孫文潔，李文杰，寧殿艷，任凌楓

(1.陜西省煤礦水害防治技術(shù)重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710077；2.中國(guó)礦業(yè)大學(xué)(北京) 國(guó)家煤礦水害防治工程技術(shù)研究中心，北京 100083；3.中煤科工西安研究院(集團(tuán))有限公司，陜西 西安 710077)

我國(guó)的能源稟賦條件決定了當(dāng)前和今后相當(dāng)長(zhǎng)時(shí)期煤炭在我國(guó)能源供應(yīng)中仍將處于主體能源地位[1]，但由于煤炭資源分布廣泛，開采所面臨的水文地質(zhì)條件復(fù)雜以及普遍存在的“水壓煤”現(xiàn)象使煤炭行業(yè)生產(chǎn)活動(dòng)伴隨著煤礦水害事故[2]，尤其是近年來煤炭資源開采由淺部走向深部，煤炭資源需求進(jìn)一步增加，開采中心向西部轉(zhuǎn)移，煤礦水害事故呈現(xiàn)“預(yù)測(cè)難、影響范圍廣、群死群傷”的特點(diǎn)[3-4]。

2022 年我國(guó)生產(chǎn)煤炭44.96 億t，同比增長(zhǎng)9.5%，作為煤炭大國(guó)，我國(guó)高度重視煤炭能源創(chuàng)新發(fā)展，煤礦開采技術(shù)和裝備取得突破性進(jìn)展，同時(shí)也加強(qiáng)了煤礦安全生產(chǎn)檢查工作，近幾十年來全國(guó)煤礦水害事故得到有效控制，煤礦水害事故發(fā)生起數(shù)和死亡人數(shù)整體呈下降趨勢(shì)[5]，但仍時(shí)有發(fā)生，易造成大量的人員傷亡和經(jīng)濟(jì)損失。因此，開展煤礦水害事故統(tǒng)計(jì)和安全形勢(shì)研判對(duì)煤礦生產(chǎn)工作具有重要指導(dǎo)意義。國(guó)內(nèi)諸多學(xué)者針對(duì)煤礦水害事故起數(shù)和死亡人數(shù)進(jìn)行了大量研究，魏久傳等[6]從時(shí)間、區(qū)域、企業(yè)類型以及煤礦水害事故的突水水源、突水通道、突水地點(diǎn)等特征對(duì)2001?2013 年的煤礦水害事故進(jìn)行統(tǒng)計(jì)分析，以此提出了有效的防治措施和建議；吳金隨等[7]以2001?2020 年全國(guó)煤礦水害事故為統(tǒng)計(jì)對(duì)象，對(duì)水害事故類型和等級(jí)進(jìn)行研究，歸納了不同類型水害事故比例以及不同等級(jí)水害事故的發(fā)展趨勢(shì)；景國(guó)勛等[8]認(rèn)為煤礦水害事故受到突水水源、地域、時(shí)間和煤礦所有制的影響，根據(jù)不同類型的水害事故提出了具體的技術(shù)防治路線；張培森等[9]對(duì)2008?2021 年全國(guó)煤礦水害事故的發(fā)生規(guī)律進(jìn)行了詳細(xì)分析，并建立向量自回歸(Vector Autoregressive，VAR) 模型對(duì)水害事故百萬噸死亡率進(jìn)行預(yù)測(cè)；徐斌等[10]總結(jié)了近20 a 全國(guó)煤礦水害事故特征規(guī)律，結(jié)合不同水害事故發(fā)生的原因，提出了相應(yīng)的防治對(duì)策。目前研究主要集中在煤礦水害事故起數(shù)統(tǒng)計(jì)與發(fā)生規(guī)律分析，對(duì)于煤礦水害事故演變趨勢(shì)方面的研判和煤礦水害事故與具體水害區(qū)的關(guān)聯(lián)性研究較少。

基于此，筆者通過煤礦安全生產(chǎn)網(wǎng)、國(guó)家以及各省礦山安全監(jiān)察局(原國(guó)家煤礦安全監(jiān)察局)搜集統(tǒng)計(jì)了2001?2022 年全國(guó)煤礦水害事故數(shù)據(jù)和煤炭產(chǎn)量，從事故發(fā)生年份、事故發(fā)生區(qū)域、事故級(jí)別和死亡人數(shù)以及水害事故的影響因素方面進(jìn)行研究，并建立LSTM 模型，對(duì)2023、2024 年我國(guó)煤礦水害事故百萬噸死亡率進(jìn)行預(yù)測(cè)，以期為煤礦安全生產(chǎn)目標(biāo)和控制煤礦水害事故死亡人數(shù)提供參考依據(jù)。

