层次分析法在煤矿冲击地压预测中的应用

焦世雄

(同煤集团 白洞煤业公司,山西 大同 037037)

层次分析法在煤矿冲击地压预测中的应用

焦世雄

(同煤集团 白洞煤业公司,山西 大同 037037)

根据冲击地压危险性评价的相关理论,采用系统决策法和灰色理论,建立组合预测数学模型,研究冲击地压所属级别。充分利用大量历史数据,选取煤层冲击倾向性、采深、煤层稳定性、煤层倾角、地质构造、巷道支护效果和卸压情况等7个关键因素作为评判指标,将定性、定量因素标准化处理后分别采用层次分析法和灰色关联分析法来确定7个因素的权重和灰色关联度,建立层次灰色组合预测模型判定冲击地压等级。工程实例表明,研究结果与现场具有很好的一致性,说明该预测方法处理冲击地压分级这种具有一定主观性和灰色性的问题是合理可行的。

冲击地压;预测;灰色关联分析;层次分析法

冲击地压是影响煤矿安全生产的主要灾害之一,是矿山采动诱发高强度煤岩体变性能瞬时释放,在相应采动空间引起强烈围岩震动和挤出的现象[1-3]。冲击地压发生时,煤岩体抛向巷道,同时发出剧烈声响,造成工作面现场或变形能释放范围巷道、硐室内人员伤亡和设备损坏,是诱发其他煤矿灾害如瓦斯与煤尘爆炸、冒顶、矿井水灾和矿井火灾的根源[4]。大同矿区在生产技术条件上,各种采煤工艺、采煤方法都出现过冲击地压,多次发生冲击地压事故。如忻州窑煤矿位于大同侏罗纪煤田东翼东北部,呈不对称向斜构造,井田内断层约有300余条,落差10 m以上正断层8条,煤层埋藏深度280 m～370 m,冲击地压灾害时有发生;其主采11#煤层5935巷发生冲击地压灾害,实地调察结果如下:400 m～370 m范围内巷道断面缩小,高度最低处1.95 m,宽度最窄约1.60 m,有5根单体柱倾斜,2根单体柱压弯;380 m至工作面范围内的顶板下沉约0.50 m～0.70 m,两帮煤体突出约0.30 m～0.50 m,造成了不小的经济损失。为此,矿方成立了防冲减灾办公室并配备了专门的生产和技术队伍,多年来积极采用各种方法防治冲击地压,并积累了大量试验成果和观测数据资料,为进一步开展冲击地压机理研究和治理奠定了良好基础。

随着煤矿开采装备技术水平不断提高,也采用了微震、声发射等手段对冲击地压预报,但由于自然地质条件、开采技术等复杂性原因,冲击地压尚难以完全掌控[5];传统预测只能靠经验或定性方法。有学者应用BP-ANN、模糊理论、混沌时间序列、Fisher判别分析法及PSO-SVM模型等预测冲击地压取得了一定成果[6-9]。但均有不足之处:BP网络隐层数难以确定,网络训练时间长、易陷入局部极值;模糊理论存在隶属度、权重难以确定的缺陷;混沌时间序列法需要海量数据计算最大Lyapunov指数;Fisher判别分析要求大量准确历史数据;SVM核函数及其参数选择较为复杂。鉴于GCA法可有效解决“少样本、贫信息”决策或预测问题[10],AHP法可系统性地准确计算评价指标体系中各影响因素的权重,本文将GCA法与AHP法相结合对冲击地压进行预测。

1 GCA法

1.1灰色关联度系数

基于灰色关联原理和灰色关联差异信息空间LYgr,并考虑其领域性与规范区间性,灰色关联度系数为:

ξi(k)=(xmin+ρxmax)/(Δ0i(k)+ρxmax).

(1)

作为评价标准的比较数列xi(k)往往是一个区间,如xi(k)=[ai(k),bi(k)],其中,ai(k),bi(k)为第k个指标的第i个级别的上限和下限。此时,

1.2灰色关联度

2 AHP法

AHP法的具体步骤为:

1)明确问题。

2)建立问题层次结构。

3)构造两两比较判断矩阵B,其元素bij≥0,bii=1,bij=1/bji,(i,j=1,2,…,n)。

4)层次排序与一致性检验:计算判断矩阵B最大特征值λmax及其对应特征向量,若矩阵B满足bik=bijbjk,其中,i,j,k=1,2,…,n。

5)确定权重Wi:采用乘积方根法求得的特征向量W=[w1,w2,…,wn]T,计算灰色关联度ri,据此可判断冲击地压类型。

3 GCA与AHP冲击地压预测模型

在对历史数据进行系统分析的基础上,采用AHP-GCA数学模型对该矿冲击地压危险性进行有效预测。

3.1冲击地压指标权重AHP分析

引起冲击地压的影响因素很多,主要有:自然地质条件、开采技术条件和生产组织管理等。根据国内外冲击地压机理研究成果和该矿积累的统计资料分析,影响因素有:煤层冲击倾向性X1、采深X2、煤层稳定性X3、煤层倾角X4、地质构造X5、巷道支护效果X6、卸压情况X7等。

根据AHP法基本原理,建立的冲击地压预测层次结构模型如图1所示;7个指标的权重通过有关试验测定和现场专家调查,采用AHP法建立判断矩阵B,经分析后再最终调整确定。选择9标度法,构造的判别矩阵B为:

图1 层次分析结构模型Fig.1 Hierarchical analysis model

.

