基于多因素耦合作用機(jī)制的煤與瓦斯突出危險等級預(yù)測

王直,余偉健,2

(1.湖南科技大學(xué) 資源環(huán)境與安全工程學(xué)院,湖南 湘潭 411201;2.湖南科技大學(xué) 湖南省煤礦安全開采技術(shù)重點實驗室,湖南 湘潭 411201)

我國作為世界上最大的煤炭出口國之一,其煤炭行業(yè)的高速發(fā)展不僅帶動了國民經(jīng)濟(jì)的進(jìn)步和提高,同時也給人民的生活水平帶來了巨大的提升.在科技蓬勃發(fā)展的大前提下,采煤機(jī)械化程度日益提高,開采的深度不斷增大,煤礦開采的難度也隨之不斷提高.在我國七百多個重點煤礦企業(yè)中,具有煤和瓦斯突出特征的礦井占據(jù)了全部煤礦總數(shù)的20%以上[1].煤與瓦斯突出被視為威脅中國各省份地區(qū)煤礦安全和生產(chǎn)的主要自然災(zāi)害之一,準(zhǔn)確地預(yù)測煤與瓦斯突出危險等級不僅可為煤與瓦斯突出礦井的采掘工作安全技術(shù)措施的設(shè)計和制定提供科學(xué)依據(jù),還可降低消耗,改善礦井經(jīng)濟(jì)效益,確保礦井生產(chǎn)安全有序進(jìn)行.

近年來,國內(nèi)外專家學(xué)者廣泛涉及各個學(xué)科領(lǐng)域,找出了研究方法之間的共性和優(yōu)越性,針對煤與瓦斯突出危險等級預(yù)測方法做了很多研究和實踐工作,提出了綜合指標(biāo)預(yù)測法、BP神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)、距離判別分析法[2-4]等預(yù)測方法.由于各個地區(qū)的地質(zhì)條件不同,影響煤與瓦斯突出危險性的程度也不同.迄今為止,人們對于煤與瓦斯突出的規(guī)律也沒有具體的定論.從煤與瓦斯突出的系統(tǒng)觀點來看,影響煤與瓦斯突出的各個因素之間存在著復(fù)雜關(guān)系,這種不明確的非線性相互作用關(guān)系會導(dǎo)致煤與瓦斯突出發(fā)生.巖石工程系統(tǒng)理論就是從系統(tǒng)出發(fā),綜合考慮煤與瓦斯突出的非線性影響因素,通過數(shù)值的變化直觀反映影響因素之間的相互作用關(guān)系,為煤與瓦斯突出危險等級預(yù)測提供新思路.從引發(fā)煤與瓦斯突出事故最根本原因來看,煤與瓦斯突出也是屬于巖石力學(xué)和動靜載荷等科學(xué)問題.

目前巖石工程系統(tǒng)應(yīng)用于邊坡圍巖穩(wěn)定性方面較多[5-10],黃琪嵩[11]首先將巖石工程系統(tǒng)理論應(yīng)用到煤與瓦斯突出領(lǐng)域,深層挖掘出影響煤與瓦斯突出發(fā)生的因素,結(jié)合巖石工程系統(tǒng)理論,逐步研究多個因素之間的非線性交互作用,分析得出主要影響因素,從而達(dá)到控制系統(tǒng)的目的.因此,將巖石工程系統(tǒng)理論應(yīng)用到煤與瓦斯突出預(yù)測研究具有十分重要的實際意義.

本文采集了近年來發(fā)生的煤與瓦斯突出事件共53起,采用巖石工程理論的方法,挖掘出煤與瓦斯突出影響因素并確定預(yù)測評價指標(biāo),結(jié)合BP神經(jīng)網(wǎng)絡(luò)對影響因素相互作用矩陣編碼,最后建立煤與瓦斯突出危險等級預(yù)測模型.

