宁正煤田侏罗系煤层顶板富水性及涌（突）水风险评价

2023-07-15李奇峰肖乐乐

西安科技大学学报 2023年3期

李奇峰，崔恒，肖乐乐，刘凯，许鑫

（1.甘肃煤田地质局146队，甘肃平凉 744000；2.彬县水帘洞煤炭有限责任公司，陕西咸阳 712000；3.西安科技大学地质与环境学院，陕西西安 710054）

0 引言

煤矿水害是我国煤矿主要五种自然灾害之一，破坏性巨大，给煤矿安全生产带来了很大隐患和损失［1］。曾一凡等从影响含水层富水性的岩性差异、水力特性、构造因素、地球物理参数4个因素出发，构建了能够较为全面，真实地刻画富水性分布规律的四大类，16小类的主控因素体系［2］；周全超等提出利用CRITIC法与AHP法分别得到评价指标权重，运用拉格朗日乘子法进行耦合，最后绘制了研究区含水层富水性分区图［3］；汪子涛等结合熵权法和TOPSIS分区，建立了某盆地的涌水量预测模型，对研究区地下水空间富水性进行了分区［4］；唐李斌等建立了AHP－熵权法耦合的分界砂岩含水层富水性评价模型，将研究区分界砂岩含水层划分为强富水区、较强富水区、中等富水区、较弱富水区和弱富水区5个等级［5］；毕尧山等通过主、客观有机结合得到综合权重，构建了基于层次分析法与独立性权系数法综合确权的含水层富水性指数法评价模型，利用ArcGIS绘制了研究区顶板砂岩含水层富水性分区图［6］；武强等采用GIS技术，提出将渗透系数，砂岩厚度，冲洗液消耗量，岩心采取率以及脆塑性岩厚度比作为顶板上的涌（突）水的主控因素，构建了含水层富水性分区，同时结合多源地学信息复合叠加原理，提出9煤层顶板冒落涌（突）水综合分区的划分方案［7－8］；李哲等采用BP人工神经网络方法，选取了砂岩含水层厚度、岩芯采取率、脆性岩厚度比和风化影响指数4个指标，引入具有较好自主学习、非线性映射能力的BP人工神经网络，使用训练好的神经网络对研究区含水层富水性进行预测［9］；张红梅等采取岩性结构指数、断裂构造分维值和褶皱变形系数3个定量指标，结合模糊聚类综合评判方法分析了含水层富水性，基于岩芯采取率和冲洗液消耗量等水文地质信息，验证了模糊聚类综合评判结果的可靠性［10］；韩承豪等利用集对分析－可变模糊集耦合的评价方法，对直罗组砂岩含水层富水性进行预测，建立顶板砂岩的富水性评价模型［11］；肖乐乐等以富水结构指数为基础，选取含水层等效厚度、岩心采取率、砂泥比以及砂泥岩交互层数4个影响因素作为独立评价指标，提出了侏罗系煤田顶板直罗组砂岩含水层富水评价方法［12］；李世峰等通过研究浓缩因子的分区原则，结合矿区富集度，构建了矿区地下水富水性进行分区［13］；卜庆林等结合3＃煤顶板中砂岩厚度、冲洗液最大消耗量、岩心采取率、平均孔隙度和断层密度5个因素的影响作用，利用信息拟合方法，构建了煤层顶板富水性分区［14］；石守桥等采用断层分维值对断层构造特征进行定量描述，构建了岩性结构指标模型，对煤层顶板富水进行分区［15］；根据模糊层次、模糊聚类［16－17］等数据方法的分析，对煤层顶板的富水性进行分区，提出了各影响因子权重的确定问题。

笔者采用模糊层次分析法－熵权法综合赋权－逼近理想解排序分区的方法，对宁正煤田侏罗系8号煤层的顶板富水性进行分区，以期达到对煤田内顶板富水性强弱有具体的理论认知的目的。

1 地质概况

宁正煤田包括5个含水层和3个隔水层，其中第四系全新统砂砾层孔隙潜水含水层为井田第一含水层，下白垩统志丹群碎屑岩类孔隙裂隙潜水含水层为井田第二含水层，下白垩统志丹群孔隙、裂隙承压含水层为井田第三含水层，中侏罗统直罗组、延安组上、中部（8煤层顶板以上）砂岩复合承压含水层为井田第四含水层，中侏罗统延安组下部8煤层底板以下—三叠系砂岩、砾岩孔隙、裂隙复合承压含水层为井田第五含水层（图1）。

