瓦斯涌出量预测研究

瓦斯涌出量预测研究（精选七篇）

瓦斯涌出量预测研究 篇1

三兴煤矿井田位于山西省河东煤田的中部, 井田面积4.529 km2, 生产能力90万t/a, 现阶段采用斜立井混合开拓方式以+700 m水平开采5号煤层。矿井采用倾斜长壁一次采全高后退式综采采煤法, 以一个生产采区、一个综采工作面保证矿井设计生产能力, 全部垮落法管理顶板。

2006年矿井绝对瓦斯涌出量为0.45 m3/min, 相对瓦斯涌出量为2.7 m3/t;2007年矿井绝对瓦斯涌出量为0.49 m3/min, 相对瓦斯涌出量为1.05 m3/t, 矿井为低瓦斯矿井;2008年矿井总回风最大瓦斯涌出量为2.21 m3/min, 瓦斯涌出量较小。

2 煤层瓦斯含量测定

为了提高对煤层瓦斯含量的控制程度和瓦斯涌出量预测准确性, 2008年11月, 项目研究人员采用井下钻屑解吸法分别在14206进风巷、14206回风巷、南翼运输大巷等地点对5号煤层瓦斯含量进行了实测。测定结果如表1所示。共计获得了5个测点煤层瓦斯含量。

3 煤层瓦斯赋存特征分析

3.1 煤层瓦斯组分

当煤层具有露头或煤层处于冲积层之下时, 煤层瓦斯会出现垂直分带现象, 即煤层瓦斯沿垂向可以分为瓦斯风化带和甲烷带;依气体组分的差异, 瓦斯风化带还可细分为二氧化碳-氮气带、氮气带和氮气-甲烷带。表2为煤层瓦斯垂直分带划分标准[1]。

一般情况下, 煤层瓦斯的垂直分带现象具有连续性, 如图1所示.即:二氧化碳-氮气带处于煤层的最浅部, 其次是氮气带, 之后是氮气-甲烷带, 最后是甲烷带。在一些特定条件和特定环境下, 煤层瓦斯的垂直分带特性也可能是如下二种情形:氮气带处于煤层的最浅部, 之后是氮气-甲烷带, 最后是甲烷带;或者是氮气-甲烷带处于煤层的最浅部, 然后是甲烷带。

从三兴煤矿5号煤层5个瓦斯含量测点所测得的瓦斯组分结果来看:1、2、4和5号煤样瓦斯中甲烷组分为1.72%～11.38%, 二氧化碳组分为8.09%～29.23%, 氮气组分为59.39%～87.53%;3号煤样瓦斯中甲烷组分为26.01%, 二氧化碳组分为0, 氮气组分为73.99%。对照表2可以看出, 三兴煤矿5号煤层埋深275 m以下的区域处于二氧化碳-氮气带、氮气带中, 埋深在350 m时仍然处于氮气-甲烷带。鉴于三兴煤矿井田范围内5号煤层最大埋深在350 m左右, 且5号煤层倾角较小。由上述分析可知, 三兴煤矿井田范围内5号煤层全部处于瓦斯风化带内。

A.含量, m3/t;B.占总瓦斯组分的百分比

3.2 煤层处于瓦斯风化带的主要原因分析

三兴煤矿5号煤层瓦斯含量小与煤田地质演化史密不可分。从植物的堆积一直到煤炭的形成, 要经历长期复杂的地质变化, 这些变化对煤中瓦斯的生成和排放都起着一定的作用。煤层中瓦斯生成量、煤田范围内瓦斯含量的分布以及煤层瓦斯向地表的运移, 归根到底都取决于煤田的地质史。如果成煤后地壳上升, 将使剥蚀作用加强, 从而可以为煤层瓦斯向地表运移提供了条件;反之, 如果成煤后地表下沉, 煤田为新的覆盖物覆盖, 则可以减缓煤层瓦斯的逸散[2]。

三兴煤矿井田位于鄂尔多斯盆地东缘的河东煤田中段, 离柳矿区三交详查区中西部边缘, 区域地层与河东煤田一致。区内大部被第四系中上更新统所覆盖, 仅在沟谷中有部分二叠系上统上石盒子组、下统下石盒子组地层出露。井田内发育的地层有:奥陶系中统峰峰组, 石炭系中统本溪组、上统太原组, 二叠系下统山西组、下石盒子组、上统上石盒子组, 第四系中上更新统。由于燕山-岐山一带地质运动的作用, 地层抬升而遭受长时间的风化剥蚀, 使得二叠系含煤地层大部直接被第四系中上更新统所覆盖, 且在沟谷中有部分二叠系上统上石盒子组、下统下石盒子组地层出露, 煤层埋藏较浅, 煤层中的瓦斯能够得以大量释放。因此, 有利于煤层瓦斯逸散的煤田地质史是三兴煤矿井田5号煤层处于瓦斯风化带的主要原因。

4 矿井瓦斯涌出量预测

前已述及, 三兴煤矿5号煤层处于瓦斯风化带。由于瓦斯风化带内的煤层甲烷成分很低且具较强的分布不均衡性, 目前, 我国现有的矿井瓦斯涌出预测法和矿井瓦斯涌出量分源预测法均不适用于瓦斯风化带煤层开采的瓦斯涌出量预测。

我国确定瓦斯风化带下部边界主要采用如下指标:

瓦斯压力P=0.1～0.15 MPa;

