基于瓦斯地质与监控信息耦合的煤与瓦斯突出预测方法

2022-06-23 06:12梁跃强
工业安全与环保 2022年6期
关键词:评判瓦斯耦合

梁跃强

(中国煤炭工业协会咨询中心 北京 100013)

0 引言

煤与瓦斯突出是由地应力、瓦斯和煤物理力学性质互相作用造成的复杂地质动力现象,影响井工煤矿的安全高效生产[1-2]。瓦斯地质研究[3-4]表明,煤与瓦斯突出灾害通常发生在煤层某个区域和部位,且受地质条件作用较大,不同地质构造区域和地质构造不同部位的煤与瓦斯突出危险性不同。因此,从地质角度分析和研究煤与瓦斯突出的影响因素,对煤与瓦斯突出危险性的预测至关重要。

目前,对该地质动力现象进行预测方法包括钻屑指标法、R值指标法和复合指标法等接触式方法,声发射、微震和电磁辐射等非接触式方法[1,5-8],以及运用神经网络、灰靶决策、模式识别和属性综合评价等数学方法建立的多指标法[9-15]。这些方法都得到了一定程度的现场应用,但接触式方法的缺点是不仅预测过程存在问题,而且预测的准确性受人为操作影响较大[16],非接触式方法易受井下环境干扰,导致预测常出现“低指标突出”现象;而上述数学方法中神经网络和模式识别容易受到样本数据规模的制约,灰靶决策最优向量较难确定,属性综合评价用相似数确定指标权重的合理性有所欠缺,这些问题使得模型的准确性和可靠性受到影响。

随着矿井向深部开采,煤与瓦斯突出灾害日趋严重,矿井对煤与瓦斯突出预测的准确性和可靠性提出了更高的要求。由于煤与瓦斯突出机理的复杂性及各影响因素的模糊性和不确定性,需要用多元信息技术对瓦斯地质信息与监控信息耦合建立煤与瓦斯突出预测模型。多元信息耦合技术是一种多因素、多层次、多级别的处理过程,包括数据级、特征级和决策级3个级别,可以综合利用不同时空的煤与瓦斯突出预测信息。既保留了模糊综合评判定性转定量的优势,又可以发挥D-S证据理论处理不确定性问题的决策优势。

1 基于瓦斯地质与监控信息耦合的煤与瓦斯突出预测机制

在煤与瓦斯突出孕育、发生和发展过程中,地应力、瓦斯和煤的物理力学性质三者产生的作用各不相同。据不完全统计,煤与瓦斯突出经常发生在煤层地质构造带及其附近,此类区域的瓦斯地质信息和监控信息通常会显示异常。因此,根据现场实测和搜集到的瓦斯地质信息,以及从监控系统中提取的实时瓦斯信息,结合多元信息耦合技术建立基于瓦斯地质与监控信息耦合的煤与瓦斯突出预测模型,可以实现煤与瓦斯突出预测。

煤与瓦斯突出预测的瓦斯地质数据和监控数据具有不确定性和模糊性,利用D-S证据理论在处理不确定性方面的优势对预测数据信息进行耦合处理,可以获得对煤与瓦斯突出危险性的准确描述。然而应用D-S证据理论对煤与瓦斯突出预测的关键是如何完成从预测数据到基本概率赋值函数(BPAF)的映射。模糊综合评判方法[13]获得的初步结果是以向量方式呈现的,而向量很容易转换成D-S证据理论耦合时所必须的BPAF,其结果可作为决策级D-S证据理论耦合的输入。两者的结合在理论上可以互补,既可以充分反映不同因素的单独作用,也能够体现各因素之间的相互作用,因此选择模糊综合评判作为特征级耦合手段和D-S证据理论作为决策级耦合手段的多元信息耦合技术,对瓦斯地质及监控信息进行多维分析和处理,以期实现煤与瓦斯突出灾害的有效预测,预测机制见图1。

图1 基于瓦斯地质与监控信息耦合的煤与瓦斯突出预测机制

2 基于瓦斯地质与监控信息耦合的煤与瓦斯突出预测模型

2.1 煤与瓦斯突出危险程度预测框架

根据国家相关细则[2],并参考矿井实际情况,从地质、瓦斯及监测监控3方面筛选预测指标,形成指标集U={I1,I2,I3},其中I1表示地质指标,I2表示瓦斯指标,I3表示监测监控指标。同时建立对应的预测等级识别框架Θ={V1,V2,V3},其中V1表示危险等级“无危险”、 V2表示危险等级“一般危险”、V3表示危险等级“严重危险”,煤与瓦斯突出危险程度预测等级识别框架见图2。

