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(kāi)采技術(shù)重點(diǎn)實(shí)驗(yàn)室,湖南 湘潭 411201)

我國(guó)作為世界上最大的煤炭出口國(guó)之一,其煤炭行業(yè)的高速發(fā)展不僅帶動(dòng)了國(guó)民經(jīng)濟(jì)的進(jìn)步和提高,同時(shí)也給人民的生活水平帶來(lái)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(kāi)采的深度不斷增大,煤礦開(kāi)采的難度也隨之不斷提高.在我國(guó)七百多個(gè)重點(diǎn)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(guó)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(cè)煤與瓦斯突出危險(xiǎn)等級(jí)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(jì)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(lái),國(guó)內(nèi)外專家學(xué)者廣泛涉及各個(gè)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(duì)煤與瓦斯突出危險(xiǎn)等級(jí)預(yù)測(cè)方法做了很多研究和實(shí)踐工作,提出了綜合指標(biāo)預(yù)測(cè)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(cè)方法.由于各個(gè)地區(qū)的地質(zhì)條件不同,影響煤與瓦斯突出危險(xiǎn)性的程度也不同.迄今為止,人們對(duì)于煤與瓦斯突出的規(guī)律也沒(méi)有具體的定論.從煤與瓦斯突出的系統(tǒng)觀點(diǎn)來(lái)看,影響煤與瓦斯突出的各個(gè)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(huì)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(guò)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(xiǎn)等級(jí)預(yù)測(cè)提供新思路.從引發(fā)煤與瓦斯突出事故最根本原因來(lái)看,煤與瓦斯突出也是屬于巖石力學(xué)和動(dòng)靜載荷等科學(xué)問(wèn)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(gè)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(cè)研究具有十分重要的實(shí)際意義.

本文采集了近年來(lái)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(cè)評(píng)價(jià)指標(biāo),結(jié)合BP神經(jīng)網(wǎng)絡(luò)對(duì)影響因素相互作用矩陣編碼,最后建立煤與瓦斯突出危險(xiǎn)等級(jí)預(yù)測(cè)模型.

1 RES理論簡(jiǎn)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(xiàng)目工程中,每種影響因素對(duì)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(dòng)態(tài)過(guò)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(duì)工程的整體了解和特性研究,找出可能影響整個(gè)系統(tǒng)穩(wěn)定性或者對(duì)系統(tǒng)產(chǎn)生積極消極作用的因素,主對(duì)角線上依次排列影響因素,各個(gè)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(shí)針?lè)较虮硎緝蓚€(gè)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(xiǎn)等級(jí)預(yù)測(cè)模型,首先需要獲取數(shù)據(jù),數(shù)據(jù)來(lái)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(guò)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(xiǎn)等級(jí)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(cè)性指標(biāo),由于實(shí)際工程中直接測(cè)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(cè)量其程度值的測(cè)量指標(biāo)表示.預(yù)測(cè)指標(biāo)選擇后,采用BP神經(jīng)網(wǎng)絡(luò)法對(duì)上述預(yù)測(cè)性指標(biāo)編碼,編碼的過(guò)程就是得到各個(gè)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(xiǎn)等級(jí)預(yù)測(cè)模型.

2.1 煤與瓦斯突出預(yù)測(cè)指標(biāo)選取

用巖石工程系統(tǒng)的方法考慮預(yù)測(cè)指標(biāo)時(shí),需要考慮到巖石特性對(duì)于工程項(xiàng)目的影響,項(xiàng)目施工過(guò)程中導(dǎo)致巖石特性參數(shù)的改變.煤與瓦斯突出評(píng)價(jià)指標(biāo)的選擇和確定是預(yù)測(cè)煤與瓦斯突出危險(xiǎn)等級(jí)的重要步驟,指標(biāo)的選擇決定著預(yù)測(cè)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(jiān)固性系數(shù)、垂深、平均傾角、瓦斯?jié)舛?、相?duì)瓦斯涌出量、煤層厚度和鉆屑量這9個(gè)影響因素作為本文研究的預(yù)測(cè)指標(biāo)[15-20].

2.2 隱含層確定及分析

預(yù)測(cè)指標(biāo)選取后,針對(duì)預(yù)測(cè)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(duì)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(diǎn).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(gè)數(shù)的選擇決定著神經(jīng)網(wǎng)絡(luò)在編碼過(guò)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(shí),需要對(duì)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(gè)輸入特征,即:瓦斯壓力X1、瓦斯含量X2、煤體堅(jiān)固性系數(shù)X3、垂深X4、平均傾角X5、瓦斯?jié)舛萖6、相對(duì)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(gè)輸入特征;隱含層個(gè)數(shù)為1,隱含層神經(jīng)元個(gè)數(shù)j=11;輸出層k=1,輸出特征為煤與瓦斯突出危險(xiǎn)等級(jí).危險(xiǎn)等級(jí)按照突出強(qiáng)度大小分為4種等級(jí),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(cè)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(yàn)樣本(6組)和測(cè)試樣本(7組)個(gè)數(shù)分別占15%,并對(duì)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(shí)只能識(shí)別位于區(qū)間[0,1]的值,當(dāng)參數(shù)值越接近0或者1時(shí),函數(shù)曲線會(huì)變得平緩,參數(shù)值的大小會(huì)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(shí),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(duì)含有不同隱含層個(gè)數(shù)的神經(jīng)網(wǎng)絡(luò)進(jìn)行運(yùn)算,對(duì)比運(yùn)算結(jié)果得到最佳的隱含層數(shù)量.根據(jù)經(jīng)驗(yàn)式(1)代入i=9,k=1,確定隱含層神經(jīng)元個(gè)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(gè)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(yàn)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(gè)數(shù);i為輸入層個(gè)數(shù);k為輸出層個(gè)數(shù);a為常數(shù),取值范圍為0～10.