采用Matlab7.0编制程序,经计算判断矩阵B最大特征值λmax=7.441 2,检验B的一致性指标CI=0.073 5;查表1,n=7时,平均随机一致性指标RI=1.32,一致性比率CR=0.055 7<0.10。因此,判断矩阵B有满意的一致性。此时,认为B的特征向量W=[0.367 3,0.208 2,0.142 1,0.127 7,0.063 7,0.048 3,0.042 6]T的各个分量作为相应的各个因素的权重是合理的,可用于冲击地压的灰色关联度分析。

3.2冲击地压GCA预测

根据国内外已有冲击地压危险性评价研究成果和多年来积累的数据资料,将该矿冲击地压等级分为Ⅰ无冲击、Ⅱ弱冲击、Ⅲ中等冲击和Ⅳ强冲击等四级。为便于计算,需要将定性和定量数据进行归一化处理,标准化处理后的冲击地压分级标准，如表1所示。典型样本及灰色关联分析预测结果,如表2所示。

表1 标准化后的冲击地压分级标准Table 1 Grading of the standardized rock burst

表2 冲击地压样本及灰色关联分析预测结果Table 2 Prediction of rock burst sample and grey relational analysis

无量纲处理冲击地压样本,采用GCA法计算出7个指标的权重Wi和灰色关联系数ξi(k),得到样本的灰色关联度ri。分析每一个样本的灰色关联度数列r,由最大关联度法则可知,灰色关联度ri越大,则与对应分级标准集合的符合程度越好,从而可以判定或预测各个样本的冲击地压类型。将预测结果与实测结果进行比较,可知GCA-AHP冲击地压预测方法的准确率为82%。

4 实例应用

据地质资料,某工作面位于井田向斜西翼,北西高、南东低,呈单斜构造、局部呈小向斜构造,煤层厚度4.9 m～9 m,均厚7.5 m,倾角6°～8°,平均倾角7°,埋深300 m～350 m,平均埋深310 m;面内有四条小规模正断层,地质构造较复杂。煤层及直接顶之上27 m～39 m为深灰色砂质页岩-灰白色粗砂岩,以石英长石为主,含少量云母,暗色矿物及煤屑,水平层理,泥质胶结。底板为灰色砂质页岩互层,灰色细砂岩,厚2 m～5 m,成分石英、长石,少量云母,暗色矿物及FeS球状结核,泥质胶结,较坚实。煤层微含水,局部顶板有滴水及淋水现象。5935巷采用锚杆吊钢带挂金属网和锚索联合支护,整体支护效果良好。在防冲卸压方面,除了采用常见的煤层钻孔注水、开卸压槽等措施外,还在试验段应用爆破技术进行邻面断顶,以减小工作面邻空顺槽煤柱外侧悬板的长度,降低煤柱内应力集中程度。冲击地压影响因素标准化后的预测数列为X0=[1.0,0.45,0.75,0.47,1.0,0.57,0.75]T,经计算,其灰色关联度为r=[0.466 8,0.647 6,0.811 8,0.772 5]T。由冲击地压分级标准,该工作面总体呈中等冲击类型。

电磁辐射强度和脉冲数可综合反映煤体前方应力集中大小,可用电磁辐射法进行冲击地压卸压效果监测。根据煤岩冲击破坏的KBD-5电磁辐射仪记录数据,确定电磁辐射幅临界值:强度为100 mv,频次为900 Hz,据此预报冲击地压。

图2 电磁辐射数据Fig 2 Electromagnetic radiation data

图2为中巷道电磁辐射记录,其最大强度值约为85 mV,最大脉冲数约为550 Hz,经判断为中等冲击事件。经实地调查,巷道测点120 m～140 m范围发生冲击地压,约有6.0 m范围顶板下沉,巷道断面缩小,巷道高度最低处仅有1.6 m,宽度最窄约1.5 m,工作面帮有8根单体柱倾斜,邻空帮有5根单体柱倾斜。从而,直接验证了基于AHP的冲击地压GCA预测模型的有效性。

5 结论

1)充分发挥AHP法有效处理定性、定量复杂数据和GCA法准确预测功能的优势,建立了煤矿冲击地压预测的AHP-GCA组合数学模型。

2)该冲击地压危险性组合预测方法准确率为82%,精度满足工程需要,为冲击地压预测的新途径。

3)根据忻州窑煤矿实际情况,对试验工作面进行了冲击地压预测实践,由井下实际观测和电磁辐射法实时监测数据验证了可通过AHP-GCA组合数学模型来实现冲击地压的有效预测。

[1] 张晓明,杨晓晨,卢钢,等.下伏采空区的煤矿地表地震动力响应模拟[J].辽宁工程技术大学学报:自然科学版,2013,32(6):730-734.