图2 煤与瓦斯突出危险程度预测等级识别框架

2.2 特征级模糊综合评判方法耦合

(1)确定权重。根据矿井情况,并结合权重确定方法优缺点,选用层次分析法对地质、瓦斯及监测监控3方面指标进行分析,确定各自指标的权重,利用权重反映该因素的危险性状况。

(2)建立模糊关系矩阵。模糊关系矩阵通常是由多个单因素隶属度共同构成,单因素隶属度用于表征该因素对煤与瓦斯突出的影响程度,对于煤与瓦斯突出这一模糊对象,需要先选用科学的隶属函数,再利用模糊数学方法对该模糊对象进行全面的、定量的分析。

(3)模糊综合评判。根据最大隶属度原则,结合模糊变换原理,并充分考虑煤与瓦斯突出这一模糊评价事物的多种因素,通过综合计算,得出模糊评判的最终结果。煤与瓦斯突出危险性预测的因素集UI1={I11,I12,…,I1x}、UI2={I21,I22,…,I2y}、UI3= {I31,I32,…,I3z},其中x、y、z表征地质、瓦斯及监测监控的指标个数。各因素集和等级识别框架Θ={V1,V2,V3}的模糊关系矩阵用R表示。

首先,把权重向量和煤与瓦斯突出模糊关系矩阵初步合成,计算出煤与瓦斯突出综合隶属度M=m(V1,V2,V3);其次,通过模糊运算m(V1,V2,V3)=B·R得到模糊评判矩阵M,根据最大隶属度原则进行评价,即最大隶属度值在等级识别框架Θ中对应的位置为特征级所求的危险性等级。

2.3 决策级D-S证据理论耦合

定义:Θ表示某一对象的识别框架;若该对象的集函数m: 2Θ→[0,1](2Θ为Θ的幂集)符合:

那么,就用m表示Θ上某一对象的基本概率赋值函数;∀A∈Θ,用m(A)表征该证据针对某一命题A所产生的基本概率赋值,也称之为基本可信度值。

定理:如果Bel1表征对象Θ的一个置信函数,m1表征相应的基本概率赋值函数;Bel2表征该对象Θ的另一个置信函数,m2表征相应的基本概率赋值函数。焦元分别为A1,…,Ai和B1,…,Bj,若

则,m:2Θ→[0,1]表征该对象Θ基本概率赋值函数:

上述介绍了两个证据的决策级耦合方法,由于证据理论的合成规则符合结合律,因此3个证据的耦合可以先由两个证据合成之后的结果再与第3个证据进行合成。即由地质因素的特征级耦合结果m1(V1,V2,V3)和瓦斯因素的特征级耦合结果m2(V1,V2,V3)合成得出m’(V1,V2,V3),再与监测监控因素的特征级耦合结果m3(V1,V2,V3)合成得出m(V1,V2,V3),m(V1)、m(V2)和m(V3)中最大可信度值所对应的等级即决策级的煤与瓦斯突出危险等级。

3 基于瓦斯地质与监控信息耦合的煤与瓦斯突出预测模型应用

3.1 研究区瓦斯地质概况

超化煤矿属于煤与瓦斯突出矿井,位于平陌-超化勘探区的东部,含煤岩系为石炭-二叠系,井田内主要发育有3组(近EW、NW和NE向)断裂构造,井田地质构造复杂程度为中等类型。矿井主采二1煤层,二1煤层整体处在单斜构造上,局部受滑动构造影响,夹矸发育,属于突出煤层。31041工作面下付巷煤层厚度1.79~9.21 m,煤层倾角17°~33°,煤层埋深380~634 m,构造煤较发育,巷道顶底板为砂质泥岩,透气性差,瓦斯含量2.76~9.49 m3/t。

3.2 研究区煤与瓦斯突出特征

对超化煤矿4次煤与瓦斯突出特征分析可知:煤与瓦斯突出均发生在地质构造带及附近,地质构造控制超化煤矿煤与瓦斯突出;超化煤矿煤与瓦斯突出发生前均有预兆,主要是瓦斯涌出异常、喷孔、夹钻和顶钻;构造煤在超化煤矿煤与瓦斯突出中起重要作用。