1 我國(guó)煤礦水害事故統(tǒng)計(jì)分析

1.1 事故年份

2001?2022 年我國(guó)共發(fā)生煤礦安全事故33 546起，造成56 224 人死亡，其中水害事故共1 103 起，死亡人數(shù)4 667 人，其分別占煤礦總事故起數(shù)的3.29%和總煤礦事故死亡人數(shù)的8%，近20 a 我國(guó)煤礦水害事故統(tǒng)計(jì)見表1。

表1 2001?2022 年全國(guó)煤礦水害事故情況統(tǒng)計(jì)Table 1 Statistics of coal mine water hazard accidents in China from 2001 to 2022

從表1 可以看出，2002 年我國(guó)發(fā)生的煤礦水害事故起數(shù)最多，占全國(guó)煤礦水害事故總起數(shù)的14.45%；2019 年發(fā)生的水害事故起數(shù)最少，占總事故起數(shù)的0.27%，2005 年我國(guó)煤礦水害事故造成的死亡人數(shù)最多，死亡605 人；2019 年煤礦水害事故死亡人數(shù)最少，占總水害事故死亡人數(shù)0.22%。整體來看，我國(guó)煤礦水害事故起數(shù)以及水害事故造成的死亡人數(shù)有明顯的下降趨勢(shì)，2001 年到2022 年水害事故和死亡人數(shù)分別下降了93.57%和96.06%，煤礦水害事故發(fā)生起數(shù)和煤礦水害事故死亡人數(shù)高度相關(guān)，變化趨勢(shì)一致(圖1)。

圖1 2001?2022 年全國(guó)煤礦水害事故變化趨勢(shì)Fig.1 Trend of coal mine water hazard accidents in China from 2001 to 2022

由于煤礦水害事故易出現(xiàn)群死群傷的特點(diǎn)，致使煤礦水害事故死亡人數(shù)的變化大于水害事故起數(shù)，從2016 年開始我國(guó)煤礦水害事故起數(shù)下降至個(gè)位數(shù)，煤礦水害事故死亡人數(shù)控制在每年50 人以內(nèi)，并穩(wěn)步減少，隨著我國(guó)煤炭資源開發(fā)加速西移以及煤炭資源開采深度的逐年加深，煤礦水害事故起數(shù)和死亡人數(shù)又有所反彈，說明我國(guó)的水害防治工作面臨新的風(fēng)險(xiǎn)和挑戰(zhàn)。

1.2 事故發(fā)生區(qū)域

我國(guó)煤炭資源分布具有天然的地域分異性，結(jié)合不同地域地質(zhì)條件以及煤礦水害的發(fā)生情況，可將我國(guó)煤礦區(qū)劃分為六大礦井水害區(qū)[11]，包括華南晚二疊世煤田的巖溶水害區(qū)、華北石炭?二疊紀(jì)煤田的巖溶?裂隙水害區(qū)、臺(tái)灣古近紀(jì)煤田的裂隙水害區(qū)、西藏?滇西中生代煤田的裂隙水害區(qū)、西北侏羅紀(jì)煤田的裂隙水害區(qū)和東北侏羅紀(jì)煤田的裂隙水害區(qū)。將2001?2022 年煤礦水害事故數(shù)據(jù)按照水害區(qū)劃分如圖2 所示，圖2a 顯示煤礦水害事故在不同水害區(qū)的分布，圖2b顯示水害事故死亡人數(shù)在不同水害區(qū)的分布。可以看到，目前我國(guó)的煤礦水害事故主要發(fā)生在華北、華南和東北水害區(qū)，表現(xiàn)出明顯的空間集聚性。由于2001年后臺(tái)灣省已無煤礦生產(chǎn)活動(dòng)，所以在此不做論述。雖然西北、西藏?滇西水害區(qū)水害事故較少，但在“十四五”規(guī)劃下優(yōu)化我國(guó)煤炭生產(chǎn)的開發(fā)布局，煤炭資源開發(fā)中心向西部轉(zhuǎn)移[12]，近兩年發(fā)生在西北水害區(qū)的煤礦水害事故占近兩年總起數(shù)的36.36%，死亡人數(shù)占比高達(dá)74.24%，因此，西北、西藏?滇西水害區(qū)的水害防治也是目前需要關(guān)注的重點(diǎn)。

圖2 不同水害區(qū)水害事故起數(shù)和死亡人數(shù)分布統(tǒng)計(jì)Fig.2 Distribution of water hazard accidents and death toll in different water hazard areas

