焦世雄

(同煤集團(tuán) 白洞煤業(yè)公司,山西 大同 037037)

層次分析法在煤礦沖擊地壓預(yù)測(cè)中的應(yīng)用

焦世雄

(同煤集團(tuán) 白洞煤業(yè)公司,山西 大同 037037)

根據(jù)沖擊地壓危險(xiǎn)性評(píng)價(jià)的相關(guān)理論,采用系統(tǒng)決策法和灰色理論,建立組合預(yù)測(cè)數(shù)學(xué)模型,研究沖擊地壓所屬級(jí)別。充分利用大量歷史數(shù)據(jù),選取煤層沖擊傾向性、采深、煤層穩(wěn)定性、煤層傾角、地質(zhì)構(gòu)造、巷道支護(hù)效果和卸壓情況等7個(gè)關(guān)鍵因素作為評(píng)判指標(biāo),將定性、定量因素標(biāo)準(zhǔn)化處理后分別采用層次分析法和灰色關(guān)聯(lián)分析法來(lái)確定7個(gè)因素的權(quán)重和灰色關(guān)聯(lián)度,建立層次灰色組合預(yù)測(cè)模型判定沖擊地壓等級(jí)。工程實(shí)例表明,研究結(jié)果與現(xiàn)場(chǎng)具有很好的一致性,說(shuō)明該預(yù)測(cè)方法處理沖擊地壓分級(jí)這種具有一定主觀性和灰色性的問(wèn)題是合理可行的。

沖擊地壓;預(yù)測(cè);灰色關(guān)聯(lián)分析;層次分析法

沖擊地壓是影響煤礦安全生產(chǎn)的主要災(zāi)害之一,是礦山采動(dòng)誘發(fā)高強(qiáng)度煤巖體變性能瞬時(shí)釋放,在相應(yīng)采動(dòng)空間引起強(qiáng)烈圍巖震動(dòng)和擠出的現(xiàn)象[1-3]。沖擊地壓發(fā)生時(shí),煤巖體拋向巷道,同時(shí)發(fā)出劇烈聲響,造成工作面現(xiàn)場(chǎng)或變形能釋放范圍巷道、硐室內(nèi)人員傷亡和設(shè)備損壞,是誘發(fā)其他煤礦災(zāi)害如瓦斯與煤塵爆炸、冒頂、礦井水災(zāi)和礦井火災(zāi)的根源[4]。大同礦區(qū)在生產(chǎn)技術(shù)條件上,各種采煤工藝、采煤方法都出現(xiàn)過(guò)沖擊地壓,多次發(fā)生沖擊地壓事故。如忻州窯煤礦位于大同侏羅紀(jì)煤田東翼東北部,呈不對(duì)稱向斜構(gòu)造,井田內(nèi)斷層約有300余條,落差10 m以上正斷層8條,煤層埋藏深度280 m～370 m,沖擊地壓災(zāi)害時(shí)有發(fā)生;其主采11#煤層5935巷發(fā)生沖擊地壓災(zāi)害,實(shí)地調(diào)察結(jié)果如下:400 m～370 m范圍內(nèi)巷道斷面縮小,高度最低處1.95 m,寬度最窄約1.60 m,有5根單體柱傾斜,2根單體柱壓彎;380 m至工作面范圍內(nèi)的頂板下沉約0.50 m～0.70 m,兩幫煤體突出約0.30 m～0.50 m,造成了不小的經(jīng)濟(jì)損失。為此,礦方成立了防沖減災(zāi)辦公室并配備了專門的生產(chǎn)和技術(shù)隊(duì)伍,多年來(lái)積極采用各種方法防治沖擊地壓,并積累了大量試驗(yàn)成果和觀測(cè)數(shù)據(jù)資料,為進(jìn)一步開(kāi)展沖擊地壓機(jī)理研究和治理奠定了良好基礎(chǔ)。

