基于瓦斯含量反演的工作面瓦斯涌出量动态预测研究

朱墨然

(1.煤矿灾害防控全国重点实验室，重庆 400037；2.中煤科工集团重庆研究院有限公司，重庆 400037)

采掘工作面瓦斯涌出是煤矿瓦斯涌出的主要来源，是瓦斯防治的重点区域，工作面瓦斯涌出量是衡量工作面瓦斯灾害风险的重要指标，准确预测工作面的瓦斯涌出量对工作面安全高效生产具有重要意义[1-3]。目前瓦斯涌出量的预测方法包括矿山统计法、分源预测法、瓦斯地质统计法、软计算技术等方法，各类预测方法有不同的适用范围和侧重点[4，5]。矿山统计法的基本原理是通过分析开采深度与瓦斯涌出量的对应关系，以此来预测延伸水平或邻近矿井的瓦斯涌出量，适用范围是生产矿井延伸和邻近新矿井，并且预测垂深范围不超过200 m[6-8]；分源预测法是通过统计瓦斯源数量和各涌出源涌出大小来预测矿井或工作面的瓦斯涌出量，适用于新建矿井或采掘工作面瓦斯涌出，缺点是若矿井煤层瓦斯实测资料较少则预测精度不高[9-11]；瓦斯地质统计法是通过研究瓦斯赋存和地质规律来实现瓦斯涌出量的预测，适用于生产矿井对未采区域的预测，不足是需要收集大量地质资料[12，13]；近年来随着计算机科学技术的发展，应用模糊逻辑、神经网络等算法实现了对瓦斯涌出量的实时动态预测，该方法是根据瓦斯涌出历史数据训练预测模型来对瓦斯涌出量进行预测，存在预测准确率较低的问题[14-18]。

总的来说，目前对瓦斯涌出量的预测多是建立在统计基础上的线性回归静态预测，且预测值属于长期的平均值，软计算方法虽然实现了对瓦斯涌出量的实时动态预测，但仅依靠瓦斯涌出量历史数据来训练模型，脱离了瓦斯涌出规律使得预测效果不佳[19，20]。为此本文将尝试在瓦斯涌出基本规律的基础上，结合计算机技术建立预测模型，实现工作面瓦斯涌出量的实时连续预测。

1 工作面煤体瓦斯含量反演

瓦斯涌出量的主要影响因素是工作面煤体瓦斯含量、煤体吸附解吸特性等，而煤体瓦斯含量是工作面瓦斯涌出量的关键因素，因此工作面煤体瓦斯含量的实时反演是预测瓦斯涌出量的基础。

工作面煤体瓦斯涌出量主要由迎头落煤、巷道两帮煤壁、顶底板和邻近层瓦斯组成，其中又以迎头落煤瓦斯涌出为主。煤层瓦斯含量反演就是基于迎头瓦斯涌出数据结合瓦斯解吸放散规律，建立瓦斯含量反演模型。模型建立的难点是对瓦斯涌出量影响因素的处理，包括煤体渗透性、残存瓦斯含量、煤壁瓦斯涌出和落煤量的影响。研究发现上述影响因素都可以通过一定的处理方法减小对瓦斯含量反演的结果的影响，处理过程如下：

1)煤体渗透性的处理。煤体渗透性对瓦斯涌出的影响是在较短时间或是较小范围内瓦斯涌出分源的影响，对一个较长时间段内的瓦斯涌出量影响较小。因此采用增加计算步长来处理渗透性对瓦斯涌出量的影响。

2)残存瓦斯含量的处理。落煤残存瓦斯含量在同一巷道或同一采掘工艺可以基本认为其变化不大，基本可以融入掘进速度一并处理。

3)煤壁瓦斯涌出影响的处理。掘进面传感器距离工作面迎头煤壁的距离约为5 m。可以认为在瓦斯传感器距离迎头煤壁的这段巷道煤壁属于巷道新鲜煤壁，其瓦斯涌出强度与迎头煤壁瓦斯涌出强度相等。另外，在一个班次时间内，瓦斯涌出最小值可以大致认为是煤壁瓦斯涌出的表现。

4)落煤量影响的处理。落煤量的计算出现误差的主要原因在于井下生产作业的特殊环境使得井下班次落煤量的准确测量以及监督存在较多的漏洞。但是，井下落煤量在一个班次内的计算与测量虽然存在较大的误差，但是在一段时间内(例如一个循环)落煤量的误差却是较小的。根据井下生产的这种特点利用一段时间内的落煤量排除落煤量对瓦斯涌出量特征的影响是可行的。

综上所述，通过增加计算步长等方法减小煤体渗透性、残存瓦斯含量、煤壁瓦斯涌出和落煤量等对瓦斯含量反演的影响后，统计工作面一段时间的瓦斯涌出量，并根据工作面煤面、煤壁等面积关系，提取工作面迎头煤面的瓦斯涌出特征，建立瓦斯含量反演模型。瓦斯含量指标Wp计算模型如下：