1.3 事故等級(jí)

根據(jù)事故死亡人數(shù)對(duì)統(tǒng)計(jì)的煤礦水害事故進(jìn)行分類，分為特別重大水害事故(死亡人數(shù)30 人以上)，重大水害事故(死亡人數(shù)10 人以上30 人以下)，較大水害事故(死亡人數(shù)3 人以上10 人以下)，一般水害事故(死亡人數(shù)3 人以內(nèi))[4]，分類結(jié)果如圖3 所示。

圖3 不同等級(jí)水害事故的分布情況Fig.3 Distribution of water hazard accidents in different levels

從圖3a 和圖3b 可以看出，2001?2022 年煤礦水害事故規(guī)模整體控制較好，我國(guó)特別重大煤礦水害事故從2011 年開始清零，重大水害事故波動(dòng)下降后在近兩年又有反彈趨勢(shì)，較大和一般水害事故發(fā)生起數(shù)和傷亡人數(shù)明顯降低。圖3c 和圖3d 顯示2001?2022年較大和一般的水害事故數(shù)量最多，占總事故起數(shù)的91.21%，造成死亡人數(shù)達(dá)2 693 人，占事故總死亡人數(shù)的57.70%；我國(guó)特別重大煤礦水害事故和重大煤礦水害事故占比較少，分別為1%和7.79%，死亡人數(shù)分別占總死亡人數(shù)的13.84%和28.46%。

雖然在事故發(fā)生起數(shù)和死亡人數(shù)方面，特別重大煤礦水害事故和重大煤礦水害事故所占比例少，但其出現(xiàn)會(huì)造成嚴(yán)重的經(jīng)濟(jì)損失和社會(huì)影響，例如2021 年新疆昌吉州呼圖壁縣白楊溝豐源煤礦重大透水事故、2021 年青海省海北藏族自治州剛察縣柴達(dá)爾煤礦重大透水事故等，兩起事故分別造成了21 和20 人死亡以及7 067.2 萬元和5 391.02 萬元的經(jīng)濟(jì)損失，為防止水害事故演變?yōu)橹卮蠡蛱貏e重大水害事故，需要加強(qiáng)對(duì)礦井防治水重要性的認(rèn)識(shí)。

1.4 事故相關(guān)性

在我國(guó)煤炭資源開發(fā)重心轉(zhuǎn)移的背景下進(jìn)一步研究煤炭產(chǎn)量與我國(guó)煤礦水害事故之間的關(guān)聯(lián)性，對(duì)提高我國(guó)煤礦安全生產(chǎn)水平具有重要意義。通過分析2001?2022 年我國(guó)煤炭產(chǎn)量數(shù)據(jù)發(fā)現(xiàn)，我國(guó)的煤炭產(chǎn)量整體呈顯著上升趨勢(shì)，2001?2022 年全國(guó)原煤產(chǎn)量及死亡人數(shù)統(tǒng)計(jì)數(shù)據(jù)如圖4 所示。

圖4 原煤產(chǎn)量與全國(guó)煤礦水害事故死亡人數(shù)趨勢(shì)對(duì)比Fig.4 Comparison of raw coal production with death toll trend of coal mine water hazard accidents in China

煤炭產(chǎn)量從2001 年的14.7 億t 增長(zhǎng)到2022 年的44.96 億t，增長(zhǎng)了205.85%，多年平均增長(zhǎng)率為5.66%，年變化幅度為0.931 億t。由圖4 可知，煤炭產(chǎn)量除2014?2016 年為負(fù)增長(zhǎng)外，其余年份均呈增長(zhǎng)趨勢(shì)，最大增長(zhǎng)率在2003 年，同比增長(zhǎng)18.06%。