隨著煤礦開(kāi)采裝備技術(shù)水平不斷提高,也采用了微震、聲發(fā)射等手段對(duì)沖擊地壓預(yù)報(bào),但由于自然地質(zhì)條件、開(kāi)采技術(shù)等復(fù)雜性原因,沖擊地壓尚難以完全掌控[5];傳統(tǒng)預(yù)測(cè)只能靠經(jīng)驗(yàn)或定性方法。有學(xué)者應(yīng)用BP-ANN、模糊理論、混沌時(shí)間序列、Fisher判別分析法及PSO-SVM模型等預(yù)測(cè)沖擊地壓取得了一定成果[6-9]。但均有不足之處:BP網(wǎng)絡(luò)隱層數(shù)難以確定,網(wǎng)絡(luò)訓(xùn)練時(shí)間長(zhǎng)、易陷入局部極值;模糊理論存在隸屬度、權(quán)重難以確定的缺陷;混沌時(shí)間序列法需要海量數(shù)據(jù)計(jì)算最大Lyapunov指數(shù);Fisher判別分析要求大量準(zhǔn)確歷史數(shù)據(jù);SVM核函數(shù)及其參數(shù)選擇較為復(fù)雜。鑒于GCA法可有效解決“少樣本、貧信息”決策或預(yù)測(cè)問(wèn)題[10],AHP法可系統(tǒng)性地準(zhǔn)確計(jì)算評(píng)價(jià)指標(biāo)體系中各影響因素的權(quán)重,本文將GCA法與AHP法相結(jié)合對(duì)沖擊地壓進(jìn)行預(yù)測(cè)。

1 GCA法

1.1灰色關(guān)聯(lián)度系數(shù)

基于灰色關(guān)聯(lián)原理和灰色關(guān)聯(lián)差異信息空間LYgr,并考慮其領(lǐng)域性與規(guī)范區(qū)間性,灰色關(guān)聯(lián)度系數(shù)為:

ξi(k)=(xmin+ρxmax)/(Δ0i(k)+ρxmax).

(1)

作為評(píng)價(jià)標(biāo)準(zhǔn)的比較數(shù)列xi(k)往往是一個(gè)區(qū)間,如xi(k)=[ai(k),bi(k)],其中,ai(k),bi(k)為第k個(gè)指標(biāo)的第i個(gè)級(jí)別的上限和下限。此時(shí),

1.2灰色關(guān)聯(lián)度

2 AHP法

AHP法的具體步驟為:

1)明確問(wèn)題。

2)建立問(wèn)題層次結(jié)構(gòu)。

3)構(gòu)造兩兩比較判斷矩陣B,其元素bij≥0,bii=1,bij=1/bji,(i,j=1,2,…,n)。

4)層次排序與一致性檢驗(yàn):計(jì)算判斷矩陣B最大特征值λmax及其對(duì)應(yīng)特征向量,若矩陣B滿足bik=bijbjk,其中,i,j,k=1,2,…,n。

5)確定權(quán)重Wi:采用乘積方根法求得的特征向量W=[w1,w2,…,wn]T,計(jì)算灰色關(guān)聯(lián)度ri,據(jù)此可判斷沖擊地壓類型。

3 GCA與AHP沖擊地壓預(yù)測(cè)模型

在對(duì)歷史數(shù)據(jù)進(jìn)行系統(tǒng)分析的基礎(chǔ)上,采用AHP-GCA數(shù)學(xué)模型對(duì)該礦沖擊地壓危險(xiǎn)性進(jìn)行有效預(yù)測(cè)。

3.1沖擊地壓指標(biāo)權(quán)重AHP分析

引起沖擊地壓的影響因素很多,主要有:自然地質(zhì)條件、開(kāi)采技術(shù)條件和生產(chǎn)組織管理等。根據(jù)國(guó)內(nèi)外沖擊地壓機(jī)理研究成果和該礦積累的統(tǒng)計(jì)資料分析,影響因素有:煤層沖擊傾向性X1、采深X2、煤層穩(wěn)定性X3、煤層傾角X4、地質(zhì)構(gòu)造X5、巷道支護(hù)效果X6、卸壓情況X7等。

根據(jù)AHP法基本原理,建立的沖擊地壓預(yù)測(cè)層次結(jié)構(gòu)模型如圖1所示;7個(gè)指標(biāo)的權(quán)重通過(guò)有關(guān)試驗(yàn)測(cè)定和現(xiàn)場(chǎng)專家調(diào)查,采用AHP法建立判斷矩陣B,經(jīng)分析后再最終調(diào)整確定。選擇9標(biāo)度法,構(gòu)造的判別矩陣B為:

圖1 層次分析結(jié)構(gòu)模型Fig.1 Hierarchical analysis model

.

