任辰鋒

(國(guó)家能源集團(tuán) 國(guó)神公司黃玉川煤礦，內(nèi)蒙古 鄂爾多斯 010300)

我國(guó)煤炭資源大多賦存條件較為復(fù)雜，災(zāi)害突出，存在水、火、瓦斯等不安全因素，易引起透水、瓦斯爆炸等地質(zhì)災(zāi)害，其中礦井透水事故是威脅煤礦安全生產(chǎn)的最主要災(zāi)害之一，在我國(guó)煤礦發(fā)生重大安全事故中，透水事故造成的人員傷亡和經(jīng)濟(jì)損失較大[1]。因此，煤礦的水害防治工作尤為重要，水害防治工作的關(guān)鍵是導(dǎo)水通道[2]，如何提高導(dǎo)水通道探查和識(shí)別的準(zhǔn)確性也是煤礦安全生產(chǎn)研究的熱點(diǎn)。

煤礦導(dǎo)水通道主要有導(dǎo)水陷落柱、斷裂構(gòu)造等[3]，導(dǎo)水陷落柱是主要的導(dǎo)水通道且危害性較大。目前，國(guó)外對(duì)煤礦陷落柱的研究較少，對(duì)地下空洞、巖溶溶洞的研究較多，國(guó)內(nèi)煤礦陷落柱出現(xiàn)較多，所以針對(duì)陷落柱的勘探工作做得比較多、比較全面[4]。探查導(dǎo)水通道常用的技術(shù)方法有：三維地震、瞬變電磁、大地電磁、核磁共振等[5]，其中三維地震和電磁法勘探效果較好。各種方法根據(jù)現(xiàn)場(chǎng)探查條件和目標(biāo)體特征具有各自的特點(diǎn)和適用性，但在技術(shù)和方法上仍存在一定的局限性，單一勘探方法的二維剖面上難以探查和識(shí)別陷落柱等導(dǎo)水通道[6]。

黃玉川煤礦以往地面三維地震勘探中發(fā)現(xiàn)多處地質(zhì)異常體，解釋為疑似陷落柱。隨著煤礦開(kāi)采深度和開(kāi)采強(qiáng)度的增加，這些疑似陷落柱等導(dǎo)水通道構(gòu)成了嚴(yán)重的煤礦致災(zāi)因素[7]，威脅礦井安全生產(chǎn)。由于疑似陷落柱的復(fù)雜性、探查方法的局限性和探查精度不高等原因，導(dǎo)致黃玉川煤礦疑似陷落柱等導(dǎo)水通道的空間分布及其富水性的探查不能滿(mǎn)足礦井安全生產(chǎn)的需要。本文以黃玉川煤礦X6疑似陷落柱探查為例，在充分分析礦井相關(guān)地質(zhì)資料和對(duì)三維地震數(shù)據(jù)進(jìn)行精細(xì)解釋的基礎(chǔ)上，結(jié)合地震勘探的地震波場(chǎng)和電磁法勘探的電磁場(chǎng)屬性特征，提出基于三維地震和瞬變電磁探測(cè)多場(chǎng)多屬性信息融合精細(xì)定位煤礦導(dǎo)水通道技術(shù)，為煤礦安全高效開(kāi)采提供重要保障。

1 三維地震與瞬變電磁法探測(cè)

三維地震勘探方法空間分辨率高，可探測(cè)陷落柱的大致位置，無(wú)法識(shí)別陷落柱的富水分布狀態(tài)；瞬變電磁法勘探對(duì)富水區(qū)反應(yīng)靈敏，但由于體積效應(yīng)，不能準(zhǔn)確探測(cè)陷落柱的位置和形態(tài)[8]。綜合地震勘探的地震波場(chǎng)和電磁法勘探的電磁場(chǎng)屬性特征，選擇三維地震和瞬變電磁法作為黃玉川煤礦X6疑似陷落柱導(dǎo)水通道探查的地球物理方法。