通過(guò)MATLAB軟件運(yùn)算,因?yàn)樯窠?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(shí),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(gè)數(shù)為11,對(duì)于具有不同神經(jīng)元個(gè)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(yàn)樣本、測(cè)試樣本的網(wǎng)絡(luò)回歸值差值較大,這說(shuō)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(huì)降低.當(dāng)神經(jīng)元個(gè)數(shù)為11時(shí),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(gè)數(shù)不斷增加,均方誤差大體出現(xiàn)先減后增的趨勢(shì),當(dāng)神經(jīng)元個(gè)數(shù)為7時(shí),小范圍內(nèi)出現(xiàn)了最小值,此時(shí)對(duì)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(gè)數(shù)達(dá)到11時(shí),均方誤差達(dá)到最小值,結(jié)合圖3可以驗(yàn)證,此時(shí)整個(gè)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(gè)輸入變量對(duì)輸出變量的影響程度值如圖5所示.各因素對(duì)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(duì)值最大并且都是正值,說(shuō)明這3種因素對(duì)煤與瓦斯突出事故危險(xiǎn)等級(jí)的影響很大,相對(duì)應(yīng)的實(shí)際測(cè)量值越大,煤與瓦斯突出危險(xiǎn)等級(jí)就會(huì)增大;垂深、鉆屑量、瓦斯?jié)舛群兔旱膱?jiān)固性系數(shù)這4種因素對(duì)煤與瓦斯突出危險(xiǎn)等級(jí)的作用為負(fù)值,即影響因素值增大時(shí),危險(xiǎn)等級(jí)減小.

圖5 各因素對(duì)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(gè)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(gè)影響因素之間的相互作用關(guān)系,此時(shí)網(wǎng)絡(luò)輸入節(jié)點(diǎn)是9,輸出節(jié)點(diǎn)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(jì)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(duì)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(xiàng)的值不為0,各個(gè)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(duì)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(duì)瓦斯涌出量X7、煤層厚度X8、鉆屑量X9會(huì)增加;煤體堅(jiān)固性系數(shù)X3,垂深X4、瓦斯?jié)舛萖6作用則相反;對(duì)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(jì)算模擬編碼對(duì)煤與瓦斯突出危險(xiǎn)等級(jí)進(jìn)行預(yù)測(cè),模型建立中引入指標(biāo)Z用來(lái)評(píng)價(jià)煤與瓦斯突出危險(xiǎn)等級(jí).

Z=AGB.

(2)

式中：A為歸一化后的輸入數(shù)據(jù)(1×9)矩陣,此時(shí)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(duì)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(gè)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(mì)大小,結(jié)合煤與瓦斯突出危險(xiǎn)等級(jí)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(cè)等級(jí)與實(shí)際等級(jí)不符,所在煤礦分別是登封煤礦,薛湖煤礦,長(zhǎng)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(cè)結(jié)果危險(xiǎn)等級(jí)比實(shí)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(cè)結(jié)果比實(shí)際偏低,分別是薛湖煤礦,長(zhǎng)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(xiǎn)等級(jí)預(yù)測(cè)模型,對(duì)10組煤與瓦斯突出事故進(jìn)行驗(yàn)證,評(píng)價(jià)指標(biāo)等級(jí)和實(shí)際等級(jí)結(jié)果見(jiàn)表4.通過(guò)對(duì)比可知,10組數(shù)據(jù)樣本中,只有2組的預(yù)測(cè)等級(jí)和實(shí)際不符合,分別是中馬村礦和曲江煤礦，其煤礦預(yù)測(cè)的危險(xiǎn)等級(jí)要比實(shí)際等級(jí)高，實(shí)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(shí)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(shí)施也可降低生命財(cái)產(chǎn)損失.對(duì)比結(jié)果表明所建立的煤與瓦斯突出危險(xiǎn)等級(jí)預(yù)測(cè)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(lái)的影響,具有較高的推廣價(jià)值.

表4 實(shí)際煤與瓦斯突出情況與RES模型預(yù)測(cè)結(jié)果對(duì)比

4 結(jié)論

1)基于巖石系統(tǒng)工程的全耦合方法,對(duì)影響煤與瓦斯突出因素展開(kāi)了分析,結(jié)合礦井實(shí)際數(shù)據(jù)客觀地評(píng)價(jià)了影響因素之間的相互作用和影響;但由于各個(gè)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(huì)更準(zhǔn)確.

2)在此煤與瓦斯突出危險(xiǎn)等級(jí)預(yù)測(cè)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(gè)評(píng)價(jià)指標(biāo)建立的預(yù)測(cè)模型結(jié)果較準(zhǔn)確,實(shí)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(duì)于煤與瓦斯突出危險(xiǎn)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(huì)對(duì)煤與瓦斯突出危險(xiǎn)等級(jí)產(chǎn)生較大影響.

3)對(duì)于煤與瓦斯突出而言,系統(tǒng)本身是動(dòng)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(xiǎn)等級(jí)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(duì)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(xiǎn)等級(jí)預(yù)測(cè)模型.