采用Matlab7.0編制程序,經(jīng)計(jì)算判斷矩陣B最大特征值λmax=7.441 2,檢驗(yàn)B的一致性指標(biāo)CI=0.073 5;查表1,n=7時(shí),平均隨機(jī)一致性指標(biāo)RI=1.32,一致性比率CR=0.055 7<0.10。因此,判斷矩陣B有滿意的一致性。此時(shí),認(rèn)為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的各個(gè)分量作為相應(yīng)的各個(gè)因素的權(quán)重是合理的,可用于沖擊地壓的灰色關(guān)聯(lián)度分析。

3.2沖擊地壓GCA預(yù)測(cè)

根據(jù)國(guó)內(nèi)外已有沖擊地壓危險(xiǎn)性評(píng)價(jià)研究成果和多年來(lái)積累的數(shù)據(jù)資料,將該礦沖擊地壓等級(jí)分為Ⅰ無(wú)沖擊、Ⅱ弱沖擊、Ⅲ中等沖擊和Ⅳ強(qiáng)沖擊等四級(jí)。為便于計(jì)算,需要將定性和定量數(shù)據(jù)進(jìn)行歸一化處理,標(biāo)準(zhǔn)化處理后的沖擊地壓分級(jí)標(biāo)準(zhǔn)，如表1所示。典型樣本及灰色關(guān)聯(lián)分析預(yù)測(cè)結(jié)果,如表2所示。

表1 標(biāo)準(zhǔn)化后的沖擊地壓分級(jí)標(biāo)準(zhǔn)Table 1 Grading of the standardized rock burst

表2 沖擊地壓樣本及灰色關(guān)聯(lián)分析預(yù)測(cè)結(jié)果Table 2 Prediction of rock burst sample and grey relational analysis

無(wú)量綱處理沖擊地壓樣本,采用GCA法計(jì)算出7個(gè)指標(biāo)的權(quán)重Wi和灰色關(guān)聯(lián)系數(shù)ξi(k),得到樣本的灰色關(guān)聯(lián)度ri。分析每一個(gè)樣本的灰色關(guān)聯(lián)度數(shù)列r,由最大關(guān)聯(lián)度法則可知,灰色關(guān)聯(lián)度ri越大,則與對(duì)應(yīng)分級(jí)標(biāo)準(zhǔn)集合的符合程度越好,從而可以判定或預(yù)測(cè)各個(gè)樣本的沖擊地壓類型。將預(yù)測(cè)結(jié)果與實(shí)測(cè)結(jié)果進(jìn)行比較,可知GCA-AHP沖擊地壓預(yù)測(cè)方法的準(zhǔn)確率為82%。

4 實(shí)例應(yīng)用

據(jù)地質(zhì)資料,某工作面位于井田向斜西翼,北西高、南東低,呈單斜構(gòu)造、局部呈小向斜構(gòu)造,煤層厚度4.9 m～9 m,均厚7.5 m,傾角6°～8°,平均傾角7°,埋深300 m～350 m,平均埋深310 m;面內(nèi)有四條小規(guī)模正斷層,地質(zhì)構(gòu)造較復(fù)雜。煤層及直接頂之上27 m～39 m為深灰色砂質(zhì)頁(yè)巖-灰白色粗砂巖,以石英長(zhǎng)石為主,含少量云母,暗色礦物及煤屑,水平層理,泥質(zhì)膠結(jié)。底板為灰色砂質(zhì)頁(yè)巖互層,灰色細(xì)砂巖,厚2 m～5 m,成分石英、長(zhǎng)石,少量云母,暗色礦物及FeS球狀結(jié)核,泥質(zhì)膠結(jié),較堅(jiān)實(shí)。煤層微含水,局部頂板有滴水及淋水現(xiàn)象。5935巷采用錨桿吊鋼帶掛金屬網(wǎng)和錨索聯(lián)合支護(hù),整體支護(hù)效果良好。在防沖卸壓方面,除了采用常見(jiàn)的煤層鉆孔注水、開(kāi)卸壓槽等措施外,還在試驗(yàn)段應(yīng)用爆破技術(shù)進(jìn)行鄰面斷頂,以減小工作面鄰空順槽煤柱外側(cè)懸板的長(zhǎng)度,降低煤柱內(nèi)應(yīng)力集中程度。沖擊地壓影響因素標(biāo)準(zhǔn)化后的預(yù)測(cè)數(shù)列為X0=[1.0,0.45,0.75,0.47,1.0,0.57,0.75]T,經(jīng)計(jì)算,其灰色關(guān)聯(lián)度為r=[0.466 8,0.647 6,0.811 8,0.772 5]T。由沖擊地壓分級(jí)標(biāo)準(zhǔn),該工作面總體呈中等沖擊類型。

