(qū)段總疏放水量占比的分析，驗(yàn)證富水性分區(qū)結(jié)果的準(zhǔn)確性。

初始涌水量Q0>10 m3/h 的鉆孔主要位于區(qū)段③，集中分布于強(qiáng)富水區(qū)，且該區(qū)段為燒變巖主要賦存區(qū)域；區(qū)段④也分布少量Q0>10 m3/h 的鉆孔，其中T22 鉆場(chǎng)位于燒變巖區(qū)域，區(qū)段①與區(qū)段②探放水鉆孔均為Q0≤10 m3/h，如圖5 所示。

圖5 工作面富水性分段及井下疏放水鉆孔布置Fig.5 Layout of waterrichness section on working face and boreholes for drainage

從各鉆場(chǎng)的疏放水強(qiáng)度與時(shí)長(zhǎng)來(lái)看，位于強(qiáng)富水區(qū)的大部分疏放水鉆場(chǎng)涌水量整體較大且持續(xù)時(shí)間較長(zhǎng)，位于中等富水區(qū)和弱富水區(qū)疏放水鉆場(chǎng)涌水量較小且持續(xù)時(shí)間短。就Q0>10 m3/h 的疏放水鉆場(chǎng)而言，大部分鉆場(chǎng)位于燒變巖強(qiáng)富水區(qū)(T11、T12、T15、T16、T17、T19、T20 鉆場(chǎng))，涌水量大、持續(xù)時(shí)間長(zhǎng)；少量鉆場(chǎng)位于燒變巖中等富水區(qū)(T21、T22 鉆場(chǎng))，涌水量較大、持續(xù)時(shí)間較短；僅T26 鉆場(chǎng)位于風(fēng)化基巖弱富水區(qū)，但其涌水量很小且持續(xù)時(shí)間較短，如圖6 所示。

圖6 Q0>10 m3/h 疏放水鉆場(chǎng)放水量歷時(shí)曲線(xiàn)(2022 年)Fig.6 Q0>10 m3/h drainage drill sites water release time curves in 2022

工作面各區(qū)段疏放水鉆孔總放水量如圖7 所示，各區(qū)段總放水量的特征為：區(qū)段③>區(qū)段④>區(qū)段②>區(qū)段①。這一結(jié)果表明，富水性較強(qiáng)區(qū)域的放水量大于較弱區(qū)域，其根本原因在于該區(qū)域燒變巖含水層富水性強(qiáng)于風(fēng)化基巖含水層，從而使得溝通燒變巖含水層的疏放水鉆孔疏放水量往往大于僅溝通風(fēng)化基巖含水層的鉆孔。

圖7 工作面不同區(qū)段總放水量及占比Fig.7 Total discharge water and its proportion in different sections of working face

經(jīng)過(guò)井下疏放水實(shí)測(cè)資料驗(yàn)證，本次富水性分區(qū)結(jié)果較為準(zhǔn)確，因此，基于MRFO 優(yōu)化SVM 的富水性預(yù)測(cè)方法準(zhǔn)確度較高。

5 基于富水性分區(qū)的工作面涌水量分段預(yù)測(cè)

5.1 疏放水后水文地質(zhì)條件分析

15217 工作面采前經(jīng)過(guò)長(zhǎng)時(shí)間井下疏放水，上覆基巖含水層已經(jīng)由承壓水轉(zhuǎn)為無(wú)壓水。如圖8 所示，工作面上覆風(fēng)化基巖含水層水位高程整體高于含水層底面高程，仍存在一定殘余水頭；燒變巖含水層底面高程在區(qū)段②與區(qū)段③區(qū)域基本低于基巖含水層水位高程，該區(qū)域燒變巖含水層已基本疏干，但區(qū)段④區(qū)域仍有一定殘余水頭，未疏放完畢。在工作面開(kāi)采階段，導(dǎo)水裂隙帶發(fā)育至風(fēng)化基巖與燒變巖含水層時(shí)，存在的殘余水頭仍會(huì)影響工作面的安全回采。

圖8 風(fēng)化基巖底面–燒變巖底面–基巖含水層水位等值線(xiàn)Fig.8 Isoline of water level of weathered bedrock bottom-burned rock bottom-bedrock aquifer

5.2 工作面疏放水后涌水量分段預(yù)測(cè)

目前，大井法是計(jì)算工作面涌水量最常用的解析方法，該方法將工作面采后形成的采空區(qū)近似看成一個(gè)理想化的具有一定影響半徑的“大井”，含水層水源源不斷流入該“大井”的水量即為工作面的涌水量。但是由于傳統(tǒng)大井法僅考慮了含水層水流入采空區(qū)的側(cè)向補(bǔ)給水量，忽略了含水層自身賦存的水在采動(dòng)裂隙溝通下向采空區(qū)的釋放水量，導(dǎo)致所計(jì)算的涌水量比實(shí)際涌水量普遍較小。鑒于此問(wèn)題，本文采用動(dòng)靜儲(chǔ)量法[23]計(jì)算井下疏放水后的工作面涌水量，將傳統(tǒng)大井法中采空區(qū)側(cè)向補(bǔ)給水量作為動(dòng)態(tài)補(bǔ)給量，加入工作面采后垮落區(qū)內(nèi)流入的含水層自身賦存的水量作為靜態(tài)釋放水，兩者之和即為動(dòng)靜儲(chǔ)量法所計(jì)算的工作面涌水量。

由于工作面采前經(jīng)過(guò)長(zhǎng)時(shí)間的井下疏放水，工作面開(kāi)采前基巖含水層水已由承壓水轉(zhuǎn)化為無(wú)壓水，因此利用大井法潛水公式計(jì)算動(dòng)態(tài)補(bǔ)給水量，計(jì)算公式如下：