1 RES理論簡述

RES(巖石工程系統(tǒng))把巖石工程看作完整系統(tǒng),在整體巖石項目工程中,每種影響因素對于系統(tǒng)而言都不是孤立存在的,是相互作用相互影響的動態(tài)過程[12].并且在劃分的巖石物理因素與工程因素兩大類中,存在更具體的、相互作用的小系統(tǒng).

交互作用矩陣是RES理論分析的方法,基于對工程的整體了解和特性研究,找出可能影響整個系統(tǒng)穩(wěn)定性或者對系統(tǒng)產(chǎn)生積極消極作用的因素,主對角線上依次排列影響因素,各個影響因素之間的相互作用關(guān)系處于剩下的其他位置.順時針方向表示兩個影響因素之間的作用方向[13],如圖1所示.

圖1 二維相互作用矩陣

矩陣編碼的方法有二進(jìn)制法、專家半定量法、變量關(guān)系曲線斜率法、偏微分方程求解法、完全數(shù)值求解法和人工網(wǎng)絡(luò)法等[14].目前為止,專家半定量法在基于RES理論的研究中是使用最多的編碼方法.

2 多因素耦合作用模型建立

建立煤與瓦斯突出危險等級預(yù)測模型,首先需要獲取數(shù)據(jù),數(shù)據(jù)來源的可靠性和數(shù)據(jù)的準(zhǔn)確性是影響模型結(jié)果真與否的重要條件之一.本文通過各省安監(jiān)局、煤炭管理網(wǎng)等官方網(wǎng)站收集了53組不同危險等級的煤與瓦斯突出事故,根據(jù)地應(yīng)力、瓦斯含量和煤的物理力學(xué)性質(zhì)三大要素選取合適的預(yù)測性指標(biāo),由于實際工程中直接測量地應(yīng)力、煤的物理力學(xué)性質(zhì)比較困難,一般選取間接測量其程度值的測量指標(biāo)表示.預(yù)測指標(biāo)選擇后,采用BP神經(jīng)網(wǎng)絡(luò)法對上述預(yù)測性指標(biāo)編碼,編碼的過程就是得到各個影響因素之間相互作用關(guān)系,最后結(jié)合巖石工程系統(tǒng)建立煤與瓦斯突出危險等級預(yù)測模型.

2.1 煤與瓦斯突出預(yù)測指標(biāo)選取

用巖石工程系統(tǒng)的方法考慮預(yù)測指標(biāo)時,需要考慮到巖石特性對于工程項目的影響,項目施工過程中導(dǎo)致巖石特性參數(shù)的改變.煤與瓦斯突出評價指標(biāo)的選擇和確定是預(yù)測煤與瓦斯突出危險等級的重要步驟,指標(biāo)的選擇決定著預(yù)測模型建立的準(zhǔn)確性和高效性.考慮到地應(yīng)力、瓦斯、煤體性質(zhì)、煤層等方面的煤與瓦斯突出影響因素,結(jié)合大量文獻(xiàn)的閱讀和參考,最終選取瓦斯壓力、瓦斯含量、煤體堅固性系數(shù)、垂深、平均傾角、瓦斯?jié)舛?、相對瓦斯涌出量、煤層厚度和鉆屑量這9個影響因素作為本文研究的預(yù)測指標(biāo)[15-20].

2.2 隱含層確定及分析

預(yù)測指標(biāo)選取后,針對預(yù)測指標(biāo)建立交互作用矩陣.交互作用矩陣的最核心內(nèi)容就是對矩陣進(jìn)行編碼,BP神經(jīng)網(wǎng)絡(luò)可結(jié)合已有的數(shù)據(jù)推導(dǎo)衍生事件本身的發(fā)展,并且類似于人類大腦的思考方式,具有靈活性的特點.作為工程應(yīng)用領(lǐng)域使用較廣泛的研究方法,BP神經(jīng)網(wǎng)絡(luò)在交互作用矩陣編碼方面也發(fā)揮著重要的作用.