3.3 建立煤与瓦斯突出预测指标体系

工程实际中煤与瓦斯突出危险性的影响因素很多,很难将每个因素都考虑在内。在借鉴相关研究的基础上,根据超化煤矿瓦斯地质规律和煤与瓦斯突出特征,拟从地质、瓦斯及监测监控3方面分别选取指标,形成指标体系,其中地质因素主要反映地应力、地质构造和煤体结构,瓦斯因素主要反映瓦斯压力情况,监测监控因素主要反映瓦斯动态变化情况。预测指标体系包括地质方面的煤层埋深、构造复杂度、钻屑量和煤的坚固性系数,分别用I11、I12、I13和I14表示;瓦斯方面的瓦斯压力、瓦斯涌出初速度和瓦斯放散初速度,分别用I21、I22和I23表示;监测监控方面的瓦斯浓度和瓦斯浓度变动率,分别用I31和I32表示。其中,构造复杂度用半定量化方法进行取值,根据专家经验将其分为3类:0~1表征地质构造相对简单,即节理、褶皱、断层对煤层和顶底板造成的影响相对较小;1~2表征地质构造相对较复杂,即节理、褶皱、断层对煤层和顶底板造成的影响相对中等;2~3表征地质构造相对复杂,即节理、褶皱、断层对煤层和顶底板造成的影响相对较大。瓦斯浓度变动率表征瓦斯浓度序列的振动幅度,由当时的瓦斯浓度与一定时间之前的某一时刻瓦斯浓度的比较,其变动速度的大小,反映瓦斯浓度变动的快慢程度,煤与瓦斯突出发生前瓦斯浓度波动频繁,因此瓦斯浓度变动率可以用来表征煤与瓦斯突出危险程度。其他7个指标由实际测定得到,研究地点预测指标数据见表1。

表1 超化煤矿31041工作面下付巷煤与瓦斯突出预测指标

续表1

3.4 预测模型计算

(1)煤与瓦斯突出预测界限确定。参照国家相关细则[2]和超化煤矿实践经验,采用均数原则确定煤与瓦斯突出各个预测指标界限。即对各预测指标依据国家标准、行业操作规程及各个指标引起煤与瓦斯突出历史波动值的最大值和最小值建立总区间,按3个等级划分,根据数值的大小分别确定V1(无危险)、V2(一般危险)、V3(严重危险),预测指标界限见表2。

表2 超化煤矿煤与瓦斯突出预测指标界限

(2)层次分析法确定各影响因素权重。按照A.L.Satty提出的1—9标度方法建立判断矩阵,通过对两两因素进行比较并根据各因素对煤与瓦斯突出危险影响的重要程度,由资深的技术人员和专家来确定。建立超化煤矿煤与瓦斯突出3方面影响因素的判断矩阵B1(地质)、B2(瓦斯)及B3(监测监控),如表3所示。

表3 超化煤矿煤与瓦斯突出影响因素判断矩阵(a)B1判断矩阵

(b)B2判断矩阵

(c)B3判断矩阵

运用层次分析法计算得出:矩阵B1的特征向量W1=(0.050 8,0.571 9,0.288 6,0.088 7),CR=0.037 4<0.1,满足一致性要求;矩阵B2的特征向量W2=(0.071 6,0.645 0,0.277 2),CR=0.056 0<0.1,满足一致性要求;矩阵B3的特征向量W3=(0.333 3,0.666 7),因为n<3,所以该矩阵符合一致性原则。

(3)特征级模糊综合评判预测。以超化煤矿31041工作面下付巷为实验工作面,建立模糊关系矩阵并选取单因素隶属函数为降(升)半梯形分布,其中折线FEBX表示V1等级隶属函数,OADCX表示V2等级隶属函数,OBHG表示V3等级隶属函数,见图3。

图3 单因素隶属函数

以实验工作面位置12 m为例,得出该地点3方面因素模糊关系矩阵R1、R2、R3:

由m(V1,V2,V3)=B·R分别计算3方面模糊综合评判结果,并对结果进行归一化得到3个模糊综合评判向量:

m1(V1,V2,V3)=(0.745 1,0.152 2,0.102 7)

m2(V1,V2,V3)=(0.716 6,0.116 4,0.160 8)

m3(V1,V2,V3)=(1,0,0)

得出3方面的预测结果均为“无危险”。同理得出工作面其他11个位置的模糊综合评判向量和突出危险等级,如表4所示。

表4 超化煤矿煤与瓦斯突出预测特征级结果

(4)决策级D-S证据理论信息耦合。将实验工作面12 m位置的地质、瓦斯及监测监控3方面模糊综合评判向量m1(V1,V2,V3)、m2(V1,V2,V3)和m3(V1,V2,V3)作为决策级耦合的3个证据来源,根据D-S证据理论耦合规则(1)对上述3个证据进行耦合。并得到决策级耦合预测结果m(V1,V2,V3)=(1,0,0),可知该地点V1(无危险)的可信度值为1,高于V2(一般危险)和V3(严重危险)的值,煤与瓦斯突出危险预测结果为V1(无危险)。同理,其他11个位置的预测结果也可由此计算得到,具体结果见表5。