式中：Qd為動(dòng)態(tài)水補(bǔ)給量，m3/h；H為初始水位高程，m；S為含水層水位降深，m；R0為引用影響半徑，m；r0為引用半徑，m；K為含水層滲透系數(shù)，m/d，選取各區(qū)段內(nèi)及附近各水文孔抽水試驗(yàn)所得滲透系數(shù)的算術(shù)平均值作為該區(qū)段計(jì)算動(dòng)態(tài)補(bǔ)給水量所用K值。

15217 工作面疏放水后各區(qū)段動(dòng)態(tài)水量計(jì)算結(jié)果見(jiàn)表5。動(dòng)態(tài)補(bǔ)給量在區(qū)段①-區(qū)段③呈正增長(zhǎng)趨勢(shì)，主要原因是采空區(qū)面積不斷擴(kuò)大引起影響半徑的增大，當(dāng)開(kāi)采至區(qū)段④時(shí)，該區(qū)域附近為風(fēng)化基巖底面抬升區(qū)，底面最低高程相較于區(qū)段③增大12 m，導(dǎo)致了該區(qū)域風(fēng)化基巖含水層水位降深減小，從而使動(dòng)態(tài)補(bǔ)給量表現(xiàn)出下降的趨勢(shì)。

表5 工作面各區(qū)段動(dòng)態(tài)水量預(yù)計(jì)結(jié)果Table 5 Dynamic water yield calculation results for each section of the working face

靜態(tài)釋放水量計(jì)算公式如下：

式中：Qj為靜態(tài)釋放水量，m3/h；F為采空區(qū)面積，m2；L為回采長(zhǎng)度，m；B為工作面寬度，m；M為承壓含水層厚度，m；μ為含水層貯水系數(shù)；t為預(yù)計(jì)回采時(shí)間，h。

由于采前工作面上覆風(fēng)化基巖與燒變巖承壓含水層經(jīng)長(zhǎng)期疏放水已轉(zhuǎn)變?yōu)闊o(wú)壓含水層，當(dāng)工作面采后導(dǎo)水裂隙帶溝通上覆含水層時(shí)，僅有殘余水頭范圍內(nèi)賦存水量流入工作面，當(dāng)殘余水頭完全釋放入工作面時(shí)，殘余水頭高度等于含水層水位降深(S)。潛水含水層靜態(tài)釋放水量計(jì)算公式如下：

15127 工作面于2022 年6 月下旬開(kāi)始回采，區(qū)段①于7 月末回采完畢，區(qū)段②于9 月上旬回采完畢，區(qū)段③于11 月末回采完畢，區(qū)段④尚未回采，在本次靜態(tài)釋放水量計(jì)算過(guò)程中，根據(jù)以往工作面回采速度及15217 工作面回采接續(xù)規(guī)劃，選取工作面回采速度10 m/d 預(yù)計(jì)回采時(shí)間。

需要說(shuō)明的是，在計(jì)算后續(xù)區(qū)段的動(dòng)態(tài)水量時(shí)，應(yīng)考慮已采多個(gè)區(qū)段已形成的采空區(qū)對(duì)概化“大井”影響半徑的影響，同時(shí)，已采多個(gè)區(qū)段已經(jīng)完成自身賦存水量的釋放，因此，后續(xù)區(qū)段的靜態(tài)釋放水量的計(jì)算可以忽略已采區(qū)段靜態(tài)水的影響。15217 工作面疏放水后各區(qū)段靜態(tài)水量計(jì)算結(jié)果見(jiàn)表6。

表6 工作面各區(qū)段靜態(tài)水量計(jì)算結(jié)果Table 6 Static water yield calculation results for each section of the working face

工作面涌水量(Q)應(yīng)為上覆含水層動(dòng)態(tài)補(bǔ)給水量(Qd)與靜態(tài)釋放水量(Qj)之和，工作面各區(qū)段涌水量計(jì)算結(jié)果見(jiàn)表7。隨著工作面的不斷開(kāi)采，涌水量整體呈現(xiàn)“先增后減”趨勢(shì)，在區(qū)段③開(kāi)采時(shí)達(dá)到峰值，接近終采線(xiàn)時(shí)涌水量相對(duì)減小。目前，區(qū)段①-區(qū)段③已開(kāi)采完畢，預(yù)測(cè)涌水量與工作面實(shí)測(cè)涌水量相比誤差較小，吻合度高。

表7 工作面各區(qū)段涌水量計(jì)算結(jié)果Table 7 Water inflow calculation results for each section of the working face

6 結(jié)論

a.針對(duì)具有密切水力聯(lián)系的風(fēng)化基巖與燒變巖復(fù)合含水層，提出了基于蝠鲼覓食算法優(yōu)化支持向量機(jī)富水性預(yù)測(cè)方法。

b.通過(guò)對(duì)井下疏放水鉆孔初始涌水量、疏放水鉆場(chǎng)放水強(qiáng)度與時(shí)間、各區(qū)段總疏放水量的分析，驗(yàn)證了富水性分區(qū)結(jié)果的準(zhǔn)確性，證明了基于蝠鲼覓食算法優(yōu)化支持向量機(jī)的富水性預(yù)測(cè)方法準(zhǔn)確性較高。

c.按照富水性分區(qū)結(jié)果對(duì)工作面劃分了不同富水等級(jí)的區(qū)段，在綜合分析工作面疏放水后水文地質(zhì)條件的基礎(chǔ)上，利用動(dòng)靜儲(chǔ)量法對(duì)工作面疏放水后的涌水量進(jìn)行了分段預(yù)測(cè)，預(yù)測(cè)結(jié)果與涌水量實(shí)測(cè)結(jié)果較為吻合。