姚桥煤矿深部煤层瓦斯赋存及涌出规律研究

程根银，周逸飞，齐黎明，冯 山

(华北科技学院，北京 东燕郊 101601)

姚桥煤矿深部煤层瓦斯赋存及涌出规律研究

程根银，周逸飞，齐黎明，冯 山

(华北科技学院，北京 东燕郊 101601)

为掌握姚桥煤矿深部采区(西十采区和中央二采区)7煤层的瓦斯赋存及涌出规律，通过现场瓦斯含量实测数据,采用神经网络法分析瓦斯赋存影响因素与瓦斯含量之间的关系及影响程度，构建瓦斯含量预测模型，预测出相应位置的瓦斯含量，并与实测数据进行对比,最终绘制出瓦斯含量等值线图，用于指导姚桥煤矿深部采区的瓦斯防治工作，提升预防瓦斯灾害的水平。

瓦斯含量;瓦斯涌出量;等值线图

0 引言

我国很多煤矿经过几十年的开采，开采水平逐渐向深部延伸，随着矿井开采深度的增加，开采条件和自然环境发生显著变化，出现了高地应力、高瓦斯、低渗透性和低强度煤体的现象。煤层瓦斯压力和瓦斯含量发生不同的变化，甚至同一矿井随着开采深度的延伸，瓦斯矿井逐渐转变为高瓦斯矿井或是煤与瓦斯突出矿井[1-2]。为了进行突出区域预测、防治煤与瓦斯突出，在煤层深部开采之前，根据相关规定，要研究深部煤层的瓦斯赋存规律，并最终绘制出瓦斯含量等值线图，为矿区深部开采过程中瓦斯防治工作提供治理依据。

姚桥煤矿地质资料显示该矿深部开采时存在瓦斯异常区域；而且其临近矿井，如崔庄煤矿、高庄煤矿、付村煤矿均存在高瓦斯区域，个别地方瓦斯突出相关指标甚至达到了临界值。姚桥煤矿采掘活动不断向深部延伸，西九采区的7267工作面掘进过程施工的泄压孔内出现较高的瓦斯浓度；西十采区和中央二采区正在向-850水平以下延伸，可以预计瓦斯灾害情况越来越严重。故本次研究主要针对西十采区和中央二采区两个深部煤层区域。

1 影响煤层赋存的地质状况

1.1 研究区域地表情况

西十采区位于西九采区及西六采区的深部，东以F13断层为界，南以7煤层-850 m底板等高线为界，北以F19断层防水煤柱线为界，西以17勘探线为界。开采上限为-850 m，开采下限为-1050 m，走向长2990～3457 m，倾向长1215～1492 m，采区面积4.63 km2。地面标高+32.0～+39.7 m，地面较平坦，属黄淮冲积平原。

中央二采区位于中央采区的北面，东到7013工作面溜子道的延长线与袁堂断层防水煤柱线交会处，西以F13断层为界，北以袁堂断层防水煤柱线和F19断层防水煤柱线为界，南以7013工作面溜子道为界。开采上限为-750 m水平，开采下限为-950 m水平，走向长2126～3235 m，倾向长278～661 m，采区面积1.41 km2。地面标高+30.5～+40.12 m，地面较平坦，属黄淮冲积平原。

图1 研究区域位置图

1.2 研究区域地质构造

根据勘探、物探与井下采掘的资料可知，西十采区内断裂构造较发育，落差≥2 m的断层共有29条，其中落差5 m～10 m有9条，10 m～20 m有9条，落差≥20 m有7条。断层走向以北东、北东东向为主，约占84%；其次为东西向，约占12%；近南北向的较少，只占4%。断层的走向总长度为10070 m，每平方公里走向长度约2174 m，每平方公里6.05条；断层倾向主要有北西和北东两组，按照力学性质不同分为张扭性和压扭性两组，以张扭性为主，全部为高角度正断层，采区内尚未发现逆断层。

中央二采区内断裂构造较发育，落差≥2 m的断层共有20条，其中落差5 m～10 m有2条，10 m～20 m有4条，落差≥20 m有3条。断层走向以北东、北东东向为主，约占75%；其次为东西向，约占20%；近南北向的较少，只占5%断层的走向总长度为3671 m，每平方公里走向长度约2604 m，每平方公里14.2条；断层倾向主要有北西和北东两组，以张扭性断层为主，全部为高角度正断层，并未发现逆断层。