1.1 三維地震探測(cè)

在X6測(cè)區(qū)，三維地震ILN1601線(xiàn)OM9鉆孔附近的地震探測(cè)成果如圖1所示，圖中橫坐標(biāo)以O(shè)M9鉆孔為0點(diǎn)，縱坐標(biāo)以100m為深度起點(diǎn)。圖中對(duì)4煤層(綠色虛線(xiàn))、6上煤層(綠色虛線(xiàn))、奧灰頂界面(黃色實(shí)線(xiàn))、陷落柱(紫色實(shí)線(xiàn))和斷層(紅色實(shí)線(xiàn))進(jìn)行了劃分[9]。經(jīng)分析，陷落柱埋深約350m，到400m深度陷落柱直徑約40～70m。

圖1 三維地震探測(cè)成果

1.2 瞬變電磁法探測(cè)

瞬變電磁法X6測(cè)區(qū)選擇過(guò)鉆孔OM9且互相垂直的A8與8測(cè)線(xiàn)的數(shù)據(jù)進(jìn)行反演解釋。X6測(cè)區(qū)地形復(fù)雜，整體北高南低，南部溝壑較多，多呈南北走向。A8測(cè)線(xiàn)的瞬變電磁法反演電阻率斷面如圖2(a)所示，地層電性由淺到深表現(xiàn)為“低-高”特征[10]，淺部對(duì)應(yīng)第四紀(jì)和新近紀(jì)的土層，電阻率值較低；中部對(duì)應(yīng)砂礫巖層和煤層，電阻率增加，在橫向280～320m，標(biāo)高870～780m范圍內(nèi)，電阻率為相對(duì)橫向低阻，具體范圍已在圖中標(biāo)出，可能存在導(dǎo)水陷落柱。8測(cè)線(xiàn)瞬變電磁法反演電阻率斷面如圖2(b )所示。該測(cè)線(xiàn)經(jīng)過(guò)OM9鉆孔，地層由淺至深電阻率值逐漸增加，淺層與第四紀(jì)和新近紀(jì)的土層對(duì)應(yīng)較好，中部對(duì)應(yīng)砂礫巖層和煤層，深部無(wú)明顯異常區(qū)域。

圖2 瞬變電磁探測(cè)成果

2 多場(chǎng)多屬性信息融合定位導(dǎo)水通道

常規(guī)物探方法是利用單一屬性、或多種屬性單獨(dú)解釋、相互驗(yàn)證的方式來(lái)識(shí)別地下異常地質(zhì)體，雖然在一定程度上能夠滿(mǎn)足勘探要求，但客觀存在準(zhǔn)確性不高的問(wèn)題[11]。為進(jìn)一步精準(zhǔn)識(shí)別煤礦疑似陷落柱的邊界位置和富水性，通過(guò)提取三維地震和瞬變電磁探測(cè)中對(duì)導(dǎo)水陷落柱敏感的屬性特征，利用粒子群算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行多場(chǎng)多屬性信息融合技術(shù)精細(xì)定位導(dǎo)水通道。

2.1 PSO-BP融合算法

BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network，BPNN)是從輸入到輸出的映射，它具有學(xué)習(xí)和存儲(chǔ)大量輸入-輸出模式映射關(guān)系[12]的強(qiáng)大功能。其工作原理為在網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)過(guò)程中，可以分為信號(hào)的正向傳播和誤差的反向傳播。輸入信息x(歸一化樣本數(shù)據(jù))通過(guò)輸入層，逐漸向前傳播，經(jīng)過(guò)各個(gè)層中的神經(jīng)元以產(chǎn)生輸出，計(jì)算實(shí)際輸出和期望輸出之間的誤差。誤差會(huì)向后往輸入層傳播，所有的神經(jīng)元會(huì)分?jǐn)傉`差，從而反復(fù)修正不同層的連接權(quán)值和閾值。僅當(dāng)誤差達(dá)到或小于設(shè)定值時(shí)，才允許輸出信息。否則，誤差將繼續(xù)向后循環(huán)傳播到神經(jīng)網(wǎng)絡(luò)，直至最終達(dá)到設(shè)定值要求。

