上行开采巷道顶板稳定性预测研究

赵建敏

（1.太原理工大学矿业工程学院，太原030024；2.太原东山五龙煤业有限公司，太原030031）



上行开采巷道顶板稳定性预测研究

赵建敏1，2

（1.太原理工大学矿业工程学院，太原030024；2.太原东山五龙煤业有限公司，太原030031）

摘要：巷道顶板稳定性对煤层安全上行开采具有重要保障意义，本文从变形分析角度出发，以BP神经网络构建上行开采巷道顶板变形预测模型，以太原东山煤矿12号煤层51216普采工作面上行开采采动影响阶段巷道顶板的变形实测数据,对顶板变形量进行拟合预计。结果表明：BP神经网络预测模型预测精度较高，基于变形分析理论的预测技术在矿山上行开采巷道顶板稳定性预测中具有较好的推广价值。

关键词：BP神经网络；上行开采；变形预测模型；围岩稳定性

煤矿采煤工作面开采后会形成采空区，采空区对巷道顶底板、两帮产生影响，从而使得巷道围岩应力重新分布。要保障巷道顶底板、两帮围岩的安全稳定，需要预先掌握工作面围岩的变形状况。所以，对巷道围岩变形通过分析计算进行精确的预测，对煤矿安全开采来说就显得非常重要。随着采矿分析理论的不断创新，各类巷道变形体的变形预测模型展现出丰富多彩的特点，比较著名的预测模型主要有：时间序列分析预测法、多元回归分析预测法、灰色系统预测模型、人工神经网络预测模型等[1]。

上行开采是指煤层间、厚煤层分层间及煤组间先采标高低的煤层、分层或煤组，后采标高高的煤层、分层或煤组。在上行开采工作面顶底、两帮板变形中，造成巷道应力不均衡的因素多种多样，形成一些影响因素可知，而一些影响因素不可知或者无法确定的信息系统。因此，基于灰色系统理论的巷道顶板变形预测模型在矿山领域已有众多应用[2-3]。同时，基于BP神经网络的巷道围岩稳定性预测也有众多科技人员做出了实践[4-6]。由此，本文选择BP神经网络构建上行开采巷道顶板变形预测模型，开展了BP神经网络在煤矿生产中施行上行顺序开采方式巷道顶板稳定性预测的应用研究。

1　预测手段

1.1研究区概况

东山煤矿柳树渠井(主斜井)采用斜井开拓，现年生产能力150万t。主采煤层为太原组12号、15号煤层。由于12号煤层含矸率高、灰分大，可采性指数0.547，属局部可采的不稳定煤层（南部而言，则相对稳定）。

2005-2006年，东山煤矿进行了12号煤层51216普采工作面的上行开采技术研究、实验。51216工作面采用走向长壁高档普通采煤法开采，顶板实行全部垮落法管理，深厚比平均为96.11，下煤层15号煤层仅上、中分层采空，底层未采，采高取4 m，该工作面煤层平均厚2.185 m，平均层间距约40 m，煤层倾角为6°～12°，下煤层开采距12号煤层开采已有1年以上的时间。

1.2BP神经网络预测模型建立

无论是煤层群还是厚煤层，开采了第一分层后，开采总会造成覆盖岩层的力学性质改变，特别是强度性质，即覆盖岩层发生了软化，从而使得以后的回采工作相当于在变软的岩层内开采。因此，从第一次重复采动开始后，覆盖岩层的破坏规律与初次开采时的规律存在差异，并且逐次开采的重复采动也体现出各不相同的覆盖岩层破坏规律。覆盖岩层破坏高度与累计开采厚度呈抛物线关系。

大量的现场监测表明，开采第一分层以后，覆盖岩层破坏的高度可达到重复采动最终结果的1/2。以后破坏高度增长率分别为1/6、1/12、1/20、1/30、…。可见，当重复采动次数达到某个数值时，再进行的开采对覆盖岩层的破坏高度影响就很小。因此，对厚煤层进行多分层开采比少分层开采更有利于顶板管理。

影响煤层上行开采的主要因素包括：层间距、采高、采煤方法、顶板管理、岩性、煤层倾角和时间。综合考虑后，将煤层深厚比、采高、层间距、煤层倾角、采煤方法、顶板管理方法、层间岩性、工作面推进速度和时间等影响因素作为BP神经网络的输入量，而将开采巷道的顶板变形量作为输出量，从而建成3层结构模型。在考虑各种影响因素、复杂的地质情况及不同的开采条件后，我们分别确定了不同条件下的模型结构。

工作面巷道上覆围岩变形预测的BP神经网络模型各层节点结构为8-12-2，以选取的实测巷道变形数据作为训练样本，再另外选取几个实测巷道变形数据作为验证样本。通过多次的反复试验，确定当BP神经网络模型隐含层神经元数目达到12时，BP神经网络模型收敛速度较快，拟合均方误差数值也较小，检验精度高，泛化能力强。