從數(shù)據(jù)統(tǒng)計(jì)可以得到煤礦水害事故死亡人數(shù)與煤炭產(chǎn)量存在一定的相關(guān)性。2001?2005 年煤礦水害事故死亡人數(shù)與煤炭產(chǎn)量呈正相關(guān)關(guān)系，煤礦水害事故死亡人數(shù)在2005 年達(dá)到峰值后快速下降，與煤炭產(chǎn)量開始呈負(fù)相關(guān)關(guān)系，這說明我國(guó)煤炭行業(yè)在政策調(diào)整以及煤炭開采技術(shù)、裝備、煤礦企業(yè)管理水平等提升的背景下安全生產(chǎn)形勢(shì)趨于穩(wěn)定。但隨著傳統(tǒng)煤炭產(chǎn)區(qū)資源枯竭，煤炭資源開發(fā)大規(guī)模轉(zhuǎn)向富煤的西部地區(qū)，在煤炭產(chǎn)量穩(wěn)步遞增的情況下帶來不確定性水害致災(zāi)風(fēng)險(xiǎn)的提高，如2021 年我國(guó)煤炭資源增長(zhǎng)率為4.36%，而煤礦水害事故的死亡人數(shù)同比增加了92%，其中西部地區(qū)死亡人數(shù)占比達(dá)95.83%，說明就目前煤炭行業(yè)的開發(fā)格局而言，煤炭產(chǎn)量仍是影響煤礦安全生產(chǎn)的重要因素，在進(jìn)行煤炭資源開采時(shí)需進(jìn)一步加強(qiáng)煤礦水害致災(zāi)因素的探測(cè)與治理，保障煤炭產(chǎn)量的同時(shí)，從事故源頭對(duì)煤礦水害進(jìn)行有效遏制。

2 百萬噸死亡率預(yù)測(cè)

目前，國(guó)內(nèi)學(xué)者提出了多種煤礦事故預(yù)測(cè)方法，包括向量自回歸模型[9]、三次指數(shù)平滑分析法[13]、灰色模型[14]、馬爾可夫模型[15]等，這些預(yù)測(cè)方法往往對(duì)時(shí)間序列數(shù)據(jù)的依存關(guān)系考慮較少，在模型應(yīng)用上還存在時(shí)間跨度短、樣本數(shù)據(jù)較少等問題，而長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(Long Short-Term Memory，LSTM)模型可以用來處理時(shí)間序列數(shù)據(jù)問題，對(duì)信息進(jìn)行篩選與整合，更好地抓取數(shù)據(jù)中長(zhǎng)距離的依存特征，非常適合進(jìn)行時(shí)序數(shù)據(jù)的預(yù)測(cè)研究。百萬噸死亡率是衡量煤礦安全生產(chǎn)狀況的一個(gè)綜合指標(biāo)，同時(shí)也是國(guó)家統(tǒng)計(jì)和量化考核煤礦安全生產(chǎn)形勢(shì)的重要指標(biāo)，因此，為科學(xué)研判我國(guó)煤礦水害事故的演變趨勢(shì)，本文采用LSTM 模型對(duì)2023、2024 年我國(guó)煤礦水害事故百萬噸死亡率進(jìn)行預(yù)測(cè)，選取如下具體指標(biāo)：當(dāng)年我國(guó)煤礦水害事故百萬噸死亡率，該指標(biāo)是預(yù)測(cè)的核心數(shù)據(jù)；我國(guó)煤炭產(chǎn)量，該指標(biāo)代表我國(guó)原煤產(chǎn)量的變化。

灰色模型在我國(guó)煤礦事故預(yù)測(cè)研究中應(yīng)用較廣，為防止過去數(shù)據(jù)對(duì)預(yù)測(cè)結(jié)果的影響，在傳統(tǒng)灰色模型基礎(chǔ)上進(jìn)行優(yōu)化，得到等維新息灰色模型，其預(yù)測(cè)性能在煤礦事故預(yù)測(cè)研究中表現(xiàn)更好。基于此，本文以等維新息灰色模型作為基準(zhǔn)模型，進(jìn)一步驗(yàn)證構(gòu)建的模型在煤礦水害事故方面預(yù)測(cè)的適用性，驗(yàn)證模型的預(yù)測(cè)能力。等維新息灰色GM(1,1)模型的具體構(gòu)建過程參考文獻(xiàn)[14-15]。

2.1 模型構(gòu)建

2.1.1 長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)

1997 年提出的LSTM 模型，是帶有長(zhǎng)短期記憶單元的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN) 的一種變體，在RNN 原有基礎(chǔ)上增加了保存序列數(shù)據(jù)歷史信息的能力，同時(shí)解決了數(shù)據(jù)梯度爆炸和梯度消失的問題[16]，可以更好地用來處理時(shí)間序列問題。LSTM 網(wǎng)絡(luò)結(jié)構(gòu)與循環(huán)神經(jīng)網(wǎng)絡(luò)整體結(jié)構(gòu)基本相同，如圖5 所示。

圖5 LSTM 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.5 Neural structure of LSTM network

通過圖5 可以觀察到循環(huán)神經(jīng)網(wǎng)絡(luò)的神經(jīng)元在接受當(dāng)前輸入的向量的同時(shí)還會(huì)接受上一時(shí)刻的隱藏向量。LSTM 對(duì)隱含層進(jìn)行了處理，結(jié)構(gòu)包含一系列循環(huán)記憶模塊，這些模塊連接在一起，在原RNN 基礎(chǔ)上增加了自己連接的細(xì)胞(cell)狀態(tài)，用來保存歷史信息，同時(shí)還有控制信息流動(dòng)。3 個(gè)門限單元系統(tǒng)如圖6所示。