图1 宁正煤田侏罗系煤层与主要隔水层Fig.1 Spacing between Jurassic coal seam and main aquifers in Ningzheng coal field

中侏罗统直罗组、延安组上、中部砂岩复合承压含水层该层属煤层顶板含水层，主要为细砂岩、中砂岩、粗砂岩，一般直罗组下部及延安组每层煤的间接顶板都为中—粗粒砂岩，含水层厚0.7～140 m，平均60.11 m。

宁正煤田内含水层自上而下主要有第四系孔隙潜水含水层、第四系中更新统黄土孔隙－裂隙潜水含水层、新近系砂砾岩含水层段、白垩系下统华池组砂岩裂隙含水层段、白垩系下统洛河组砂岩孔隙－裂隙承压含水层段、白垩系下统宜君组砾岩裂隙含水层段、侏罗系中统直罗组砂岩裂隙承压含水层、侏罗系中统延安组煤层及顶板砂岩承压含水层和三叠系上统胡家村组砂岩裂隙含水层。其中侏罗系中统直罗组砂岩裂隙承压含水层、侏罗系中统延安组煤层及其顶板砂岩承压含水层是开采8煤层的直接充水含水层。

2 顶板富水性权重确定

2.1 主观权重

模糊层次分析法是在层次分析法的基础上添加模糊数学理论，对目标指标进行评价以减少个人主观影响［18］。层次分析法是一种多因素分析、多指标分级的评价方法［19］。层次分析法的关键在于构造各层次的判断矩阵，将模糊数学思想和方法引入［20－21］，得到综合考虑人为判断的模糊性的定性与定量相结合的系统分析方法，即模糊层次分析法。

2.2 客观权重

熵权法能反应出信息无序化的程度，能最大化地降低权重计算中人为因素的干扰［22］。熵权法是根据各主控因素之间变化幅度的大小来确定客观权重，熵是系统无序程度的一个度量［23］，能够较好地反映各主控因素之间的内部客观逻辑，信息熵值越小，指标的离散程度越小。

2.3 综合权重

由于主客观权重的赋权依据不同，为兼顾主客观权重的优点，需要对主客观因素进行综合赋权。当评价指标个数较多，权数分配比较均匀时往往采用乘法合成归一化法将主客观权重有机结合［24］，计算主控因素的综合权重。

3 顶板富水性风险因素

3.1 含水层厚度

含水层厚度直接影响含水层的储水量，在一定程度上能够代表含水层储水空间的大小，是确定含水层富水性的重要指标之一。含水层较厚的地方主要集中在井田的西北部（图2（a））。在N701、N703、N602附近含水层厚度为189～360 m；在N005、N008、补402附近含水层厚度在118～189 m；在N801、N603、N801、N111附近含水层厚度在65～118 m；在N506、N406、N304、N205、N306、补406附近含水层厚度为0～65 m。

图2 宁正煤田侏罗系煤田煤层顶板富水性评价因素Fig.2 Evaluation factors of roof water richness of Jurassic coal seam in Ningzheng Coal Field

3.2 粗砂岩含量

粗砂岩含量主要指岩石粗砂岩的含量，粗砂岩含量越多，则涌入采动空间的水量越大，富水性越强。粗砂岩厚度较大的区域主要在井田西南部（图2（b））。在N703的附近138～240 m；在N701附近，粗砂岩含量较大，粗砂岩含量在88～138 m；在N601、N506、N406、N304、N306、N205、补101、补402附近，粗砂岩为0～40 m。

3.3 砂泥岩互层数

砂泥岩互层数是指煤层顶板含水层与隔水层的交互层数，含水层、隔水层互层层数越多，富水性越弱。砂泥岩互层数较多的区域集中在西北部和东部（图2（c））。在N802、N106、N102的附近，砂泥互层数为42～75 m；在N701、N602、N703、补402的附近，砂泥岩互层数为29～42层；在N601、N506、N406、N304、N112的附近，砂泥岩互层数为20～29层；在N801、N306、N205、补406附近，砂泥岩互层数为10～20层。