公式如下：

yi=f(neti)

式中，ω為網(wǎng)絡(luò)的連接權(quán)值；θ為閾值；y為網(wǎng)絡(luò)的輸出，結(jié)構(gòu)如圖3所示。

圖3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

由于BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值是隨機(jī)給定的，很容易陷入局部極值和算法學(xué)習(xí)速度緩慢。針對(duì)這一情況，采用粒子群算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進(jìn)行優(yōu)化。

粒子群算法(Particle swarm optimization algorithm，PSO)源于鳥(niǎo)群的捕食行為，通過(guò)假設(shè)無(wú)質(zhì)量粒子來(lái)模擬鳥(niǎo)類(lèi)。粒子只有兩個(gè)屬性，速度和位置，速度表示粒子的移動(dòng)速度，位置表示粒子的移動(dòng)方向[13]。每個(gè)粒子都有自己的速度，分別在搜索空間中搜索最優(yōu)解的位置，并記錄為當(dāng)前的個(gè)體極值。在行進(jìn)過(guò)程中，將個(gè)體極值與整個(gè)粒子群中的其他粒子進(jìn)行交換和共享，以確定在最佳位置的個(gè)體作為全局最優(yōu)解，從而調(diào)整自己的軌跡來(lái)適應(yīng)最佳位置[14]。粒子的速度和位置更新公式為：

式中，ω為慣性權(quán)值；c1和c2都為正常數(shù)，稱(chēng)為加速系數(shù)；r1和r2是兩個(gè)在[0，1]范圍內(nèi)變化的隨機(jī)數(shù)。第d維粒子元素的速度變化范圍和位置變化范圍分別限制為[Vd，min，Vd，max]和[Xd，min，Xd，max]。迭代過(guò)程中，若某一維粒子元素的Vid或Xid超出邊界值則令其等于邊界值[15]。

2.2 三維地震與瞬變電磁屬性提取及融合結(jié)構(gòu)

利用Petrel對(duì)地震深度剖面提取多種地震屬性值，計(jì)算這些屬性間的相關(guān)系數(shù)，對(duì)相關(guān)系數(shù)進(jìn)行R型聚類(lèi)分析。結(jié)合每個(gè)屬性的地質(zhì)意義和相關(guān)系數(shù)對(duì)地震屬性特征進(jìn)行優(yōu)選，最終優(yōu)選以下8種相關(guān)性較差且相對(duì)獨(dú)立的地震屬性作為神經(jīng)網(wǎng)絡(luò)的輸入特征[16]，即均方根振幅、混沌體、傾角偏差、瞬時(shí)頻率、吸收衰減、瞬時(shí)相位、波阻抗、中值濾波值[17]。選取的8種屬性沿煤層的屬性值如圖4所示，紅框?yàn)橄萋渲奈恢?，即?duì)應(yīng)圖1中測(cè)點(diǎn)-50～50m之間，可以看出在陷落柱范圍內(nèi)，混沌體值增大單峰特征，瞬時(shí)相位為增加，陷落柱邊界為雙峰、陷落柱中心為次高單峰，傾角偏差為震蕩增大，其余5個(gè)屬性值均表現(xiàn)為降低特征，其中均方根和波阻抗降低的特征較明顯，易于解釋。

圖4 陷落柱的地震屬性響應(yīng)關(guān)系

瞬變電磁法常用于富水性解釋的屬性有視電阻率和反演電阻率。陷落柱視電阻率特征曲線(xiàn)如圖5所示，由圖5可以看出，陷落柱不導(dǎo)水時(shí)與正常地層電阻率特征相似，較難分辨；當(dāng)陷落柱導(dǎo)水后，其視電阻率值先變小，而后增加，為單低峰曲線(xiàn)特征。采用導(dǎo)水陷落柱模型，陷落柱位于測(cè)點(diǎn)100～200m之間，進(jìn)行反演得到電阻率剖面圖，如圖6所示。由于體積效應(yīng)，導(dǎo)水陷落柱在剖面圖并非呈明顯低阻反應(yīng)，無(wú)法圈定導(dǎo)水陷落柱的準(zhǔn)確邊界，與圖2測(cè)點(diǎn)240～360m間結(jié)果類(lèi)似。