圖6 LSTM 單元結(jié)構(gòu)[17]Fig.6 LSTM unit structure [17]

LSTM 工作過程包括前向傳播和利用梯度下降法進(jìn)行的反向傳播，在工作過程中更新ft、it、at、Ct、ot以及ht，運(yùn)算過程如下：

式中：t為時(shí)刻；ft為遺忘門(forget gate)，用來控制上一細(xì)胞狀態(tài)Ct?1傳入過來的信息量；it、at分別為輸入門(input gate)，控制當(dāng)前輸入的新信息量；Ct為更新之后的新信息量；ot為輸出門(output gate)基于當(dāng)前細(xì)胞狀態(tài)Ct計(jì)算輸出；ht為當(dāng)前的隱含層向量；ht-1為上一時(shí)刻輸出的隱含層向量；Whf、Whi、Wha、Who、Uxf、Uxi、Uxa、Uxo為權(quán)重矩陣；bf、bi、ba、bo為偏置向量；tanh()為雙曲正切函數(shù)；σ()為激活函數(shù)。輸入門和遺忘門用來處理單元內(nèi)部狀態(tài)，輸出門主要決定LSTM 單元的內(nèi)部狀態(tài)對(duì)整個(gè)系統(tǒng)的影響[18]。LSTM 不僅可以進(jìn)行單元之間的外部循環(huán)還可以進(jìn)行細(xì)胞內(nèi)部的自循環(huán)，可以更好地處理時(shí)間序列數(shù)據(jù)的歷史信息[19-20]。概而言之，LSTM 神經(jīng)網(wǎng)絡(luò)的輸出不只由當(dāng)前的輸入決定，還會(huì)考慮之前的輸入。

2.1.2 模型結(jié)構(gòu)

本文建立的LSTM 模型由一個(gè)輸入層、兩個(gè)LSTM層、兩個(gè)Dropout 層、一個(gè)全連接層以及一個(gè)輸出層組成，共7 層結(jié)構(gòu)，建立的預(yù)測(cè)模型采用滾動(dòng)預(yù)測(cè)法進(jìn)行預(yù)測(cè)。為獲得先驗(yàn)信息將第1 期和第2 期的序列數(shù)據(jù)作為初始樣本對(duì)下一期數(shù)據(jù)進(jìn)行預(yù)測(cè)，同時(shí)將第3期的真實(shí)值加入樣本區(qū)間并剔除第1 期數(shù)據(jù)，開始新一輪的預(yù)測(cè)，滾動(dòng)向前進(jìn)行預(yù)測(cè)，在指標(biāo)時(shí)序數(shù)據(jù)的真實(shí)值缺少時(shí)，將模型在前一個(gè)時(shí)間步所做的預(yù)測(cè)結(jié)果當(dāng)做真實(shí)值輸入，模型預(yù)測(cè)過程中先分別調(diào)用煤礦水害事故百萬噸死亡率、煤炭產(chǎn)量時(shí)序數(shù)據(jù)，放入LSTM模型中進(jìn)行預(yù)測(cè)，獲得兩項(xiàng)指標(biāo)未來的預(yù)測(cè)值。然后將多元時(shí)間序列數(shù)據(jù)輸入模型進(jìn)行煤礦水害事故百萬噸死亡率的預(yù)測(cè)，建立的模型對(duì)于煤礦水害事故百萬噸死亡率預(yù)測(cè)的實(shí)現(xiàn)過程如圖7 所示。

圖7 模型預(yù)測(cè)實(shí)現(xiàn)過程Fig.7 Model prediction implementation process

2.1.3 數(shù)據(jù)歸一化處理

本文將處理過的2001?2022 年的煤炭產(chǎn)量數(shù)據(jù)以及水害事故百萬噸死亡率作為原始輸入值輸入LSTM模型，為了使神經(jīng)網(wǎng)絡(luò)對(duì)輸入與輸出變得更為敏感從而加速收斂，改善模型性能，本文通過min-max 標(biāo)準(zhǔn)化對(duì)數(shù)據(jù)進(jìn)行統(tǒng)一處理，使數(shù)據(jù)可以快速分布到激活函數(shù)的非飽和區(qū)，將輸入的煤炭產(chǎn)量時(shí)序數(shù)據(jù)轉(zhuǎn)化到[0,1]內(nèi)，min-max 公式如下：

