曾維順，韓欣澎，劉金霖

(1.海南省地震局，?？?570203; 2.中國(guó)石油集團(tuán)海洋工程有限公司，北京 100028;3.東北石油大學(xué)地球科學(xué)學(xué)院，黑龍江 大慶 163318)

引言

瓦斯突出是煤礦開(kāi)采中一種十分復(fù)雜的動(dòng)力災(zāi)害現(xiàn)象，具有很強(qiáng)的破壞性，給礦工生命財(cái)產(chǎn)和煤礦安全生產(chǎn)造成無(wú)法估量的經(jīng)濟(jì)損失[1-2]。因此，依據(jù)礦井自身地質(zhì)條件，明確瓦斯易發(fā)生突出煤層的特征及分布范圍，制定針對(duì)性的防范措施，對(duì)礦井安全生產(chǎn)具有重要的理論和現(xiàn)實(shí)意義。前人通過(guò)大量的突出點(diǎn)調(diào)查統(tǒng)計(jì)表明，構(gòu)造煤的發(fā)育程度及其空間分布對(duì)礦區(qū)煤與瓦斯突出的發(fā)生有著重要的影響[3]。長(zhǎng)期以來(lái)，學(xué)者嘗試?yán)脺y(cè)井資料對(duì)煤巖結(jié)構(gòu)進(jìn)行評(píng)價(jià)，取得了重要的研究進(jìn)展[4-9]。陳晶等[10]通過(guò)對(duì)測(cè)井曲線的定量分析，認(rèn)為柿莊地區(qū)煤體結(jié)構(gòu)指數(shù)e大于1.8為構(gòu)造煤。姚軍朋等[11]應(yīng)用測(cè)井曲線特征區(qū)分原生結(jié)構(gòu)煤和構(gòu)造煤，提出利用孔隙結(jié)構(gòu)指數(shù)可以作為構(gòu)造煤定量判別指標(biāo)。這些方法的識(shí)別精度不高而且速度較慢。支持向量機(jī)模型具有較強(qiáng)的非線性建模能力，能夠在有限的樣品信息，通過(guò)函數(shù)逼近尋求最佳折中，具有泛化能力。粒子群優(yōu)化算法具有建模簡(jiǎn)單、容易實(shí)現(xiàn)和收斂迅速等特點(diǎn)，可以用于選擇支持向量回歸算法的參數(shù)[12-13]。在測(cè)井資料的基礎(chǔ)上，利用支持向量機(jī)方法判易發(fā)生瓦斯突出煤層，與取心樣品進(jìn)行對(duì)比，評(píng)價(jià)模型的識(shí)別能力，可以有效提高測(cè)井識(shí)別精度，為快速識(shí)別瓦斯突出煤層提高良好的參考。

1 構(gòu)造煤測(cè)井曲線特征

構(gòu)造煤的煤體結(jié)構(gòu)遭受破壞，巖石物理化學(xué)性質(zhì)發(fā)生改變，這些改變?cè)诘厍蛭锢硖卣髦斜憩F(xiàn)出了與原生結(jié)構(gòu)煤的差異性。通過(guò)鉆井取心和煤巖的地球物理特征對(duì)比分析，利用煤巖結(jié)構(gòu)在測(cè)井響應(yīng)上的差異建立判別模型，應(yīng)用判別模型可以預(yù)測(cè)瓦斯突出煤層位置。

(1)伽馬測(cè)井特征。構(gòu)造煤中孔隙和裂隙較為發(fā)育，受煤巖中夾矸和富含放射性元素的地層水影響，使得構(gòu)造煤的伽馬值高于原生結(jié)構(gòu)煤。

(2) 聲波測(cè)井特征。構(gòu)造煤比原生結(jié)構(gòu)煤膠結(jié)疏松，孔隙更為發(fā)育，聲波在構(gòu)造煤中的傳播速度一般高于原生結(jié)構(gòu)煤。

(3)密度測(cè)井特征。構(gòu)造煤由于裂隙中地層水的侵入，雜質(zhì)含量明顯增多，煤巖純度下降，密度曲線值明顯升高。

2 模型建立

2.1 支持向量機(jī)方法原理

用SVR算法估計(jì)回歸函數(shù)時(shí)，其基本思想是通過(guò)一個(gè)非線性映射φ，把輸入空間的數(shù)據(jù)χ{(xi,yi)} 映射到一個(gè)高維特征空間中去，然后在這一高維空間做線性回歸[12]。

(1)

(2)