1.3技术路线

采用理论分析、预测模型建立、量化影响因素、现场实测验证精度、预测模型确定几个步骤对东山煤矿上行开采巷道顶板变形预测技术进行研究。建立基于BP神经网络的顶板变形分析技术路线图，见图1。

图1　基于BP神经网络的顶板变形分析技术路线图

2　实例分析

太原东山煤矿在12号煤层51216普采工作面实行上行顺序开采过程时，为了保证工作面巷道的安全，开展了矿压、位移变形观测工作。对4个位移变形观测点进行了现场观测，将采动影响阶段巷道顶板变形量3个观测点的实测数据，根据BP神经网络变形预测影响因素量化的原则对巷道顶板变形影响因素进行量化，并将影响序列存入MATLAB的工作区。我们利用预测模型得到变形量预测值，顶板下沉量实测数据与预测数据对比见图2-4。

图2　2号点预测与实测数据对比曲线图

图3　3号点预测与实测数据对比曲线图

图4　4号点预测与实测数据对比曲线图

为了验证建立的BP神经网络预测模型的拟合精度和泛化能力，对顶板2号点变形拟合值以及预计数据进行平均小误差概率、后验方差、相关性和相对误差、指标进行了详细的分析，分析结果如表1所示，从分析结果中可以知道它的相关系数R均几乎接近1，均方差比值C＜0.35并且小误差概率P=1，由此可以确定BP神经网络预测模型精度等级为一级。

表1　顶板2号点误差分析

3　结束语

以BP神经网络建立上行开采巷道顶板稳定性预测模型，太原东山煤矿12号煤层51216普采工作面上行开采实测顶板变形数据为例，进行了巷道顶板稳定性预测研究。结果表明:对于上行开采煤层顶板稳定性这样一个非线性的，又受开采方法、水文地质条件、煤层赋存条件、上覆岩层的性质等诸多因素影响，且一些信息可知，而一些信息不可知或者无法确定的贫信息系统，BP神经网络模型在其变形预测中展示出良好的优点。并且在预测模型的精度评价中体现出优良的趋势拟合，较高的预测精度。太原东山煤矿12号煤层51216普采工作面成功开采，证明BP神经网络预测模型在上行开采巷道稳定性预计中具有很好的推广价值。同时应该看到，BP神经网络预测模型也有其局限性。今后，要不断改革、创新、发展BP神经网络预测理论研究，提高其预测结果准确性，为煤矿安全生产提供更有力的保障。

参考文献:

[1]黄声享，尹晖，蒋征.变形监测数据处理[M].武汉：武汉大学出版社，2003.

[2]肖海平，陈兰兰.灰色理论模型在矿山变形监测中的应用[J].金属矿山，2009（1）：154- 155.

[3]鲍金杰，汪云甲.灰色模型在矿区沉降预测中的应用[J].工矿自动化，2012（5）：46- 49.

[4]周保生，林江，于海学，等.人工神经网络在煤矿巷道围岩移近量预测中的应用[J].系统工程理论与实践，2000（1）：136- 139.

[5]李迎富，华心祝.深井动压巷道围岩移近量的BP神经网络预测[J].煤炭技术，2008，27（10）：66- 67 .

[6]申艳梅，张爱霞.基于BP神经网络的巷道围岩稳定性识别[J].煤矿安全，2008（7）：65- 67.

（编辑：刘新光）

Prediction on Roof Stability in Ascending Mining Roadways

ZHAO Jianmin1,2
(1. College of Mining Engineering, Taiyuan University of Technology, Taiyuan 030024, China; 2. Tiayuan Dongshan Wulong Coal Co., Ltd., Taiyuan 030031, China)

Abstract:Roof stability could guarantee the safety in the ascending mining of coal seams. The paper, in the perspective of deformation analysis, establishes a prediction model for roof deformation in the ascending mining with BP neural network. On the data of deformation caused by the impact of the ascending mining on roof of 51216 general mining face of No.12 coal seam in Dongshan Mine, fitting prediction for the roof deformation was conducted. The results show the high precision of the prediction model with the BP neural network. It is valuable to spread the technology based on deformation analysis theoryin the roofstabilityprediction for the ascendingmining.

Keywords:BP neural network; ascending mining; prediction model of deformation; stability of surrounding rock

作者简介：赵建敏（1972-），男，山西太原人，在读工程硕士，工程师，从事矿山采掘技术研究及管理工作。

收稿日期：2015- 09- 21

DOI:10.3969/j.cnki.issn1672-5050sxmt.2016.01.015

文章编号：1672- 5050（2016）01- 0051- 03

中图分类号：TD 322+.4

文献标识码：A