2 瓦斯涌出量动态预测模型研究

瓦斯涌出量动态预测方法是在瓦斯含量反演预测的基础上，以瓦斯在煤体中的赋存状态是连续变化为前提进行的。受采掘活动影响工作面迎头前方约5 m范围内的煤体卸压，煤中瓦斯向采掘空间持续涌出，瓦斯含量反演结果即为工作面前方约5 m范围内煤体的瓦斯含量大小。因此通过对瓦斯含量实时反演，结合工作面瓦斯涌出特征，实现对工作面瓦斯涌出量的预测。该预测方法包括煤体瓦斯含量反演、确定瓦斯涌出量特征系数和预测瓦斯涌出量三步，具体步骤如下：

1)工作面煤体瓦斯含量反演。工作面瓦斯涌出是煤体内的瓦斯在瓦斯压力梯度的作用下向工作空间持续涌出的现象，由于采掘扰动破坏了工作面煤体原有的瓦斯赋存状态，使得工作面前方煤体内的瓦斯向工作空间涌出。通过采集采掘工作面瓦斯传感器数据，应用建立的工作面瓦斯含量反演模型，实现对工作面煤体瓦斯含量的实时连续预测。瓦斯含量Wp预测方法见式(1)。

2)确定瓦斯涌出量特征系数K。由于各个煤矿在瓦斯赋存条件、煤层瓦斯基本参数、巷道断面特征、采掘工艺等方面存在较大差异，因此在对煤矿瓦斯涌出进行预测的时候，需要对瓦斯涌出量特征系数进行确定。瓦斯涌出量特征系数K计算公式如式(2)。

3)瓦斯涌出量预测Qp。根据瓦斯含量实时反演数据Wd，对未来一个班次内的瓦斯涌出量进行动态预测。

Qp=K×Wd

(3)

式中，Qp为瓦斯涌出量预测值，m3/min；K为瓦斯涌出量特征系数，t/min；Wd为瓦斯含量反演实时值，m3/t。

3 瓦斯涌出量动态预测模型应用

3.1 工作面煤体瓦斯含量预测

为验证瓦斯涌出量预测模型的有效性，在陕西韩城象山煤矿21315辅助进风巷工作面进行应用，工作面基本参数见表1。选取2021年11月13日到2021年11月24日的瓦斯传感器的数据，在此期间该工作面的瓦斯涌出量波动较大，能够较好地反映工作面瓦斯涌出特征，该时间段内瓦斯数据共15840条，工作面瓦斯浓度数据如图1所示。

图1 瓦斯浓度监控曲线Fig.1 Gas concentration monitoring curve

表1 进风巷掘进工作面基本参数Table 1 Basic parameters of the air intake roadway excavation face

3.2 瓦斯涌出量特征系数

3.3 瓦斯涌出量预测

应用式(1)对该工作面2021年11月14日到2021年11月24日期间的数据进行瓦斯含量实时连续反演，每5 min计算一次实时反演结果Wd。然后根据式(3)计算瓦斯涌出量预测值，并将瓦斯涌出量预测值与实际值进行对比，如图2所示。

图2 21315辅助进风巷瓦斯涌出量预测值与实际值对比曲线Fig.2 Comparison between predicted and actual gas emission values in 21315 auxiliary air intake roadway

由图2可知，瓦斯涌出量预测值与实测值变化趋势和大小基本一致，瓦斯涌出量预测值比实际值能够提前大约一个班次，该瓦斯涌出量预测方法能够较好的对工作面瓦斯涌出量进行预测。

3.4 预测效果量化分析

为定量分析该瓦斯涌出量预测方法的有效性，将瓦斯涌出量预测数据与实测数据进行对比，分析预测效果的偏离程度，分析结果见表2。由表2可知，瓦斯涌出量预测值与实测值之间偏差的误差波动范围在-0.09～0.20 m3/min之间，误差百分比控制在20%以内。

表2 涌出量预测偏差分析Table 2 Deviation analysis of predicted emissions

3.5 适用性分析

为验证该预测模型的适用性，用同样的方法对云南雨汪煤矿1010201轨道巷工作面2022年5月24日至6月1日期间的瓦斯涌出量进行预测。在该时间段内瓦斯数据共12959条，工作面基本参数见表3，预测结果如图3所示。

图3 1010201轨道巷瓦斯涌出量预测Fig.3 Prediction of gas emission in 1010201 track roadway

表3 轨道巷掘进工作面基本参数Table 3 Basic parameters of trackroadway excavation face

由图3可知，瓦斯涌出量预测值能够较好预测工作面实际瓦斯涌出量，预测值与实际值之间的偏差绝对值最大不超过0.2 m3/min。该预测方法在不同的煤层和开采条件下都取得了较好的预测效果，表明该方法具有较强的适用性。

4 结 论

1)分析了煤矿工作面瓦斯涌出影响因素，建立了工作面煤体瓦斯含量反演模型。

2)建立了基于瓦斯含量反演的工作面瓦斯涌出量预测模型，并对该模型的应用效果进行了量化分析，该预测模型瓦斯涌出量预测误差范围在-0.09～0.20 m3/min之间，误差百分比控制在20%以内。

3)基于瓦斯含量反演的瓦斯涌出量预测模型具有较强的适用性，能够适应不同地区和生产条件的煤矿。