朱墨然,王麒翔，張慶華

(1.瓦斯災(zāi)害監(jiān)控與應(yīng)急技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，重慶 400037；2.中煤科工集團(tuán)重慶研究院有限公司，重慶 400037)

0 引 言

煤與瓦斯突出事故仍然是煤礦造成傷亡人數(shù)最多的事故，對(duì)煤與瓦斯突出事故的預(yù)測(cè)預(yù)警是降低事故發(fā)生的重要手段之一[1-2]。目前對(duì)煤與瓦斯突出的預(yù)測(cè)，主要通過(guò)兩個(gè)"四位一體"綜合防突措施進(jìn)行，這種主要以鉆探方式預(yù)測(cè)突出危險(xiǎn)性的方法優(yōu)點(diǎn)是探測(cè)直接、數(shù)據(jù)準(zhǔn)確，但也存在預(yù)測(cè)數(shù)據(jù)不連續(xù)、數(shù)據(jù)測(cè)試時(shí)間長(zhǎng)、鉆孔空白帶等問(wèn)題。隨著煤礦監(jiān)測(cè)監(jiān)控系統(tǒng)的完善和煤礦信息化的推進(jìn)，一種非接觸式連續(xù)預(yù)測(cè)的防突預(yù)警技術(shù)逐步成熟[3-4]，成為與傳統(tǒng)防突預(yù)測(cè)的補(bǔ)充，這種預(yù)警是在本地通過(guò)工業(yè)環(huán)網(wǎng)采集安全監(jiān)控系統(tǒng)瓦斯傳感器等數(shù)據(jù)，通過(guò)應(yīng)用瓦斯含量反演模型[5]、專家知識(shí)庫(kù)[6]、機(jī)器學(xué)習(xí)[7-8]等方法，計(jì)算出預(yù)警指標(biāo)然后與預(yù)警臨界值進(jìn)行比較，確定突出危險(xiǎn)性的大小，這種預(yù)警技術(shù)數(shù)據(jù)來(lái)源單一，缺少預(yù)警模型效果驗(yàn)證，且預(yù)警臨界值的設(shè)置不夠靈活精確[9-10]，在不同煤礦或不同煤層進(jìn)行預(yù)警時(shí)又要重新考察臨界值，工作量較大[11-12]。

基于此，有必要研究一種能夠解決上述問(wèn)題的多源數(shù)據(jù)驅(qū)動(dòng)防突預(yù)警指標(biāo)自適應(yīng)技術(shù)，通過(guò)將煤礦各類生產(chǎn)數(shù)據(jù)格式化后進(jìn)行上傳，建立多源數(shù)據(jù)驅(qū)動(dòng)的預(yù)警模型，將預(yù)警結(jié)果與現(xiàn)有防突預(yù)測(cè)數(shù)據(jù)進(jìn)行匹配，對(duì)預(yù)警模型的有效性進(jìn)行定量評(píng)價(jià)；建立預(yù)警臨界值的自適應(yīng)訓(xùn)練模型，使預(yù)警臨界值自適應(yīng)煤礦生產(chǎn)條件，避免同一預(yù)警臨界值應(yīng)用于多種生產(chǎn)條件的情況，提高預(yù)警的準(zhǔn)確率，降低誤報(bào)率。

1 防突信息數(shù)據(jù)特征

煤礦在執(zhí)行《防治煤與瓦斯突出細(xì)則》兩個(gè)“四位一體”綜合防突措施過(guò)程中，會(huì)產(chǎn)生大量防突信息數(shù)據(jù)，主要包括防突預(yù)測(cè)過(guò)程中的預(yù)測(cè)指標(biāo)數(shù)據(jù)、打鉆動(dòng)力現(xiàn)象、鉆孔布置等數(shù)據(jù)；生產(chǎn)過(guò)程中產(chǎn)生的瓦斯涌出、進(jìn)尺、產(chǎn)量、地質(zhì)構(gòu)造等數(shù)據(jù)；管理過(guò)程中產(chǎn)生的審批等數(shù)據(jù)。隨著煤礦生產(chǎn)的推進(jìn)，數(shù)據(jù)不斷累積，這些數(shù)據(jù)具有如下特征：