3.4 岩芯采取率

岩芯采取率可以用来表示岩石的完整程度，岩石越破碎，取芯率越低，连通性越好，富水性越好，井田西南部的取芯率较高（图2（d））。在N506、N406、补406、N010的附近，岩芯采取率为80%～92%；在N304、N306、N201、N112的附近，岩芯采取率为71%～80%；N701、N603、N701的附近，岩芯采取率为38%～63%。

3.5 冲洗液消耗量

冲洗液消耗量能反应岩层透水性能，冲洗液消耗量大通常渗透系数大。冲洗液消耗量大的区域主要在井田北部及中部区域（图2（e））。在补403的附近，冲洗液消耗量为6.5～15 L·min－1；在N304、N703、N108的附近，冲洗液消耗量为3～6.5 L·min－1；在N111、N110、N801、N802的附近，冲洗液消耗量为0～1.4 L·min－1。

3.6 泥岩含量

泥岩作为隔水层可以阻止含水层的水进入矿井，泥岩的厚度直接影响着其隔水能力，泥岩含量较大区域主要在井田的西南部（图2（f））。在N802、N701、N602、N111的附近，泥岩含量为93～170 m；在N005、N801、N108、N004的附近，泥岩含量为57～93 m；在N304、N506、N406、N019、N112的附近，泥岩含量为27～57 m；在N011、N006、补406钻孔的附近，泥岩含量为0～27 m。

4 富水性评价体系

4.1 评价模型

为建立正确合理的顶板富水性评价模型，将顶板富水性评价模型分为3个层次结构，目标层为煤层顶板富水性影响因素，准则层包括有富水介质类型、储水空间大小和水力联系强度，决策层对准则层每一步条件进行细化，充分考虑每一个影响因素，包括有含水层厚度、粗砂岩含量、冲洗液消耗量、岩芯采取率、泥岩含量和砂泥互层数（图3）。

图3 煤层顶板富水性风险评价模型Fig.3 Risk evaluation model of seam roof water richness

4.2 主控因素指标权重的确定

4.2.1 模糊层次分析法确定主观权重

根据煤层顶板富水主控指标建立模糊一致判断矩阵。利用0.1～0.9模糊标度法，结合宁正煤田自身地质条件，构建富水预测的模糊互补判断矩阵。从富水介质类型来看水力联系强度比储水空间大小对富水性的影响更大，从储水空间大小角度来看水力联系强度比富水介质类型对富水性的影响更大，从水力联系强度来看储水空间大小比富水介质类型对富水性影响更大（表1～表4）。

表1 判断矩阵A～Bi（i＝1，2）Table 1 Judgment matrix A～Bi（i＝1，2）

表2 判断矩阵Bi～Ci（i＝1，2）Table 2 Judgment matrix Bi～Ci（i＝1，2）

表3 判断矩阵Bi～Ci（i＝3，4）Table 3 Judgment matrix Bi～Ci（i＝3，4）

表4 判断矩阵Bi～Ci（i＝5，6）Table 4 AHP judgment matrix Bi～Ci（i＝5，6）

4.2.2 熵权法确定客观权重

熵权法不参杂人为主观因素，熵值越大，富水性影响因素的占比越重，越重要；熵值越小，富水性因素占比越轻，越不重要。熵权法所得到的客观权重冲洗液消耗量的占比最大，泥岩含量占比的最小（表5）。

表5 宁正煤田含水层富水性影响因素权重Table 5 Weight of influencing factors for water richness of aquifer in Ningzheng coal field

4.2.3 模糊层次分析法－熵权法确定综合权重

模糊层次分析法是含水层富水性分析的一种方法，熵权法是不考虑专家意见而进行的客观打分，采用综合权重可以有效的规避单独使用二者之一的缺陷。冲洗液消耗量的综合权重最大，最重要；砂泥岩互层数的综合权重最小，对富水性的影响最小。岩芯采取率值最小，岩芯采取率对富水性影响最弱，冲洗液消耗量值最大，对富水性影响最大（表5）。

4.3 宁正煤田顶板富水性风险分区

宁正煤田已知有56个钻孔数据，结合宁正煤田含水层富水性影响因素权重（表5），利用逼近理想解排序法对宁正煤田顶板富水性进行风险区，得出各钻孔涌水风险系数为0.2～0.6，涌水风险系数越大，富水性越强；涌水风险系数越小，富水性越弱。宁正煤田内8煤层顶板富水风险主要在西北部和东部地区，南部地区富水风险极低，北部地区风险中等，钻孔涌水量大小与富水性分区一致（图4）。