煤与瓦斯突出大数据预警指标及架构初探*

2023-11-14陈本良

陕西煤炭 2023年6期

陈本良,毕波,杨维

(1.淮南矿业(集团)有限责任公司,安徽淮南 232001;2.煤矿瓦斯治理国家工程研究中心,安徽淮南 232033)

0 引言

我国煤矿地质条件复杂,煤与瓦斯突出事故发生频率高,发生区域广,损失严重[1]。煤与瓦斯突出的自然属性是一种物理动力现象,机理极其复杂,其孕育、发生、发展过程涉及多相、多场、多参数的时空耦合问题和非线性动力学问题。长期以来,国内外专家通过现场观察、实验室实验、理论计算等方法,形成很多突出机理的假说[2-3]。如今,科学研究已进入大数据时代,大数据使科学从仅追求因果性走向重视相关性,颠覆了以往的思维方式[4-8],给煤与瓦斯突出预警提供新的机遇。基于此,笔者主要开展基于大数据预警技术的煤与瓦斯突出动态指标体系研究,为今后开展大数据突出预警奠定了数据基础。

1 煤与瓦斯突出预警技术现状

1.1 敏感指标及临界值预测方法

我国传统的突出危险性预测大多采用静态非连续接触式预测方法,即依据含瓦斯煤体的赋存条件和性质进行指标量化,通过考察其中的单个或多个指标是否达到或超过临界值来预测突出危险性[9]。常用的指标有瓦斯压力P、瓦斯含量W、瓦斯放散初速度Δp、坚固性系数f、钻屑量S、瓦斯膨胀能等。这些指标的测定过程时间较长,其敏感指标和临界值的选取受矿井地质条件影响较大,预测的准确率也容易受人为等因素的影响,易造成“高指标不突、低指标突出”现象的发生。

此外,近年来发展的建立在瓦斯浓度和涌出量监测、微震预测、地电场预测、电磁辐射预测、声发射预测等技术上的预测方法,实现了连续、动态、非接触式预警,从不同角度遵循了突出时空演变的非线性特征,在一定程度上增强了煤与瓦斯突出的预控能力[10-11]。由于预测模型未能充分挖掘突出样本数据的内部规律,且技术本身固有的缺陷及数据样本的差异,目前仍属于前探性实验。

1.2 煤与瓦斯突出预测模型

在煤与瓦斯突出机理研究的基础上,一些研究人员提出综合作用假说[2]、流变假说[12]、球壳失稳假说[13]、粘滑失稳突变理论[14]、固-流耦合失稳理论[15]、能量耗散理论[16]、“掩护罩”理论[17]等,并建立煤与瓦斯突出预测模型,但目前仍对突出的孕育、发生、发展过程缺乏全面了解,还基本停留在定性解释和近似定量计算阶段。并且由于煤与瓦斯突出机理的复杂性,这些数学模型大都是高阶偏微分方程,很难利用计算机计算出收敛的解析解,必须对模型进行简化处理;另外,许多实验室和现场参数测试受测试工具、方法、环境和参数非线性演化特征的影响产生误差或失真,导致预测结果有很大偏差,实际应用效果不理想。

近年来,人们开始采用模糊数学[18]、非线性理论[19]、灰色理论[20]、神经网络[21]、遗传算法[22]、混沌时间系列[23]、案例推导[24]等数学方法及计算机工具对突出指标进行分析和预测。但由于特征指标和训练样本较少,特征权值的赋值受专家系统的影响,导致基于数学建模的统计预测方法的应用受到很多限制。

1.3 煤与瓦斯突出预警系统

大部分预警系统只考虑自然地质条件因素[9]。煤与瓦斯突出灾害是一个复杂的系统工程,既有自然地质条件的因素,也有“人—机—环”综合因素的影响[25]。比如,临界指标的测定容易受人工、设备、环境温度、现场条件等影响造成测试误差,防突措施失效、打假钻、开采布局不合理、采掘速度突然增大等都会造成煤与瓦斯突出灾害发生的概率增加。

1.4 煤与瓦斯突出预警信息时空属性

井下采矿工程是一个非常复杂的时间和空间结构,现阶段三维矿山技术还不成熟,目前对矿山的认识,如通风系统、采掘系统、抽采系统、防突措施、应力演化等均体现在平面图上,给煤与瓦斯突出空间信息构建、分析与决策带来极大的困难[9]。实时监测指标不能准确地将其和空间地理位置对应起来,对已经监测的历史数据也无法进行时空上的分析。

综上所述,煤与瓦斯突出预测目前仍然存在预测指标单一、预测方法单一、静态预测、建立模型不实用、时空信息缺失、历史数据和前兆信息分析不充分等问题,导致数据失真、预测准确度差和提前预警时间不足等问题。