1)多源異構(gòu)。由于防突信息涉及的設(shè)備和部門較多，防突信息呈現(xiàn)出來(lái)源分布廣泛、結(jié)構(gòu)各異的特征。如瓦斯涌出數(shù)據(jù)來(lái)源于瓦斯體積分?jǐn)?shù)傳感器、局部預(yù)測(cè)指標(biāo)來(lái)源于WTC、風(fēng)量數(shù)據(jù)由人工測(cè)風(fēng)獲得等，此外數(shù)據(jù)的采集頻率和特征也不相同，由于各類數(shù)據(jù)的結(jié)構(gòu)字段不一致，造成數(shù)據(jù)結(jié)構(gòu)多元化特征，為方便計(jì)算和分析，需要將數(shù)據(jù)進(jìn)行預(yù)處理，統(tǒng)一數(shù)據(jù)格式。

2)體量龐大且數(shù)字化程度低。煤礦每天都會(huì)產(chǎn)生大量的防突相關(guān)數(shù)據(jù)，隨時(shí)間的積累數(shù)據(jù)體量非常龐大，并且大量數(shù)據(jù)只有紙質(zhì)記錄，數(shù)字化程度較低，不利于數(shù)據(jù)的查找和分析計(jì)算。

3)數(shù)據(jù)利用率低。煤礦擁有豐富寶貴的原始生產(chǎn)數(shù)據(jù)，但數(shù)據(jù)的處理方式通常只是簡(jiǎn)單的觀察數(shù)據(jù)是否超標(biāo)，缺乏有效的數(shù)據(jù)分析手段，造成數(shù)據(jù)利用程度低。如鉆屑瓦斯解吸指標(biāo)或瓦斯體積分?jǐn)?shù)，只關(guān)注最大值是否過(guò)臨界值，而沒(méi)有分析數(shù)據(jù)的變化趨勢(shì)和時(shí)空關(guān)系，更沒(méi)有將多源數(shù)據(jù)結(jié)合起來(lái)分析。

2 多源數(shù)據(jù)驅(qū)動(dòng)融合的防突智能預(yù)警結(jié)構(gòu)設(shè)計(jì)

多源數(shù)據(jù)驅(qū)動(dòng)融合防突智能預(yù)警系統(tǒng)是利用煤礦生產(chǎn)過(guò)程中產(chǎn)生的多源數(shù)據(jù)，打通數(shù)據(jù)傳輸通道、建立預(yù)警模型算法、分析并發(fā)布計(jì)算結(jié)果，以此來(lái)實(shí)現(xiàn)防突預(yù)警的目的[13-14]。系統(tǒng)設(shè)計(jì)在智能化煤礦設(shè)計(jì)原則指導(dǎo)下，應(yīng)用數(shù)據(jù)驅(qū)動(dòng)和輔助智能決策思維，結(jié)合煤礦生產(chǎn)條件進(jìn)行設(shè)計(jì)。多源數(shù)據(jù)驅(qū)動(dòng)融合的防突智能預(yù)警結(jié)構(gòu)設(shè)計(jì)如圖1所示，結(jié)構(gòu)包括基礎(chǔ)數(shù)據(jù)層、數(shù)據(jù)傳輸層和決策應(yīng)用層。

圖1 多源數(shù)據(jù)驅(qū)動(dòng)防突預(yù)警結(jié)構(gòu)設(shè)計(jì)Fig.1 Design drawing of multi-source data-driven outburst prevention early warning structure

2.1 基礎(chǔ)數(shù)據(jù)層

基礎(chǔ)數(shù)據(jù)為系統(tǒng)結(jié)構(gòu)的前端，基礎(chǔ)數(shù)據(jù)中包含了大量工作面的突出危險(xiǎn)性特征，為防突預(yù)警模型的建立奠定基礎(chǔ)?；A(chǔ)數(shù)據(jù)分為結(jié)構(gòu)性數(shù)據(jù)和非結(jié)構(gòu)性數(shù)據(jù)。結(jié)構(gòu)性數(shù)據(jù)可通過(guò)自動(dòng)采集程序?qū)?shù)據(jù)進(jìn)行采集，如監(jiān)控系統(tǒng)中的傳感器數(shù)據(jù)，防突預(yù)測(cè)指標(biāo)數(shù)據(jù)的自動(dòng)上傳；非結(jié)構(gòu)性數(shù)據(jù)則可以通過(guò)客戶端人工錄入并上傳，如地質(zhì)構(gòu)造信息，動(dòng)力現(xiàn)象等。