表5 超化煤矿煤与瓦斯突出预测决策级结果

3.5 预测结果分析

超化煤矿使用的工作面煤与瓦斯突出预测方法是复合指标法,即钻孔瓦斯涌出初速度q(临界值5 L/min)和钻屑量S(临界值4 kg/m),煤与瓦斯突出预兆主要是喷孔、夹钻和顶钻。现场跟踪31041工作面下付巷掘进情况并记录:掘进过程中未发生瓦斯动力现象的地点,煤与瓦斯突出危险等级为V1,作为无煤与瓦斯突出危险地段管理;掘进过程中出现轻微夹钻和顶钻等现象的地点,煤与瓦斯突出危险等级为V2,作为煤与瓦斯突出一般危险块段进行管理;掘进过程中出现严重喷孔、夹钻和顶钻等现象的地点,煤与瓦斯突出危险等级为V3,作为煤与瓦斯突出严重危险块段管理。运用复合指标法和多元信息耦合方法对31041工作面下付巷12个地点的煤与瓦斯突出危险性进行预测的结果表明,复合指标法有4个地点的预测结果与动力现象记录不符,而多元信息耦合方法的预测结果与动力现象记录相符,预测结果见表6。

表6 超化煤矿煤与瓦斯突出预测结果对比验证

在第6个地点,利用模糊综合评判方法进行煤与瓦斯突出危险性预测的结果为(V1,V3,V1),与实际情况V2(一般危险)不符,而经过D-S证据理论对3方面预测信息耦合后的预测结果为V2(一般危险),得到了正确的结果。第8个地点,只从地质方面用模糊综合评判方法预测的结果为V3,与实际情况V2(一般危险)不符;第11个地点,只从地质方面的模糊综合评判方法预测结果为V2,与实际情况V1(无危险)不符;再如第12个地点,只从监控方面用模糊综合评判方法预测的结果为V2,与实际情况V3(严重危险)不符,这4个地点特征级模糊综合评判方法的预测结果存在偏差,而经过D-S证据理论方法“补偿”其他两方面预测证据后,预测结果的准确性有所提高,见表7。

表7 超化煤矿煤与瓦斯突出预测准确性结果

与此同时,这12个地点经过决策级D-S证据理论耦合,煤与瓦斯突出预测结果的可信度有所提高,见表8。

表8 超化煤矿煤与瓦斯突出预测可靠性结果

由此可见,基于瓦斯地质与监控信息耦合的煤与瓦斯突出预测方法可有效地避免采用单一指标信息或单一方法进行预测时产生的偏差,使得煤与瓦斯突出危险性预测结果的准确率和可信度都有所提高。

4 结论

(1)基于瓦斯地质与监控信息耦合的煤与瓦斯突出预测模型中,特征级选用模糊综合评判和决策级选用D-S证据理论的多元信息耦合技术,充分发挥了模糊综合评判处理各影响因素相互关系的优势和D-S证据理论处理不确定性的优势。

(2)将特征级和决策级煤与瓦斯突出预测信息进行分级耦合,提出了基于瓦斯地质与监控信息耦合的预测方法,由此计算得出的等级可信度值直观地反映了煤与瓦斯突出危险程度,降低了指标信息耦合问题对预测结果合理性的影响。

(3)对超化煤矿31041工作面下付巷的煤与瓦斯突出预测结果表明,由模型计算得出12个地点的煤与瓦斯突出危险性等级与工作面实际情况基本吻合,并且煤与瓦斯突出预测的准确性和可靠性也有所提高,因此基于瓦斯地质与监控信息耦合的煤与瓦斯突出预测方法是一种有效的方法。

猜你喜欢
评判瓦斯耦合
初中英语评判性阅读教学实践与探索
擎动湾区制高点,耦合前海价值圈!
复杂线束在双BCI耦合下的终端响应机理
矿井瓦斯涌出量预测
不要用街头小吃来评判北京
基于磁耦合的高效水下非接触式通信方法研究
11采区永久避难硐室控制瓦斯涌出、防止瓦斯积聚和煤层自燃措施
评判陌生人的两条黄金法则
高瓦斯矿井防治瓦斯异常涌出措施的应用
基于CFD/CSD耦合的叶轮机叶片失速颤振计算