ZHANG Xiaoming,YANG Xiaochen,LU Gang,etal.Seismic Dynamic Response of Ground Surface above Goaf of Coal Mine[J].Journal of Liaoning Technical University:Natural Science,2013,32(6):730-734.

[2] 尹光志,谭钦文,魏作安.基于混沌优化神经网络的冲击地压预测模型[J].煤炭学报,2008,33(8):871-875.

YIN Guangzhi,TAN Qinwen,WEI Zuoan.The Prediction Model of Rockburst Based on Chaos Optimization Neural Network[J].Journal of China Coal Society,2008,33(8):871-875.

[3] 赵洪波,茹忠亮.冲击地压预测的PSO-SVM模型[J].岩石力学与工程学报.2007,26(SI):3479-3483.

ZHAO Hongbo,RU Zhongliang.The PSO-SVM Model of Rockburst Prediction[J].Chinese Journal of Rock Mechanics and Engineering, 2007,26(SI):3479-3483.

[4] 孙凤琪.Adaboost 集成神经网络在冲击地压预报中的应用[J].吉林大学学报:信息科学版,2009,27(1):79-84.

SUN Fengqi.The Application of Adaboost Neural Network to Burst Forecast[J].Journal of Jilin University:Information Science,2009,27(1): 79-84.

[5] 孙繁烨,耿也.基于 BP 神经网络的商品库存控制模型[J].辽宁工程技术大学学报:自然科学版,2013,32(6):817-821.

SUN Fanye,GEN Ye.The Merchandise Inventory Control Model Based on BP Neural Network[J].Journal of Liaoning Technical University:Natural Science,2013,32(6):817-821.

[6] 金佩剑,王恩元,刘晓斐,等.冲击地压危险性综合评价的突变级数法研究[J].采矿与安全工程学报,2013,30(2):256-261.

JIN Peijian,WANG Enyuan,LIU Xiaofei,etal.The Progression Method of Rockburst Hazard Evaluation[J].Journal of Mining and Safety Engineering, 2013,30(2):256-261.

[7] 谢龙汉,尚涛.SPSS统计分析与数据挖掘[M].北京:电子工业出版社,2012.

[8] 尹光志,代高飞,闫河,等.冲击地压预测的遗传神经网络方法[J].岩土力学,2003,24(6):1016-1020.

YIN Guangzhi,DAI Gaofei,YAN He,etal.The Genetic Neural Network Method of Rockburst Prediction[J].Rock and Soil Mechanics,2003,24(6):1016-1020.

[9] 周健,史秀志.冲击地压危险性等级预测的Fisher 判别分析方法[J].煤炭学报,2010(35):22-27.

ZHOU Jian,SHI Xiuzhi.Application of Neural Networks to Study and Prediction Forecast Rockburst[J].Journal of China Coal Society,2010(35):22-27.

[10] 吴财芳,曾勇.神经网络在冲击地压危险性预测预报研究中的应用[J].工程地质学报,2003,11(3):263-268.

WU Caifang,ZENG Yong.Application of Neural Networks to Rockburst Hazard Forecasting Research[J].Journal of Engineering Geology,2003, 11(3):263-268.

ApplicationofAnalyticHierarchyProcessinPredicationofRockBurstinMines

JIAOShixiong

(BaidongCoalCo.,Ltd.,DatongCoalMineGroup,Datong037037,China)

According to the theories of risk evaluation on rock burst,system decisions method and grey theory were used to establish a combined mathematical model to predict the grade of the rock burst.Taking advantage of large quantity of historical data,seven critical factors were selected as the evaluation indexes,including rock burst tendency,mining depth,coal seam stability,dip angle,geological structure,supporting effect and pressure relief.After the standardization of the qualitative and quantitative factors,analytic hierarchy process and grey relational analysis were used to determine the weight and grey relational degree of the seven factors to establish a hierarchy-grey prediction model to judge the grade of the rock burst.The engineering cases show that the results are in good consistency with the field.The results indicate that the prediction method is reasonable and feasible to solve the subjective and grey grading problem for the rock burst.

rock burst; prediction; grey relational analysis; analytic hierarchy process

1672-5050(2017)04-0053-04

10.3919/j.cnki.issn1672-5050sxmt.2017.08.016

2017-05-07

焦世雄(1992-),男,山西浑源人,大学本科,助理工程师,从事煤矿生产及技术管理工作。

TD324

A

(编辑:薄小玲)