式中w為權(quán)重向量；b為閾值；φ(xi)為非線性函數(shù)；ε為不敏感損失函數(shù)寬度；C為懲罰系數(shù)，為常數(shù)，表示對(duì)超出ε樣本的懲罰程度。

(3)

SVR常用核函數(shù)有多項(xiàng)式函數(shù)、RBF函數(shù)、Sigmoid函數(shù)等。其中徑向基函數(shù)具有較強(qiáng)的泛化能力，在瓦斯突出煤層預(yù)測(cè)中，選區(qū)RBF為核函數(shù)，表達(dá)式為：

(4)

2.2 粒子群算法

粒子群優(yōu)化算法是受到飛鳥(niǎo)集群活動(dòng)的規(guī)律性啟發(fā)，進(jìn)而利用群體智能建立的一個(gè)簡(jiǎn)化模型。粒子群算法在對(duì)動(dòng)物集群活動(dòng)行為觀察基礎(chǔ)上，利用群體中的個(gè)體對(duì)信息的共享使整個(gè)群體的運(yùn)動(dòng)在問(wèn)題求解空間中產(chǎn)生從無(wú)序到有序的演化過(guò)程，從而獲得最優(yōu)解。更新粒子最佳位置的計(jì)算公式如下：

(5)

(6)

3 應(yīng)用實(shí)例分析

以鶴崗煤田益新礦和鳥(niǎo)山礦煤層為研究對(duì)象。將研究區(qū)內(nèi)已取心井段構(gòu)造煤的GR、AC和DEN作為輸入，選取120個(gè)學(xué)習(xí)樣本組成訓(xùn)練集進(jìn)行支持向量機(jī)SVM，其中部分學(xué)習(xí)樣本如表1所示。然后將選定的測(cè)試樣本組成測(cè)試集進(jìn)行訓(xùn)練，最后將測(cè)試結(jié)果與實(shí)際取心結(jié)構(gòu)進(jìn)行對(duì)比。

表1 部分學(xué)習(xí)樣本

如圖1顯示支持向量機(jī)識(shí)別結(jié)果和實(shí)際取心結(jié)果具有較高的符合度。與此同時(shí)，在鶴崗煤田選擇了10口鉆孔進(jìn)行構(gòu)造煤識(shí)別。結(jié)合這些井的開(kāi)采情況，發(fā)現(xiàn)正確率在90%左右，可見(jiàn)量子的支持向量機(jī)POS-SVM模型具有較高的識(shí)別能力。

圖1 鶴煤1井瓦斯突出煤層判別關(guān)系Figure 1 Relationship between gas outburst and coal seam discrimination in Hegang coalmine No.1

鉆孔號(hào)測(cè)試樣品計(jì)算結(jié)果準(zhǔn)確率58-108191789.562-25141392.972-4111090.962-315151493.381-8151386.787-32-3121083.380-5201890.083-17-7211990.590-94-6191894.781-6-3171588.2

圖2 鶴煤3井瓦斯突出煤層判別關(guān)系Figure 2 Relationship between gas outburst and coal seam discrimination in Hegang coalmine No.3

4 結(jié)論

通過(guò)鶴崗煤田原生煤和構(gòu)造煤在取心和測(cè)井曲線上的差異，建立構(gòu)造煤的識(shí)別模板。提出應(yīng)用粒子群優(yōu)化的支持向量回歸預(yù)測(cè)瓦斯突出煤層，將GR、AC和DEN 3條測(cè)井曲線值作為輸入，對(duì)鶴崗煤田120個(gè)樣本組成測(cè)試集進(jìn)行SVM訓(xùn)練，然后將選定的測(cè)試樣本組成測(cè)試集進(jìn)行訓(xùn)練，將測(cè)試結(jié)果與實(shí)際取心結(jié)構(gòu)進(jìn)行對(duì)比，正確率達(dá)到90%左右。粒子群優(yōu)化支持向量機(jī)為識(shí)別瓦斯突出煤層提供一種新的手段，識(shí)別效果顯著，與常規(guī)測(cè)井曲線解釋方法相比，該方法具有識(shí)別速度快，識(shí)別精度高，而且簡(jiǎn)單易操作的優(yōu)勢(shì)。另一方面，通過(guò)預(yù)測(cè)可以對(duì)未開(kāi)采區(qū)域的易發(fā)生突出煤層采取積極有效應(yīng)對(duì)措施，為事故災(zāi)害防治提供了理論依據(jù)并指明了方向，對(duì)安全生產(chǎn)具有指導(dǎo)性意義。