隱含層的神經(jīng)元個數(shù)的選擇決定著神經(jīng)網(wǎng)絡(luò)在編碼過程中結(jié)果是否達(dá)到最優(yōu)解.在確定神經(jīng)元數(shù)量時,需要對建立的神經(jīng)網(wǎng)絡(luò)進(jìn)行多次訓(xùn)練,在此神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)中,輸入層中包含9個輸入特征,即:瓦斯壓力X1、瓦斯含量X2、煤體堅固性系數(shù)X3、垂深X4、平均傾角X5、瓦斯?jié)舛萖6、相對瓦斯涌出量X7、煤層厚度X8、鉆屑量X9,網(wǎng)絡(luò)如圖2所示.輸入層i=9,為9個輸入特征;隱含層個數(shù)為1,隱含層神經(jīng)元個數(shù)j=11;輸出層k=1,輸出特征為煤與瓦斯突出危險等級.危險等級按照突出強(qiáng)度大小分為4種等級,分別是小型突出(I):<100 t;中型突出(II):100～500 t;大型突出(III):500～1 000 t;特大型突出(IV):≥1 000 t.

圖2 基本神經(jīng)網(wǎng)絡(luò)圖

神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是以煤與瓦斯突出的總體樣本為基礎(chǔ)的,訓(xùn)練預(yù)測所采用的sigmoid 函數(shù),輸入輸出值的取值范圍統(tǒng)一為[0,1].在神經(jīng)網(wǎng)絡(luò)運(yùn)算前,在收集到的53組煤與瓦斯突出事故樣本中隨機(jī)選取43組事故樣本,其中70%(30組)作為訓(xùn)練樣本,檢驗樣本(6組)和測試樣本(7組)個數(shù)分別占15%,并對其進(jìn)行歸一化處理.由于log-sigmoid 函數(shù)在神經(jīng)網(wǎng)絡(luò)訓(xùn)練時只能識別位于區(qū)間[0,1]的值,當(dāng)參數(shù)值越接近0或者1時,函數(shù)曲線會變得平緩,參數(shù)值的大小會影響網(wǎng)絡(luò)運(yùn)算速度和準(zhǔn)確性,因此在進(jìn)行數(shù)值歸一化處理時,將所有數(shù)據(jù)歸一化至0.1～0.9,部分歸一化后事故數(shù)據(jù)如表1所示.

表1 影響因素分析樣本

對含有不同隱含層個數(shù)的神經(jīng)網(wǎng)絡(luò)進(jìn)行運(yùn)算,對比運(yùn)算結(jié)果得到最佳的隱含層數(shù)量.根據(jù)經(jīng)驗式(1)代入i=9,k=1,確定隱含層神經(jīng)元個數(shù)運(yùn)算范圍為4～14.均方誤差(MSE)的大小作為最佳隱含層個數(shù)的判斷標(biāo)準(zhǔn),均方誤差越小,神經(jīng)網(wǎng)絡(luò)的精度越高.圖3和圖4 給出具有不同數(shù)量隱含層神經(jīng)元的樣本整體網(wǎng)絡(luò)回歸值和檢驗樣本均方誤差.

(1)

圖4 不同數(shù)量隱含層神經(jīng)元的均方誤差

式中:j為隱含層個數(shù);i為輸入層個數(shù);k為輸出層個數(shù);a為常數(shù),取值范圍為0～10.

通過MATLAB軟件運(yùn)算,因為神經(jīng)網(wǎng)絡(luò)具有隨機(jī)性,在考慮運(yùn)算達(dá)到預(yù)定的誤差值時,選擇最優(yōu)的運(yùn)算結(jié)果并保存,結(jié)果如圖3所示.最佳隱含層神經(jīng)元個數(shù)為11,對于具有不同神經(jīng)元個數(shù)的樣本整體的網(wǎng)絡(luò)回歸值是不同的,并且訓(xùn)練樣本、總樣本、檢驗樣本、測試樣本的網(wǎng)絡(luò)回歸值差值較大,這說明神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果不穩(wěn)定未達(dá)到良好預(yù)期指標(biāo),準(zhǔn)確率也會降低.當(dāng)神經(jīng)元個數(shù)為11時,網(wǎng)絡(luò)整體樣本回歸情況較穩(wěn)定,并且網(wǎng)絡(luò)整體回歸情況(R) 達(dá)到了較好的水平.