2.2 數(shù)據(jù)傳輸層

數(shù)據(jù)傳輸層是整個(gè)結(jié)構(gòu)的樞紐。基礎(chǔ)數(shù)據(jù)可通過(guò)煤礦工業(yè)環(huán)網(wǎng)進(jìn)行傳輸，本地客戶端保存的數(shù)據(jù)通過(guò)因特網(wǎng)上傳到云服務(wù)器。將所有數(shù)據(jù)上云，可以方便數(shù)據(jù)的移動(dòng)查詢?yōu)g覽，更有利于預(yù)警信息的發(fā)布。

2.3 決策應(yīng)用層

決策應(yīng)用層主要功能是將云服務(wù)器中的各類數(shù)據(jù)進(jìn)行建模分析處理，根據(jù)煤與瓦斯突出特征建立相應(yīng)的預(yù)警模型，建立算法對(duì)預(yù)警模型的有效性進(jìn)行定量化驗(yàn)證，并通過(guò)建立預(yù)警指標(biāo)數(shù)據(jù)庫(kù)，根據(jù)大量預(yù)警結(jié)果不斷訓(xùn)練預(yù)警臨界值模型。當(dāng)預(yù)警指標(biāo)超過(guò)臨界值時(shí)，通過(guò)互聯(lián)網(wǎng)將信息推送給管理人員，方便及時(shí)作出決策消除事故隱患。

3 數(shù)據(jù)驅(qū)動(dòng)防突預(yù)警技術(shù)

數(shù)據(jù)驅(qū)動(dòng)的防突預(yù)警技術(shù)是根據(jù)多源數(shù)據(jù)特征，通過(guò)預(yù)警模型計(jì)算預(yù)警指標(biāo)，當(dāng)預(yù)警指標(biāo)超過(guò)臨界值時(shí)進(jìn)行預(yù)警信息發(fā)布，及時(shí)采取相應(yīng)措施預(yù)防事故的發(fā)生。該技術(shù)由預(yù)警模型的建立、預(yù)警模型的優(yōu)選和預(yù)警臨界值自適應(yīng)訓(xùn)練3部分組成。

3.1 防突預(yù)警模型的建立

在整個(gè)數(shù)據(jù)驅(qū)動(dòng)防突預(yù)警技術(shù)中，防突預(yù)警模型的建立是核心。防突預(yù)警模型的建立是根據(jù)煤與瓦斯突出發(fā)生發(fā)展機(jī)理，結(jié)合綜合作用假說(shuō)理論，通過(guò)對(duì)煤與瓦斯突出的主要影響因素進(jìn)行反演，捕捉突出發(fā)生的前兆特征[15-18]。根據(jù)目前煤與瓦斯突出的預(yù)測(cè)手段，突出預(yù)警模型的建立主要通過(guò)多源數(shù)據(jù)反演煤體的瓦斯含量、煤體結(jié)構(gòu)及地應(yīng)力等特征，其中瓦斯含量是重點(diǎn)。煤體瓦斯含量是煤體瓦斯涌出潛能的直接表現(xiàn)，煤體瓦斯涌出量的多少最終取決于煤體本身?yè)碛械耐咚购炕蛘咄咚節(jié)撃艿亩嗌賉19-20]。通過(guò)對(duì)煤與瓦斯突出的影響因素和工作面瓦斯涌出的主控因素分析，建立了瓦斯量特征、解吸特征、波動(dòng)特征和趨勢(shì)特征的四大類預(yù)警模型，如圖2所示。

圖2 瓦斯涌出特征與突出影響因素關(guān)系Fig.2 Relationship between gas emission characteristics and outburst influencing factors

3.2 預(yù)警模型的優(yōu)選

預(yù)警模型建立后，由于預(yù)警模型較多，預(yù)警模型計(jì)算結(jié)果能否有效反映工作面的突出危險(xiǎn)性，需要對(duì)預(yù)警模型進(jìn)行優(yōu)選，篩選出預(yù)警效果較好的預(yù)警模型。預(yù)警模型的優(yōu)選方法有對(duì)比分析、相關(guān)性分析等方法。