式中：xscaled為歸一化之后的數(shù)據(jù)；x為輸入的原始數(shù)據(jù)；xmin為數(shù)據(jù)中的最小值；xmax為數(shù)據(jù)中的最大值。

2.1.4 參數(shù)說明

本文利用交叉驗(yàn)證法來進(jìn)行模型各個(gè)參數(shù)的優(yōu)化，劃分前75% 的時(shí)序數(shù)據(jù)為訓(xùn)練集，后25% 數(shù)據(jù)為驗(yàn)證集，調(diào)整不同參數(shù)組合進(jìn)行預(yù)測(cè)，并與驗(yàn)證集通過遞增窗口進(jìn)行對(duì)比，找出最佳的參數(shù)組合。將驗(yàn)證集分為3 折，每一折包含n期樣本，以訓(xùn)練集預(yù)測(cè)的n1結(jié)果與真實(shí)值進(jìn)行對(duì)比，計(jì)算均方根誤差(ERMS1)，然后訓(xùn)練集增加n1期樣本預(yù)測(cè)n2，計(jì)算均方根誤差(ERMS2)，然后訓(xùn)練集增加n2期樣本預(yù)測(cè)n3，計(jì)算均方根誤差(ERMS3)，最終通過3 次驗(yàn)證集的模型訓(xùn)練結(jié)果計(jì)算出平均的均方根誤差，選取預(yù)測(cè)過程中性能表現(xiàn)最好的模型參數(shù)。

建立的LSTM 模型的LSTM 層數(shù)為兩層，每一層隱藏的神經(jīng)元數(shù)為100，Droupt 層規(guī)則參數(shù)為0.2，即在預(yù)測(cè)過程中隨機(jī)丟棄20%的神經(jīng)元防止模型過擬合，模型的損失函數(shù)為平均絕對(duì)誤差(MAE)，模型學(xué)習(xí)率設(shè)置為0.026，在訓(xùn)練過程中通過Adam 算法對(duì)模型進(jìn)行優(yōu)化，更新網(wǎng)絡(luò)模型參數(shù)，最后通過全連接層將提取到的特征信息映射為煤礦水害事故百萬噸死亡率，輸出層所用的激活函數(shù)為L(zhǎng)inear，本文建立模型的參數(shù)見表2。

表2 LSTM 模型參數(shù)設(shè)定Table 2 LSTM model parameter setting

輸入時(shí)，選取輸入特征維度input_size=2，輸入步長(zhǎng)input_window=2，輸出步長(zhǎng)output_window=2，同時(shí)設(shè)置訓(xùn)練集數(shù)據(jù)迭代800 次，即epochs=800，單次輸入模型的樣本點(diǎn)數(shù)量batch_size=64。

2.2 實(shí)證結(jié)果

建立的LSTM 模型在經(jīng)過驗(yàn)證后對(duì)2003?2024年的煤礦水害事故百萬噸死亡率進(jìn)行預(yù)測(cè)。基于等維新息灰色建模原理得到的等維新息灰色全國(guó)煤礦水害事故百萬噸死亡率預(yù)測(cè)模型作為本文的基準(zhǔn)模型，以2001?2022 年的多元時(shí)序數(shù)據(jù)為原始數(shù)據(jù)進(jìn)行預(yù)測(cè)，對(duì)比分析等維新息灰色模型、LSTM 模型的預(yù)測(cè)結(jié)果，均顯示我國(guó)煤礦水害事故百萬噸死亡率總體呈下降趨勢(shì)，2 種模型的預(yù)測(cè)結(jié)果如圖8 所示。

圖8 2 種模型預(yù)測(cè)與實(shí)際結(jié)果對(duì)比Fig.8 Comparison of the prediction results of two models with the actual data

為不同模型之間形成統(tǒng)一的衡量標(biāo)準(zhǔn)，通過對(duì)比2 種模型的平均絕對(duì)誤差(EMA)、均方根誤差(ERMS)以及決定系數(shù)(R2) 的值來衡量模型預(yù)測(cè)精度[21]，ERMS、EMA反映預(yù)測(cè)值與真實(shí)值之間的誤差，值越小，預(yù)測(cè)精度越高，R2則反映模型預(yù)測(cè)的整體擬合程度，值越大，模型擬合程度越大，2 種模型在水害事故百萬噸死亡率的EMA、ERMS和R2見表3。

表3 2 種模型預(yù)測(cè)結(jié)果對(duì)比Table 3 Comparison of prediction results of the two models