2 影响煤层赋存的影响因素

2.1 主要影响因素

对于研究区域的煤层来说，瓦斯参数的大小受诸多因素的影响，如煤层埋藏深度、围岩透气性、地质构造等。这些影响因素对瓦斯赋存影响大小不一，存在主要控制因素(影响权重大)和次要控制因素(影响权重小)。

利用计算机通过神经网络分析瓦斯参数影响因素权重，选取四个主要因素分别为：顶底板泥岩厚度、埋深、断层、煤层厚度。即输入层为4项指标，输出层为煤层瓦斯参数。于是所建网络模型结构确定为( 4，x，1) ，即输入节点 4 个，隐含层 x 个，输出层 1 个。利用MATLAB 数学软件对所选数据经过学习，将所有输入神经节点的连接权值取绝对值，然后分别按各个输入神经节点求和，得到输入神经节点的权值。将所有输入神经节点的权值相加到输入神经节点的总权重，各个输入节点的权值占总权重的百分比，即得权重贡献率，具体数据如表1所示。

表1 煤层瓦斯参数影响因素权重表

根据表1可知，研究区域的煤层瓦斯参数主要控制因素为断层及顶底板泥岩厚度，而煤层埋深和厚度处于次要地位。

2.1.1 断层

煤层的完整性会随着断层的形成而遭到破坏，煤体会经过挤压、揉搓，最后变为构造煤，这种过程既增大了煤体的吸附表面积，同时也提高了煤的吸附能力，增大了游离瓦斯的容积，形成了储存大量瓦斯的基础。目前国内外的研究趋向于认为压扭性断层为主的区域，接触紧闭延展性差，积聚的形变潜能相对较大，不利于瓦斯的排放，是煤与瓦斯突出的危险区域；相反，张扭性断层为主的区域，延展性好，裂隙发育，不利于瓦斯的积聚，有利于瓦斯的排放，煤与瓦斯的突出危险性相对较小[3-4]。

西十采区和中央二采区断层多为张扭性断层，虽然断层处瓦斯含量存在局部偏高的现象，但突出危险性相对较小。

2.1.2 顶底板泥岩厚度

瓦斯的赋存会受到煤层围岩隔气性和透气性的影响，顶底板泥岩的厚度会直接影响煤层围岩透气性，顶底板泥岩厚度值越大，煤层围岩透气性越差，越有利于瓦斯的保存。煤层及其围岩的透气性越大，瓦斯越易流失，煤层瓦斯含量就越小；反之，瓦斯易于保存，煤层的瓦斯含量就高[5-6]。

据试验资料可知，7号煤层顶板稳定性较好，以中等稳定为主，局部为稳定型。底板一般为深灰色砂质泥岩，厚度一般为2～6 m，以中等稳定型为主。中央二采区的顶底板厚度稍大于西十采区，储气能力稍强，符合中央二采区瓦斯含量高于西十采区的情况。

3 瓦斯赋存及涌出规律

3.1 瓦斯赋存规律

寻找瓦斯赋存规律需要大量的瓦斯数据，但是如果全部进行实测，工程量大，周期过长，费用高。因此，必须利用实测瓦斯含量和测点位置的瓦斯赋存影响因素，分析两者之间的关系，并将这种关系应用到未知区域，从而根据未知区域内的瓦斯赋存影响因素推测其瓦斯含量，增加瓦斯数据，分析其赋存规律[7-9]。

煤层瓦斯含量是计算瓦斯储量和瓦斯涌出量的基础，为更加精确地测定煤层的瓦斯含量数据，采用工作面钻孔煤屑解析法实测部分瓦斯含量，工作面钻孔解析法测定原理是：根据采集煤样的井下瓦斯解吸规律推算煤样采集过程中的损失瓦斯量，然后测定煤样残存瓦斯量，最后根据煤样的损失瓦斯量、瓦斯解吸量、残存瓦斯量和煤样重量计算煤层瓦斯含量[10]。实测数据如表2所示。