1)對(duì)比分析法。對(duì)比分析法是將預(yù)警模型計(jì)算結(jié)果和實(shí)際防突預(yù)測(cè)數(shù)據(jù)繪制成曲線圖，對(duì)比2者之間的關(guān)聯(lián)性和有效性，當(dāng)2者變化趨勢(shì)一致時(shí)，認(rèn)為預(yù)警模型能夠反演實(shí)際防突預(yù)測(cè)信息，預(yù)警效果較好，反之則代表該預(yù)警模型有效性較弱。

在防突預(yù)測(cè)作業(yè)中，鉆屑瓦斯解吸指標(biāo)K1、瓦斯含量、瓦斯壓力P等均能反映煤層的突出危險(xiǎn)性。為驗(yàn)證預(yù)警模型的有效性，可以根據(jù)K1-P關(guān)系，通過(guò)K1值反演瓦斯壓力和瓦斯含量，對(duì)預(yù)警模型的有效性進(jìn)行多指標(biāo)交叉驗(yàn)證。此外還可以根據(jù)煤礦生產(chǎn)過(guò)程中觀測(cè)到的煤層賦存變化、打鉆動(dòng)力現(xiàn)象等信息，對(duì)預(yù)警模型的預(yù)警效果進(jìn)行考察，分析預(yù)警模型對(duì)井下實(shí)際觀測(cè)到的異常信息是否有響應(yīng)。

2)相關(guān)性分析法。對(duì)比分析法只能對(duì)預(yù)警指標(biāo)和防突預(yù)測(cè)指標(biāo)進(jìn)行一個(gè)定性的分析，不能對(duì)預(yù)警模型進(jìn)行定量的評(píng)價(jià)，分析2者之間的差異。為定量評(píng)價(jià)2者之間的相關(guān)性，可以采用計(jì)算兩條曲線波動(dòng)特征的方法，衡量2者之間的相關(guān)性大小，以避免因人為主觀因素導(dǎo)致預(yù)警模型的選取失誤。定義波動(dòng)特征為

(1)

其中：Wi為波動(dòng)特征，i=1,2,…,n-1；Di為第i個(gè)數(shù)據(jù)，i=1,2,…,n。

通過(guò)比較預(yù)警模型和實(shí)測(cè)防突預(yù)測(cè)數(shù)據(jù)的波動(dòng)特征，可以得出各預(yù)警模型有效性的強(qiáng)弱。

3.3 預(yù)警臨界值自適應(yīng)

預(yù)警模型確定后還需要對(duì)預(yù)警臨界值進(jìn)行考察，以提高預(yù)警的準(zhǔn)確率。由于各個(gè)煤礦存在不同的煤層瓦斯賦存條件，使得各個(gè)煤層甚至不同采區(qū)發(fā)生煤與瓦斯突出的臨界值不同。為避免同一臨界值用于所有條件帶來(lái)的預(yù)警準(zhǔn)確率較低的情況，降低人工考察跟蹤預(yù)警臨界值的工作量，應(yīng)用數(shù)據(jù)驅(qū)動(dòng)思維，建立預(yù)警臨界值自適應(yīng)訓(xùn)練模型，隨著采掘活動(dòng)的進(jìn)行，產(chǎn)生的新數(shù)據(jù)持續(xù)不斷的對(duì)預(yù)警臨界值進(jìn)行修正，最終使預(yù)警臨界值適應(yīng)當(dāng)前的采掘狀況，實(shí)現(xiàn)預(yù)警臨界值的自適應(yīng)。

預(yù)警臨界值的自適應(yīng)是通過(guò)建立預(yù)警模型數(shù)據(jù)與實(shí)測(cè)防突數(shù)據(jù)之間的關(guān)系，根據(jù)該關(guān)系計(jì)算出當(dāng)實(shí)測(cè)值處于臨界值時(shí)預(yù)警模型的數(shù)值。例如可以通過(guò)建立預(yù)警模型數(shù)據(jù)與實(shí)測(cè)瓦斯含量、瓦斯壓力、鉆屑瓦斯解吸指標(biāo)K1的線性關(guān)系，計(jì)算當(dāng)實(shí)測(cè)指標(biāo)瓦斯含量為8 m3/t、瓦斯壓力為0.74 MPa或K1值為0.5的時(shí)候?qū)?yīng)預(yù)警模型的數(shù)值即為預(yù)警臨界值。