2 基于大数据技术煤与瓦斯突出预测模型

基于大数据技术的煤与瓦斯突出预测与计算机数值模拟预测有很大的区别:计算机数值模拟是先基于煤与瓦斯突出机理,建立煤与瓦斯突出预测模型,再收集数据作为输入,然后通过计算仿真进行理论预测。

而基于大数据技术的煤与瓦斯突出预测技术,是首先掌握大量的已知样本数据,通过选择合适的大数据算法,进行大数据挖掘和训练,建立大数据预警模型,然后输入目标样本数据,通过计算得出之前未知的信息[26],其预测模型如图1所示。

图1 基于大数据技术的煤与瓦斯突出预测模型示意

大数据模型不同于传统的基础理论模型,是一个使海量数据可分析的探索型方法,注重应用和解决实际问题。

3 煤与瓦斯突出预警指标体系构建

基于大数据技术的煤与瓦斯突出预警指标体系构建,综合考虑煤与瓦斯突出的自然致灾因素、采掘活动影响因素和煤与瓦斯突出危险性综合判识方法等,将指标体系分为地质动力、采掘扰动、预兆显现、防突措施、地理信息5个一级指标,见表1。

表1 煤与瓦斯突出指标体系

地质动力是煤与瓦斯突出发生的充分条件,主要包括地质构造、地应力、瓦斯、煤岩物理力学性质和综合作用5个二级指标。由于直接反映这些指标的参数在现场测定难以实现,所以人们转而寻找能够间接反映这些因素并且容易进行测量的参数,这些指标基本上与《防治煤与瓦斯突出细则》规定的区域和局部突出危险性预测指标相吻合,其中实验室测定指标包括瓦斯含量、瓦斯放散初速度ΔP、吸附常数a、b值、煤的坚固性系数f值、瓦斯膨胀能等;现场测定指标包括构造类型、产状、水平应力、最大主应力、集中应力、瓦斯压力、瓦斯解吸指标K1、Δh2、煤体破坏类型、岩体强度、煤层透气性系数、钻屑量、综合指标D、K等。

工作面的采掘活动打破了煤系地层煤与瓦斯赋存的平衡条件,形成弱面和采动应力场,同时为能量的积聚和释放提供了条件,是导致煤与瓦斯突出的必要条件。开采布局、巷道布置和采煤方法决定了应力分布,采掘工艺和采掘速度决定了应力时空演变过程,巷道形状和支护方式决定了阻碍煤岩变形破坏的能力。

大量的统计分析资料表明,每次突出的发生都有明显的预兆显现,可归纳为4个二级指标。煤层、打钻和采掘3个二级指标是由人工动态观测得到的,煤层变化可作为早期预兆,打钻动力现象可作为中期预兆,采掘面异常现象可作为临突预兆;实时监测指标是采用监测系统采集的实时数据,经过进一步挖掘总结出的指标,特点是可灵敏反映突出孕育阶段的异常涌出、地应力活动和煤岩体变化,其中除了瓦斯浓度和涌出量是《煤矿安全规程》规定的必测指标,其他几种非接触性连续测试指标目前还处于试验阶段。

防突系统指标主要与突出治理和抗灾能力有关,防突措施指标实时影响着工作面前方的应力场和瓦斯场的演变,是进行抽采达标评判和措施效果考察的重要指标。

矿井空间信息的构建将给煤与瓦斯突出分析、预警和决策提供多维、多尺度视角,同时产生的分析数据也将呈指数倍增加。其内容除了基础的空间信息外,还包括三维动态的应力场和瓦斯场构建。

4 煤与瓦斯突出大数据预警架构设计

煤与瓦斯突出大数据预警总体架构主要由数据采集层、数据集成层、数据分析层、数据服务层和数据交付层5个部分组成[27-28],如图2所示。

图2 煤与瓦斯突出大数据预警框架设计

数据采集层主要利用煤矿安全监控系统、传感器采集系统、人工现场实测、实验室参数测定等方式,动静结合全面感知数据。数据集成层对检/监测、结构化/非结构化数据进行预处理和集成,分别存储在数据资源池中,建立动态实时更新的分布式数据库。数据分析层对采集的大量数据进行关联、挖掘等综合分析,提取特征参数。数据服务层依据建立的煤与瓦斯突出大数据预警模型向各级监管部门及煤炭企业提供可视化分析决策系统和服务。数据交付层针对不同层面的用户,通过适合的终端接入该平台,实现高效的预测预警服务。

以数据库为基础,依据预警模型和准则,在时间和空间2个维度上,判定事故危险趋势、状态以及措施缺陷,以便提前采取瓦斯突出防治措施,加强瓦斯灾害管理,消除安全隐患;可同时执行应急联动控制,为煤矿安全开采提供技术保障支撑。