表2 瓦斯含量测定结果

利用神经网络法进一步分析各种瓦斯赋存影响因素与瓦斯含量之间的非线性关系，构建瓦斯含量预测模型，利用研究区域内的地质参数，预测出相应位置的瓦斯参数。通过瓦斯含量预测模型，对研究区域的其他地方的瓦斯含量进行预测，预测过程如下。

采用BP神经网络，对样本(影响因素)进行训练。由于输入向量有6个元素，所以网络输入层的神经元有6个，根据Kolmogorov定理，网络中间层神经元取13个，而输出向量为1个，所以输出层神经元有1个。网络中间层神经元传递函数采用S型正切函数tansig，输出层神经元传递函数采用对数函数logsig，这是因为在进行网络训练前对输入和输出函数分别进行了归一化处理，使函数的输出位于区间[0，1]中，正好满足网络输出的要求[11-12]。训练样本和结果分别如表3和图2所示。

表3 煤层瓦斯含量训练样本表

图2 煤层瓦斯含量训练误差曲线

再利用煤层瓦斯含量数据，对训练好的网络进行检验，检验结果如图3所示。

图3 煤层瓦斯含量误差预报曲线

图中4个点的误差分别是0.02%、0.4%、0.03%、0.02%，平均误差仅为0.12%。因此，同样，煤层的瓦斯含量预测模型也能满足煤矿实际生产中对瓦斯含量数值的要求。根据煤层瓦斯含量预测模型预测出的数据如表4所示。

表4 煤层瓦斯含量预测表

通过神经网络预测模型和相应地质参数预测出的瓦斯参数比较凌乱，很难直观判断瓦斯参数分布情况。采用数学软件，利用实测瓦斯数据和预测数值绘制了西十采区和中央二采区的煤层瓦斯含量等值线图，分别如图4和图5所示。

从西十采区和中央二采区煤层瓦斯含量等值线图看，姚桥煤矿深部煤层瓦斯含量总体不高，但在断层附近存在局部相对偏高的区域，分别是断层f298和断层f320之间、断层f431附近、断层f349附近及7713开切眼附近，这片区域煤层顶底板透气性普遍较差。

图4 西十采区瓦斯含量等值线图

图5 中央二采区瓦斯含量等值线图

在中央二采区，瓦斯含量基本上随开采深度的增加而逐步上升，赋存规律相对较为简单；在西十采区，瓦斯含量也大致遵循随开采深度的增加而逐步上升的规律，但西十采区的瓦斯含量相对较低，且在西十探煤下山附近区域的瓦斯梯度较大。

3.2 瓦斯涌出规律

根据矿井瓦斯等级鉴定资料，项目组收集到部分采掘工作面的瓦斯涌出资料，具体如表5和6。

表5 采煤工作面瓦斯涌出数据表

表6 掘进工作面瓦斯涌出数据表

从表中可以看出姚桥煤矿的相对瓦斯涌出量比较小，远低于高瓦斯矿井的最低临界值10 m3/t。为更清楚地反应瓦斯涌出量与开采深度的关系，以开采深度为因变量，以瓦斯涌出量为自变量，对表4数据进行回归分析，得出如下关系式：

y=0.0015x-0.6714

(1)

可计算出R2=0.8693，说明具有较好的相关性。

同理可得掘进工作面的相对瓦斯涌出量y与开采深度x之间的关系式：

y=0.0015x-0.0976

(2)

可计算出R2=0.8695，说明具有较好的相关性。

从式(1)和(2)可以计算出煤层的相对瓦斯涌出量梯度为0.15(m3/t)/hm，即开采深度每增加100 m，相对瓦斯涌出量增大0.15 m3/t，表明本煤层相对瓦斯涌出量梯度比较小。

根据《姚桥煤矿2014年度矿井瓦斯等级鉴定报告》，矿井相对瓦斯涌出量QCH4=0.0049 m3/t，QCO2=0.6191 m3/t；矿井绝对瓦斯涌出量QCH4=0.0453 m3/min，QCO2=5.7360 m3/min。矿井瓦斯等级为瓦斯矿井。