4 應(yīng)用分析

本技術(shù)在貴州盤(pán)州地區(qū)某煤礦進(jìn)行應(yīng)用，通過(guò)對(duì)預(yù)警模型的定量評(píng)價(jià)，優(yōu)選出了預(yù)警A指標(biāo)和預(yù)警S指標(biāo)，并通過(guò)臨界值自適應(yīng)方法優(yōu)化了預(yù)警臨界值范圍。在考察期間對(duì)一次煤層厚度變化現(xiàn)象提前進(jìn)行了預(yù)警，在采取相應(yīng)措施后安全通過(guò)煤層厚度異常變化區(qū)域，通過(guò)現(xiàn)場(chǎng)應(yīng)用驗(yàn)證了本技術(shù)在預(yù)警指標(biāo)優(yōu)選和臨界值自適應(yīng)方面的有效性。

4.1 工作面概況

該煤礦主采17號(hào)煤層為突出煤層，瓦斯含量高，開(kāi)采過(guò)程中瓦斯涌出量大。該煤礦生產(chǎn)過(guò)程中產(chǎn)生的結(jié)構(gòu)類數(shù)據(jù)，通過(guò)定制開(kāi)發(fā)的數(shù)據(jù)自動(dòng)采集程序進(jìn)行傳輸，獲取監(jiān)控系統(tǒng)中各傳感器數(shù)據(jù)，非結(jié)構(gòu)類數(shù)據(jù)可通過(guò)客戶端錄入上傳。

4.2 預(yù)警模型的優(yōu)選

根據(jù)煤與瓦斯突出影響因素，建立了四大類預(yù)警模型，預(yù)警模型建立后，通過(guò)對(duì)比分析和相關(guān)性分析對(duì)預(yù)警模型進(jìn)行優(yōu)選。在本次預(yù)警模型的優(yōu)選過(guò)程中，實(shí)測(cè)防突預(yù)測(cè)數(shù)據(jù)選擇的是鉆屑瓦斯解吸指標(biāo)K1。

選取該煤礦12171里段運(yùn)輸巷在2020-09-01—2020-10-10的數(shù)據(jù)，對(duì)4個(gè)典型預(yù)警指標(biāo)A、B、S、D(預(yù)警指標(biāo)釋義見(jiàn)表1)進(jìn)行對(duì)比分析和相關(guān)性分析。通過(guò)繪制預(yù)警指標(biāo)與實(shí)測(cè)防突預(yù)測(cè)數(shù)據(jù)K1的趨勢(shì)線進(jìn)行對(duì)比分析(圖3)。

表1 預(yù)警模型釋義Table 1 Explanation of early warning model

通過(guò)圖3可以定性的考察預(yù)警模型數(shù)據(jù)與實(shí)測(cè)防突預(yù)測(cè)數(shù)據(jù)之間的相關(guān)性。為定量分析各預(yù)警指標(biāo)的有效性，按照式(1)的方法分別計(jì)算各個(gè)預(yù)警指標(biāo)的波動(dòng)特征，以此來(lái)衡量各預(yù)警指標(biāo)與實(shí)測(cè)防突預(yù)測(cè)數(shù)據(jù)之間的相關(guān)性，波動(dòng)特征計(jì)算結(jié)果見(jiàn)表2。

表2 數(shù)據(jù)波動(dòng)特征Table 2 Data fluctuation characteristics

由表2可知，各預(yù)警指標(biāo)當(dāng)中，與K1值波動(dòng)率最接近的是預(yù)警A指標(biāo)和預(yù)警S指標(biāo)，由圖中也同樣可以看出預(yù)警A指標(biāo)和預(yù)警S指標(biāo)對(duì)K1值的跟蹤性較好，能夠反映煤與瓦斯突出的危險(xiǎn)性大小，因此將預(yù)警A指標(biāo)和預(yù)警S指標(biāo)作為該煤礦的預(yù)警指標(biāo)。

4.3 預(yù)警臨界值自適應(yīng)訓(xùn)練

對(duì)該煤礦12171里段運(yùn)輸巷2020-09-01—2020-10-10期間實(shí)測(cè)值K1和對(duì)應(yīng)的預(yù)警A指標(biāo)數(shù)據(jù)進(jìn)行處理，通過(guò)回歸分析，計(jì)算各時(shí)間段內(nèi)2者之間的關(guān)系，如圖4所示。