圖5 陷落柱不同含水程度視電阻率對(duì)比

圖6 含水陷落柱反演電阻率剖面圖

上述10種屬性組成陷落柱信息融合的屬性特征集合。融合時(shí)，神經(jīng)網(wǎng)絡(luò)分類(lèi)采用三層BP網(wǎng)絡(luò)結(jié)構(gòu)模型，即一個(gè)輸入層、一個(gè)隱含層和一個(gè)輸出層，結(jié)構(gòu)如圖7所示。輸入層為10個(gè)屬性，前8個(gè)為地震屬性，后2個(gè)為瞬變電磁(TEM)電阻率屬性；隱含層設(shè)置13個(gè)神經(jīng)元，輸出層輸出相應(yīng)的分類(lèi)結(jié)果。隱含層的激活函數(shù)選用sigmoid型函數(shù)[18]，輸出層的激活函數(shù)選用tanh型函數(shù)；最大迭代次數(shù)為200次；訓(xùn)練目標(biāo)最小誤差設(shè)定為0.1；學(xué)習(xí)速率為0.01。粒子群算法的初始群體規(guī)模為20，最大迭代次數(shù)為20，慣性權(quán)重ωmax=0.9、ωmin=0.4，加速常數(shù)c1=1.49445，c2=1.49445，V∈[-1，1]，X∈[-5，5][19]。

圖7 陷落柱三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

2.3 三維地震和瞬變電磁信息融合測(cè)線(xiàn)選擇

三維地震的I1601測(cè)線(xiàn)與瞬變電磁的A8測(cè)線(xiàn)、三維地震的X1376測(cè)線(xiàn)與瞬變電磁的8測(cè)線(xiàn)均位于陷落柱上方(如圖8所示)，測(cè)線(xiàn)方位垂直，且均過(guò)OM9鉆孔，選取這兩條剖面AA′和BB′進(jìn)行信息融合，融合數(shù)據(jù)的網(wǎng)格大小為4m×5m。地震I1601和X1376的深度剖面如圖9所示，瞬變電磁A8和8測(cè)線(xiàn)的反演電阻率如圖10所示。

圖8 信息融合剖面示意圖

圖9 三維地震剖面

本段地震剖面只能圈定出陷落柱的大致位置(圖9中紫色曲線(xiàn))，無(wú)法反映陷落柱富水性。瞬變電磁探測(cè)的反演電阻率剖面，在陷落柱位置表現(xiàn)為相對(duì)低阻，為含水陷落柱反映，但受體積效應(yīng)影響，陷落柱的邊界較模糊，無(wú)法精細(xì)圈定富水區(qū)范圍。為了更有效地利用多場(chǎng)勘探信息，結(jié)合三維地震和瞬變電磁數(shù)據(jù)進(jìn)行多場(chǎng)多屬性信息融合[20]。

2.4 多場(chǎng)多屬性信息融合結(jié)果分析

提取10種屬性數(shù)據(jù)組成信息融合樣本，選取OM9鉆孔處的679個(gè)數(shù)據(jù)，標(biāo)記“1”為“陷落柱含水”，“2”為“陷落柱不含水”，“3”為“無(wú)陷落柱的圍巖”。隨機(jī)從樣本數(shù)據(jù)集中選取90%樣本數(shù)據(jù)作為訓(xùn)練樣本，對(duì)PSO-BPNN神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練集的正確率為93.28%(如圖11a)；剩余的10%樣本數(shù)據(jù)作為測(cè)試樣本，輸入已經(jīng)訓(xùn)練好的PSO-BPNN神經(jīng)網(wǎng)絡(luò)，計(jì)算預(yù)測(cè)值與真實(shí)值間的正確率，得出測(cè)試集的正確率為92.75%(如圖11b)。