从各地点来看，采煤工作面瓦斯涌出量为0.01382 m3/min；掘进工作面瓦斯涌出量为0.0027 m3/min；采空区瓦斯涌出量为0.02618 m3/min。从整个矿井瓦斯涌出量来源分析，矿井瓦斯涌出形式以采空区为主；采煤工作面、掘进工作面和采空区分别占瓦斯涌出量的32.32%、6.32%和61.36%。

4 结论

(1) 采用神经网络法分析瓦斯含量与各种地质参数之间的关系，通过样本训练，建立了姚桥煤矿瓦斯含量的预测模型，并根据部分区域的地质参数成功预测了该区域的瓦斯含量；综合实测及预测瓦斯数据，绘制了西十采区和中央二采区瓦斯含量等值线图。

(2) 姚桥煤矿深部煤层瓦斯含量总体不高，且与煤层埋藏深度呈正相关关系，但在断层附近存在局部相对偏高区域。姚桥煤矿深部煤层瓦斯含量的主要控制因素是断层和顶底板泥岩厚度，而煤层埋深和厚度处于次要地位。

(3) 根据《煤矿瓦斯抽采达标暂行规定》的要求和姚桥煤矿的实际情况，建议该矿的瓦斯治理应以通风为主，可适当辅以抽采技术措施。

[1] 国家安全生产监督管理总局,国家煤矿安全监察局.煤矿安全规程[M].北京：煤炭工业出版社,2011.

[2] 国家安全生产监督管理总局,国家煤矿安全监察局 .防治煤与瓦斯突出规定[M].北京:煤炭工业出版社,2009.

[3] 贵宏伟.瓦斯赋存规律及其控制因素[J].技术研究,2015(9): 118-120.

[4] 易伟欣.煤层瓦斯含量的地质要素分析及预测[J].中州煤炭,2007,(1): 71-73.

[5] 张子敏,吴 吟.中国煤矿瓦斯赋存构造逐级控制规律与分区划分[J].地学前缘,2013，20( 2) : 237-245．

[6] 淮北矿区祁东井田构造对瓦斯赋存的控制作用[J].煤炭科学技术,2014( 8) :42-46，50．

[7] 赵莉,曾勇,吕倩，等.煤矿瓦斯赋存与瓦斯涌出规律研究[J].煤炭工程,2011(3): 84-86.

[8] 王志玉,蔡振兴,王义贵.寺河矿煤层瓦斯赋存规律与应用[J].煤炭科学技术,2012，40( 1) : 74-77．

[9] 胡千庭,邹银辉,文光才，等.瓦斯含量法预测突出危险新技术[J].煤炭学报,2007,32(3): 276-280.

[10] 仇海生,张保泉.利用煤钻屑瓦斯解吸指标法测定煤层瓦斯含量[J].煤矿安全,2007,38(7): 18-20.

[11] 高锡擎，王来斌，沈金山，等.基于灰色关联度BP神经网络预测煤层瓦斯含量[J].煤炭技术,2011( 8) :102-104.

[12] 吴财芳,曾勇.基于遗传神经网络的瓦斯含量预测研究[J].地学前缘,2003,10(1): 219-223.

Study on the emission law and gas occurrence of deep coal seam in Yaoqiao coal mine

CHENG Gen-yin,ZHOU Yi-fei,QI Li-ming,FENG Shan

(NorthChinaInstituteofScienceandTechnology，Yanjiao,101601,China)

In order to grasp the emission law and gas occurrence of No.7 coal seam in the deep mining area of Yaoqiao coal mine (the tenth mining area to the west and the second mining area of central area),with the measured data of the gas content,neural network is used to analyze the relationship and the influence degree between gas content and the factors affecting gas occurrence.Gas content prediction model is built to predict the corresponding position of gas content,comparing with the measured data,the gas content contour map is drawn,which provides the technical support for the gas control of Yaoqiao coal mine.

gas content; gas emission quantity; contour map

2016-09-02

国家自然科学基金联合基金项目资助(U1361130)

程根银(1968-)，男，安徽安庆人，博士，华北科技学院教授，长期从事安全工程专业教学、科研与管理工作。E-mail：gycheng@ncist.edu.cn

TD712.2

A

1672-7169(2016)05-0005-06