圖4 4個(gè)預(yù)警模型有效性分析Fig.4 Effectiveness analysis of four early warning models

由圖5可知，隨著工作面的推進(jìn)，實(shí)測(cè)數(shù)據(jù)和預(yù)警指標(biāo)數(shù)據(jù)不斷豐富，預(yù)警臨界值模型動(dòng)態(tài)更新以更好的反映預(yù)警指標(biāo)A與K1值之間的關(guān)系。計(jì)算得出2者的關(guān)系模型，得出當(dāng)K1=0.5時(shí)，對(duì)應(yīng)預(yù)警A指標(biāo)大小即為預(yù)警臨界值，計(jì)算結(jié)果見(jiàn)表3。

表3 預(yù)警臨界值計(jì)算結(jié)果Table 3 Calculation result of early warning critical value

圖5 預(yù)警臨界值隨時(shí)間變化趨勢(shì)Fig.5 The warning threshold changes over time

由表3可知，隨著時(shí)間的推移，預(yù)警臨界值隨之動(dòng)態(tài)變化，應(yīng)用前40 d的臨界值模型計(jì)算出該工作面當(dāng)K1=0.5時(shí)，A指標(biāo)臨界值為9.99。當(dāng)指標(biāo)超過(guò)9.99時(shí)認(rèn)為突出危險(xiǎn)性較高。

臨界值模型剛開(kāi)始應(yīng)用時(shí)數(shù)值變化較大，初始階段可以使用默認(rèn)預(yù)警臨界值，隨著采掘作業(yè)的進(jìn)行，預(yù)警臨界值自適應(yīng)后可采用訓(xùn)練后的臨界值進(jìn)行預(yù)警。為加快預(yù)警臨界值的優(yōu)化過(guò)程，可將同一地質(zhì)單元或采區(qū)的數(shù)據(jù)進(jìn)行保存，用于下一個(gè)工作面掘進(jìn)時(shí)繼承迭代更新。

4.4 預(yù)警典型案例

該煤礦12173里段運(yùn)輸巷在掘進(jìn)期間瓦斯涌出量大，煤與瓦斯突出危險(xiǎn)較高，應(yīng)用該技術(shù)體系，對(duì)掘進(jìn)過(guò)程進(jìn)行持續(xù)監(jiān)控。2020-08-10晚班，預(yù)警系統(tǒng)的預(yù)警A指標(biāo)超過(guò)臨界值，并及時(shí)向該煤礦通風(fēng)部發(fā)送了預(yù)警短信。2020-08-11早班掘進(jìn)作業(yè)時(shí)瓦斯體積分?jǐn)?shù)繼續(xù)攀升，預(yù)警A指標(biāo)達(dá)到11.42，隨即前往工作面查看，經(jīng)現(xiàn)場(chǎng)確認(rèn)該工作面掘進(jìn)工作面頂板附近煤厚異常，煤層厚度由4.5 m增大到了6 m，使得瓦斯涌出異常升高。在采取相應(yīng)措施后安全穿過(guò)煤層厚度異常增大區(qū)域，隨后瓦斯體積分?jǐn)?shù)水平逐步回落，預(yù)警指標(biāo)也逐漸回歸正常。

5 結(jié) 論

1)研究了多源數(shù)據(jù)驅(qū)動(dòng)防突預(yù)警指標(biāo)自適應(yīng)技術(shù)，通過(guò)多源數(shù)據(jù)采集、建立預(yù)警模型、模型的有優(yōu)選和預(yù)警臨界值自適應(yīng)訓(xùn)練，提高了預(yù)警指標(biāo)的有效性和精確性。

2)研究了預(yù)警模型優(yōu)選方法，實(shí)現(xiàn)對(duì)預(yù)警模型的有效性定量評(píng)價(jià)，克服傳統(tǒng)人工定性篩選所存在的隨機(jī)性偏差問(wèn)題。

3)研究了預(yù)警指標(biāo)臨界值自適應(yīng)方法，使預(yù)警臨界值能夠自適應(yīng)煤礦開(kāi)采條件，有效縮小預(yù)警臨界值范圍，提高預(yù)警準(zhǔn)確率。

4)該技術(shù)體系在貴州盤(pán)州地區(qū)某煤礦應(yīng)用過(guò)程中，提前捕捉到煤層厚度異常導(dǎo)致的瓦斯涌出異?，F(xiàn)象，具有良好的預(yù)警效果。