圖3 不同數(shù)量隱含層神經(jīng)元的網(wǎng)絡(luò)回歸值

從圖4可以看出,隨著隱含層神經(jīng)元個數(shù)不斷增加,均方誤差大體出現(xiàn)先減后增的趨勢,當(dāng)神經(jīng)元個數(shù)為7時,小范圍內(nèi)出現(xiàn)了最小值,此時對應(yīng)的網(wǎng)絡(luò)回歸值未出現(xiàn)最優(yōu)狀態(tài);當(dāng)隱含層神經(jīng)元個數(shù)達(dá)到11時,均方誤差達(dá)到最小值,結(jié)合圖3可以驗證,此時整個神經(jīng)網(wǎng)絡(luò)訓(xùn)練達(dá)到最佳狀態(tài).

根據(jù)以上訓(xùn)練得出的神經(jīng)網(wǎng)絡(luò)參數(shù)建立神經(jīng)網(wǎng)絡(luò),選取誤差最小的訓(xùn)練網(wǎng)絡(luò)并保存,導(dǎo)出每個輸入變量對輸出變量的影響程度值如圖5所示.各因素對系統(tǒng)穩(wěn)定性具有不同程度的增強(qiáng)或減弱作用.從各因素的影響值可以看出,瓦斯壓力、平均傾角和煤層厚度的影響程度值的絕對值最大并且都是正值,說明這3種因素對煤與瓦斯突出事故危險等級的影響很大,相對應(yīng)的實際測量值越大,煤與瓦斯突出危險等級就會增大;垂深、鉆屑量、瓦斯?jié)舛群兔旱膱怨绦韵禂?shù)這4種因素對煤與瓦斯突出危險等級的作用為負(fù)值,即影響因素值增大時,危險等級減小.

圖5 各因素對系統(tǒng)穩(wěn)定性的綜合作用

2.3 神經(jīng)網(wǎng)絡(luò)編碼

為確定各個因素之間的相關(guān)影響程度,建立交互作用矩陣,將收集到的樣本數(shù)值作為輸入輸出樣本,為保證每個影響因素之間的相互作用關(guān)系,此時網(wǎng)絡(luò)輸入節(jié)點是9,輸出節(jié)點也是9.同樣采用以上網(wǎng)絡(luò)訓(xùn)練方法,將輸入輸出值做歸一化處理,換算為網(wǎng)絡(luò)內(nèi)部值進(jìn)行計算.選取最優(yōu)神經(jīng)網(wǎng)絡(luò)并保存,導(dǎo)出各影響因素對結(jié)果的綜合作用結(jié)果,如表2所示.

表2 綜合作用交互矩陣

由表2可以看出,表中絕大多數(shù)項的值不為0,各個參數(shù)之間的相互作用和關(guān)系極其復(fù)雜.以表中第1行煤與瓦斯突出的影響因素的作用為例,可以看到影響因素X1所在的行中,瓦斯壓力X1對其他各參數(shù)都有不同程度的作用和影響,并且作用方向有正有負(fù).瓦斯壓力X1增加,瓦斯含量X2、相對瓦斯涌出量X7、煤層厚度X8、鉆屑量X9會增加;煤體堅固性系數(shù)X3,垂深X4、瓦斯?jié)舛萖6作用則相反;對于X5的作用為0.

2.4 模型建立

利用RES理論結(jié)合數(shù)據(jù)計算模擬編碼對煤與瓦斯突出危險等級進(jìn)行預(yù)測,模型建立中引入指標(biāo)Z用來評價煤與瓦斯突出危險等級.

Z=AGB.

(2)

式中：A為歸一化后的輸入數(shù)據(jù)(1×9)矩陣,此時的歸一化仍然是將數(shù)據(jù)值控制在[0.1,0.9]區(qū)間內(nèi);G為影響因素的交互作用矩陣;B為各影響因素對整體影響程度值,轉(zhuǎn)化為(9×1)的矩陣.