圖10 瞬變電磁剖面

圖11 含水陷落柱訓(xùn)練集和測(cè)試集輸出

信息融合結(jié)果如圖12所示，預(yù)測(cè)出陷落柱的頂位于360m左右，陷落柱內(nèi)部深度在360～370m之間存在紅色區(qū)塊，預(yù)測(cè)為陷落柱不含水部分；370m以下為大片藍(lán)色區(qū)塊，預(yù)測(cè)為陷落柱含水部分；陷落柱的水位分界面約在370m。圖12中6上煤層370m處對(duì)應(yīng)的陷落柱直徑約為25m，6煤層392m處對(duì)應(yīng)的陷落柱直徑約為30m，預(yù)測(cè)直徑隨深度的增加而增大。

圖12 多場(chǎng)多屬性信息融合預(yù)測(cè)結(jié)果

3 工程驗(yàn)證

結(jié)合上述分析預(yù)測(cè)，對(duì)疑似陷落柱進(jìn)行鉆探驗(yàn)證，驗(yàn)證情況如圖13所示。其中，補(bǔ)9、補(bǔ)10孔在煤層底板下發(fā)生鉆孔涌水，涌水量分別為69m3/h與96m3/h，鉆孔揭露破碎帶水平距達(dá)11m以上，巖心破碎，水蝕痕跡明顯，不同層位的巖石雜亂堆積，推測(cè)該構(gòu)造為一隱伏于6上煤之下的巖溶陷落柱，該陷落柱裂隙帶已波及至6上煤，致使順煤層鉆孔補(bǔ)1、補(bǔ)2、補(bǔ)4孔出水，可判定該陷落柱導(dǎo)水，充水水源來(lái)自?shī)W灰含水層。其中補(bǔ)9號(hào)鉆孔61.4～77.4m全部為破碎帶，補(bǔ)9號(hào)傾角-31°，推算垂深27.1m處，即埋深約392m的6號(hào)煤層處陷落柱直徑約為27.4m。符合多場(chǎng)多屬性信息融合預(yù)測(cè)結(jié)果，驗(yàn)證了該方法可以準(zhǔn)確的探測(cè)礦區(qū)陷落柱的空間形態(tài)和富水性。

圖13 疑似陷落柱鉆探驗(yàn)證圖

4 結(jié) 論

本文以黃玉川煤礦X6疑似陷落柱探查為例，提出基于三維地震和瞬變電磁探測(cè)多場(chǎng)多屬性信息融合精細(xì)定位煤礦導(dǎo)水通道技術(shù)，結(jié)合地質(zhì)資料及鉆孔工程探測(cè)，驗(yàn)證了該方法精細(xì)探查陷落柱的準(zhǔn)確性，得出以下結(jié)論：

1)基于三維地震和瞬變電磁探測(cè)的多場(chǎng)多屬性信息融合應(yīng)用于黃玉川煤礦疑似陷落柱的探查取得良好的效果，能夠有效的探查陷落柱的發(fā)育范圍，準(zhǔn)確的探查陷落柱的含水性。

2)通過(guò)提取三維地震和瞬變電磁探測(cè)中對(duì)導(dǎo)水陷落柱敏感的屬性特征，利用粒子群算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行多場(chǎng)多屬性信息融合技術(shù)精細(xì)定位導(dǎo)水通道，可以對(duì)導(dǎo)水陷落柱進(jìn)行準(zhǔn)確識(shí)別定位，解決了常規(guī)物探方法無(wú)法實(shí)現(xiàn)導(dǎo)水陷落柱位置、形態(tài)和水分布狀態(tài)的全面識(shí)別且存在誤差的問(wèn)題。