通過與作為基準(zhǔn)模型的等維新息灰色模型對(duì)比，LSTM 模型的模擬效果要優(yōu)于等維新息灰色模型，平均絕對(duì)誤差EMA、均方根誤差ERMS分別下降了13.68%和29.39%，決定系數(shù)R2值更大，為0.929 0，擬合程度更好。對(duì)比模型預(yù)測(cè)曲線，總體來說LSTM 模型預(yù)測(cè)值與實(shí)際煤礦水害事故百萬噸死亡率接近，沒有出現(xiàn)異常的預(yù)測(cè)值，LSTM 模型可以較好地用于煤礦事故方面的預(yù)測(cè)。利用建立的等維新息灰色模型、LSTM模型對(duì)未來兩年全國(guó)煤礦水害事故百萬噸死亡率進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果見表4。

表4 未來兩年煤礦水害事故百萬噸死亡率預(yù)測(cè)Table 4 Prediction of fatality rate per million tonnes of water hazard accidents in the next two years

預(yù)測(cè)結(jié)果符合我國(guó)目前煤礦水害事故死亡人數(shù)逐年降低的趨勢(shì)，表明我國(guó)安全生產(chǎn)形勢(shì)穩(wěn)定，但由于煤炭開采深度不斷加大，煤炭資源開發(fā)重心轉(zhuǎn)移，不確定性水害致災(zāi)風(fēng)險(xiǎn)增加以及水害事故“群死群傷”的本質(zhì)特點(diǎn)，仍需加強(qiáng)煤礦水害事故防控，保障我國(guó)煤炭工業(yè)安全生產(chǎn)。

3 防治對(duì)策

根據(jù)目前煤礦水害事故的發(fā)生特點(diǎn)，針對(duì)《煤炭工業(yè)“十四五”高質(zhì)量發(fā)展指導(dǎo)意見》中提出的優(yōu)化煤炭資源開發(fā)布局目標(biāo)，結(jié)合煤炭行業(yè)發(fā)展面臨的問題[22-23]，提出以下水害防治對(duì)策。

1) 因地制宜開展煤礦水害致災(zāi)風(fēng)險(xiǎn)普查

不同水害區(qū)水文地質(zhì)條件、煤炭資源儲(chǔ)量、開采深度等的不同，致使如今較難探明不同區(qū)域煤礦水害的致災(zāi)風(fēng)險(xiǎn)。隨著我國(guó)煤炭資源開發(fā)向西部轉(zhuǎn)移，煤礦開采深度逐年加深，煤炭資源開發(fā)布局進(jìn)入新階段，為保障原煤產(chǎn)量供應(yīng)的同時(shí)避免由于煤礦水害事故造成人員傷亡和經(jīng)濟(jì)損失，需進(jìn)一步加強(qiáng)不同區(qū)域煤礦水害致災(zāi)風(fēng)險(xiǎn)的普查研究，提升勘查技術(shù)水平，進(jìn)一步推動(dòng)水文地質(zhì)基礎(chǔ)工作與物探技術(shù)相結(jié)合，探明礦井水文地質(zhì)條件，將電法、磁法、地震等勘探技術(shù)運(yùn)用到煤炭資源開發(fā)的實(shí)際工作中[24]。在開發(fā)重心轉(zhuǎn)移的背景下采用三維地震探測(cè)技術(shù)可以適應(yīng)復(fù)雜的地面條件如戈壁、荒漠、山地陡坡等進(jìn)行持續(xù)探測(cè)，降低開采時(shí)的人力物力消耗，同時(shí)可以補(bǔ)充電磁勘探技術(shù)，從地表向下輸入電流，根據(jù)獲得的電磁波磁場(chǎng)分析具體的水文地質(zhì)情況，在勘查程度較低的西部可以將三維地震勘探和電磁勘探技術(shù)結(jié)合，降低施工的盲目性，為之后煤炭開采提供安全保障。煤炭資源開采深度的逐漸加大導(dǎo)致勘探難度和危害程度成倍遞增，單一的物探方法難以取得較好的探測(cè)效果，采用綜合物探技術(shù)將三維地震探測(cè)技術(shù)、鉆探、測(cè)井、水文地質(zhì)試驗(yàn)等相結(jié)合，進(jìn)一步保障深部煤層開采防治水安全。對(duì)不同區(qū)域水害致災(zāi)風(fēng)險(xiǎn)各要素進(jìn)行精細(xì)化分析，從煤礦水害事故的源頭出發(fā)遏制事故的發(fā)生。