根據(jù)所建立的模型,求出43個樣本的輸出值Z,結(jié)果如表3所示.按照輸出的Z(1×1)矩陣的取值z大小,結(jié)合煤與瓦斯突出危險等級情況,分為4類：0.61.05,為IV類,特大型煤與瓦斯突出事故.由表3得出,在43組樣本數(shù)據(jù)中,有8組預(yù)測等級與實際等級不符,所在煤礦分別是登封煤礦,薛湖煤礦,長虹礦業(yè),九里山礦,汪家寨煤礦,觀音山煤礦,平頂山十二礦,武甲煤礦.其中有3組預(yù)測結(jié)果危險等級比實際偏高,分別是登封煤礦,汪家寨煤礦,平頂山十二礦;5組預(yù)測結(jié)果比實際偏低,分別是薛湖煤礦,長虹礦業(yè),九里山礦,觀音山煤礦,武甲煤礦.模型準(zhǔn)確率為81%.

表3 各樣本的系統(tǒng)狀態(tài)值

續(xù)表3

3 模型應(yīng)用

根據(jù)建立的煤與瓦斯突出危險等級預(yù)測模型,對10組煤與瓦斯突出事故進(jìn)行驗證,評價指標(biāo)等級和實際等級結(jié)果見表4.通過對比可知,10組數(shù)據(jù)樣本中,只有2組的預(yù)測等級和實際不符合,分別是中馬村礦和曲江煤礦，其煤礦預(yù)測的危險等級要比實際等級高，實際應(yīng)用中模型準(zhǔn)確率為80%.這可能是由于造成煤與瓦斯突出事故的原因不僅包括實際的地質(zhì)條件,還涉及人為、管理等因素,有效的應(yīng)急救援政策和管理方針的實施也可降低生命財產(chǎn)損失.對比結(jié)果表明所建立的煤與瓦斯突出危險等級預(yù)測模型準(zhǔn)確度較高,采用BP神經(jīng)網(wǎng)絡(luò)法編碼降低了主觀性因素帶來的影響,具有較高的推廣價值.

表4 實際煤與瓦斯突出情況與RES模型預(yù)測結(jié)果對比

4 結(jié)論

1)基于巖石系統(tǒng)工程的全耦合方法,對影響煤與瓦斯突出因素展開了分析,結(jié)合礦井實際數(shù)據(jù)客觀地評價了影響因素之間的相互作用和影響;但由于各個礦井的地質(zhì)條件存在差異,相互作用矩陣編碼結(jié)果可能存在偏差.如果考慮影響因素更全面,編碼結(jié)果會更準(zhǔn)確.

2)在此煤與瓦斯突出危險等級預(yù)測模型中:神經(jīng)網(wǎng)絡(luò)編碼的最佳隱含層神經(jīng)元數(shù)量為11;根據(jù)選擇的9個評價指標(biāo)建立的預(yù)測模型結(jié)果較準(zhǔn)確,實際應(yīng)用應(yīng)結(jié)合煤礦地質(zhì)條件和人為管理因素;瓦斯壓力、平均傾角和煤層厚度這3種因素對于煤與瓦斯突出危險性的影響較大,瓦斯壓力、瓦斯含量、瓦斯?jié)舛鹊染哂休^強(qiáng)的交互作用強(qiáng)度,這些因素的改變會對煤與瓦斯突出危險等級產(chǎn)生較大影響.

3)對于煤與瓦斯突出而言,系統(tǒng)本身是動態(tài)的和非線性的,得到的影響程度值是基于收集到的部分?jǐn)?shù)據(jù).所以要得到更為準(zhǔn)確的煤與瓦斯突出危險等級模型,應(yīng)該擴(kuò)充樣本容量,并且在采用神經(jīng)網(wǎng)絡(luò)編碼的情況下,對人為因素,管理因素做進(jìn)一步賦值,得出更完整系統(tǒng)的煤與瓦斯突出危險等級預(yù)測模型.