電磁輻射強(qiáng)度和脈沖數(shù)可綜合反映煤體前方應(yīng)力集中大小,可用電磁輻射法進(jìn)行沖擊地壓卸壓效果監(jiān)測(cè)。根據(jù)煤巖沖擊破壞的KBD-5電磁輻射儀記錄數(shù)據(jù),確定電磁輻射幅臨界值:強(qiáng)度為100 mv,頻次為900 Hz,據(jù)此預(yù)報(bào)沖擊地壓。

圖2 電磁輻射數(shù)據(jù)Fig 2 Electromagnetic radiation data

圖2為中巷道電磁輻射記錄,其最大強(qiáng)度值約為85 mV,最大脈沖數(shù)約為550 Hz,經(jīng)判斷為中等沖擊事件。經(jīng)實(shí)地調(diào)查,巷道測(cè)點(diǎn)120 m～140 m范圍發(fā)生沖擊地壓,約有6.0 m范圍頂板下沉,巷道斷面縮小,巷道高度最低處僅有1.6 m,寬度最窄約1.5 m,工作面幫有8根單體柱傾斜,鄰空幫有5根單體柱傾斜。從而,直接驗(yàn)證了基于AHP的沖擊地壓GCA預(yù)測(cè)模型的有效性。

5 結(jié)論

1)充分發(fā)揮AHP法有效處理定性、定量復(fù)雜數(shù)據(jù)和GCA法準(zhǔn)確預(yù)測(cè)功能的優(yōu)勢(shì),建立了煤礦沖擊地壓預(yù)測(cè)的AHP-GCA組合數(shù)學(xué)模型。

2)該沖擊地壓危險(xiǎn)性組合預(yù)測(cè)方法準(zhǔn)確率為82%,精度滿足工程需要,為沖擊地壓預(yù)測(cè)的新途徑。

3)根據(jù)忻州窯煤礦實(shí)際情況,對(duì)試驗(yàn)工作面進(jìn)行了沖擊地壓預(yù)測(cè)實(shí)踐,由井下實(shí)際觀測(cè)和電磁輻射法實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)驗(yàn)證了可通過(guò)AHP-GCA組合數(shù)學(xué)模型來(lái)實(shí)現(xiàn)沖擊地壓的有效預(yù)測(cè)。

[1] 張曉明,楊曉晨,盧鋼,等.下伏采空區(qū)的煤礦地表地震動(dòng)力響應(yīng)模擬[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào):自然科學(xué)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,譚欽文,魏作安.基于混沌優(yōu)化神經(jīng)網(wǎng)絡(luò)的沖擊地壓預(yù)測(cè)模型[J].煤炭學(xué)報(bào),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] 趙洪波,茹忠亮.沖擊地壓預(yù)測(cè)的PSO-SVM模型[J].巖石力學(xué)與工程學(xué)報(bào).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] 孫鳳琪.Adaboost 集成神經(jīng)網(wǎng)絡(luò)在沖擊地壓預(yù)報(bào)中的應(yīng)用[J].吉林大學(xué)學(xué)報(bào):信息科學(xué)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] 孫繁燁,耿也.基于 BP 神經(jīng)網(wǎng)絡(luò)的商品庫(kù)存控制模型[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào):自然科學(xué)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] 金佩劍,王恩元,劉曉斐,等.沖擊地壓危險(xiǎn)性綜合評(píng)價(jià)的突變級(jí)數(shù)法研究[J].采礦與安全工程學(xué)報(bào),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] 謝龍漢,尚濤.SPSS統(tǒng)計(jì)分析與數(shù)據(jù)挖掘[M].北京:電子工業(yè)出版社,2012.

[8] 尹光志,代高飛,閆河,等.沖擊地壓預(yù)測(cè)的遺傳神經(jīng)網(wǎng)絡(luò)方法[J].巖土力學(xué),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.沖擊地壓危險(xiǎn)性等級(jí)預(yù)測(cè)的Fisher 判別分析方法[J].煤炭學(xué)報(bào),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] 吳財(cái)芳,曾勇.神經(jīng)網(wǎng)絡(luò)在沖擊地壓危險(xiǎn)性預(yù)測(cè)預(yù)報(bào)研究中的應(yīng)用[J].工程地質(zhì)學(xué)報(bào),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,山西渾源人,大學(xué)本科,助理工程師,從事煤礦生產(chǎn)及技術(shù)管理工作。

TD324

A

(編輯:薄小玲)