2) 水害分區(qū)精準(zhǔn)防治

結(jié)合我國(guó)目前煤炭資源的開發(fā)格局，針對(duì)重點(diǎn)區(qū)域水害提出相應(yīng)防治技術(shù)手段。我國(guó)西北侏羅紀(jì)煤田是現(xiàn)階段煤炭資源的主要供應(yīng)區(qū)，開發(fā)過程中出現(xiàn)了不同程度的頂板砂巖含水層水害事故，針對(duì)這一區(qū)域的水害防治應(yīng)以“疏”為主，可以采用地面鉆孔疏放離層積水技術(shù)、井下泄水巷集中排水技術(shù)和減水開采技術(shù)等進(jìn)行水害防治[25]；中東部礦區(qū)部分礦井開采深度不斷加大，突水危險(xiǎn)性高，可以采用注漿加固防治技術(shù)，根據(jù)具體礦井的水文地質(zhì)條件以及探查的致災(zāi)風(fēng)險(xiǎn)，采前全面加固，開采過程中對(duì)于致災(zāi)風(fēng)險(xiǎn)較高的區(qū)域重點(diǎn)加固，同時(shí)在采后對(duì)于發(fā)生過水害事故的薄弱區(qū)域開展補(bǔ)強(qiáng)加固，降低深部煤炭資源開采的水害致災(zāi)風(fēng)險(xiǎn)。

3) 落實(shí)法律法規(guī)與市場(chǎng)監(jiān)管機(jī)制

我國(guó)煤礦水害防治制度自1984 年起步，原煤炭工業(yè)部頒布了《礦井水文地質(zhì)規(guī)程》和《煤礦防治水工作條例》，兩項(xiàng)技術(shù)標(biāo)準(zhǔn)對(duì)我國(guó)煤礦初期的水害防治工作起到了重要作用，隨著煤炭產(chǎn)業(yè)發(fā)展形勢(shì)的變化，為適應(yīng)新形勢(shì)下煤礦水害防治新任務(wù)的要求，不斷完善煤礦水害防治制度體系，從2018 年修訂《煤礦防治水細(xì)則》到2021 年開始實(shí)施《礦區(qū)水文地質(zhì)工程地質(zhì)勘查規(guī)范》標(biāo)志著我國(guó)煤礦水害防治制度體系基本成形，煤礦水害防治相關(guān)的技術(shù)標(biāo)準(zhǔn)和法律法規(guī)的修改完善說明我國(guó)十分重視煤礦的水害防治工作。水害防治意識(shí)淡漠，致災(zāi)因素排查不全是造成水害事故發(fā)生的主觀原因，因此仍需加強(qiáng)監(jiān)管和問責(zé)制度，通過“國(guó)家監(jiān)察、地方監(jiān)管、企業(yè)負(fù)責(zé)”，將責(zé)任落實(shí)到煤礦企業(yè)，強(qiáng)化企業(yè)的管理責(zé)任。同時(shí)煤礦企業(yè)需加強(qiáng)對(duì)從事煤礦行業(yè)人員的專業(yè)技能和基礎(chǔ)理論培訓(xùn)，嚴(yán)格落實(shí)煤礦水害防治的各項(xiàng)規(guī)章制度，提高煤礦安全生產(chǎn)水平，減少水害事故的發(fā)生。

4 結(jié)論

a.2001?2022 年我國(guó)煤礦水害事故規(guī)模整體控制較好，水害事故主要發(fā)生在華北、華南和東北水害區(qū)，表現(xiàn)出明顯的集聚性。在目前煤炭資源的開發(fā)格局下，煤炭產(chǎn)量穩(wěn)步遞增帶來不確定性水害致災(zāi)風(fēng)險(xiǎn)的提高。

b.對(duì)比等維新息灰色模型、LSTM 模型的平均絕對(duì)誤差EMA、均方根誤差ERMS和決定系數(shù)R2，結(jié)果表明：LSTM 模型的預(yù)測(cè)精度更高，模擬效果優(yōu)于等維新息灰色模型，2 種模型的預(yù)測(cè)結(jié)果均表明我國(guó)未來煤礦水害事故百萬噸死亡率呈下降趨勢(shì)，煤礦安全生產(chǎn)形勢(shì)穩(wěn)定。

c.未來煤礦水害防治工作應(yīng)重點(diǎn)加強(qiáng)水害致災(zāi)風(fēng)險(xiǎn)的普查、重點(diǎn)區(qū)域水害防控以及煤礦企業(yè)的管理工作，嚴(yán)格落實(shí)煤礦水害防治各項(xiàng)法律法規(guī)，進(jìn)一步鞏固水害防治工作取得的成果。