甲烷组分浓度≥80% (体积百分数) ;

相对瓦斯涌出量q=2～3 m3/t;

瓦斯含量 (煤芯中的甲烷含量) X:气煤X=1.5～2.0 m3/t;肥煤与焦煤X=2.0～2.5 m3/t可燃物;瘦煤X=2.5～3.0 m3/t可燃物;贫煤X=3.0～4.0 m3/t可燃物;无烟煤X=5.0～7.0 m3/t。

由此, 可以根据瓦斯风化带下部边界的相对瓦斯涌出量指标, 即相对瓦斯涌出量q=2～3 m3/t来预测5号煤层开采时的矿井瓦斯涌出量[1]。

4.1 5号煤层开采时矿井相对瓦斯涌出量

鉴于矿井先采4号煤层, 再采5号煤层, 且特别是4号煤层和5号煤层间距平均仅为2.1 m, 5号煤层中的可解吸瓦斯在4号煤层开采过程中会大量释放, 因此, 矿井5号煤层开采过程中的瓦斯涌出主要来源于本煤层及邻近煤层的残存瓦斯。处于采动影响范围内的邻近煤层包括01号、02号、1号、2号、3号以及6上号、6号、7号煤层;且5号煤层与7号煤层间距仅为28.5 m, 可以推测井田范围内7号及上部煤层均处于瓦斯风化带。

考虑到邻近煤层瓦斯存在二次排放, 5号煤层开采时矿井相对瓦斯涌出量采用下式计算:

式中, q为5号煤层开采时的矿井相对瓦斯涌出量, m3/t;q01～q8分别为01号、02号、1号、2号、3号、5号、6号上、6号和7号煤层的相对瓦斯涌出量, m3/t;q5为风化带内煤层开采时的瓦斯涌出量, 取q5=2 m3/t;mi为i号煤层的平均煤厚, m;m5为5号煤层的平均煤厚;η5i为开采5号煤层时i号煤层的瓦斯排放率, 可根据邻近层至5号煤层的层间距由文献[3]查取;η4i为开采4号煤层时i号煤层的瓦斯排放率, 可根据邻近层至4号煤层的层间距由文献[3]查取。

将各相关参数代入式 (1) 得:

4.2 5号煤层开采时的矿井绝对瓦斯涌出量

根据矿井设计年生产能力90万t/a和矿井相对瓦斯涌出量, 按下式计算5号煤层开采时的矿井绝对瓦斯涌出量:

式中, Q为5号煤层开采时的矿井绝对瓦斯涌出量, m3/min;A为矿井设计年生产能力, 万t/a;q为矿井开采时的相对瓦斯涌出量, m3/t;T为矿井设计年生产天数, 取330 d。

将各相关参数代入式 (2) 得Q=4.19 m3/min。

5 结论

根据瓦斯含量和瓦斯组分测定结果, 5号煤层瓦斯含量小 (0.02～0.79 m3/t.r) , 瓦斯组分以氮气为主 (59.39%～87.53%) 、二氧化碳次之 (0～29.23%) 、甲烷最少 (1.72%～26.01%) 。表明三兴煤矿井田内5号煤层处于瓦斯风化带, 有利于煤层瓦斯逸散的煤田地质史是三兴煤矿井田内5号煤层处于瓦斯风化带的主要原因。根据瓦斯风化带下部边界的相对瓦斯涌出量指标, 对5号煤层开采时的矿井瓦斯涌出量进行了预测, 预测结果为:相对瓦斯涌出量为2.21 m3/t, 绝对瓦斯涌出量为4.19 m3/min。按照《煤矿安全规程》第133条的规定, 三兴煤矿5号煤层开采期间属于低瓦斯矿井。

参考文献

[1]王涛.煤层瓦斯风化带的确定方法[J].江西煤炭科技, 2001 (1)

[2]焦作工学院瓦斯地质研究室.瓦斯地质概论[M].北京:煤炭工业出版社, 1990

瓦斯涌出量预测研究 篇2

关键词：瓦斯涌出量,预测,分源预测法,地勘

0 引言

晋煤集团郑庄煤矿规划面积107.67 km2, 煤层埋藏深度为600 m~1 000 m, 回采煤层为3号煤层, 设计可采储量319.7 Mt, 矿井设计生产能力4.0 Mt/a。由于晋煤集团郑庄煤矿目前正处于基建阶段, 没有条件进行井下实测煤层瓦斯含量, 地质勘探送检70个煤样的平均残存瓦斯含量为9.52 m3/t, 接近于高瓦斯矿井的相对瓦斯涌出量。基于此, 在对郑庄井田大量地勘瓦斯资料和地质资料分析的基础上, 结合地面瓦斯抽采钻井数据对地勘测定结果进行修正, 而后根据矿井开拓方式、煤层赋存及煤质、煤层瓦斯含量分布规律等条件, 运用分源预测法对该矿瓦斯涌出量进行预测, 对指导该矿的通风设计、瓦斯抽放设计及瓦斯管理等工作是非常必要的。

1 瓦斯赋存规律分析

1.1 地勘钻孔瓦斯含量修正

郑庄煤矿地面瓦斯抽采井钻孔取样采用的是比较先进的绳索取芯技术。该技术是美国Long year公司开发的旨在减少取芯过程煤样损失瓦斯量的一种快速取芯技术。缩短了取芯时间、减少取芯过程煤样损失瓦斯量, 所以, 地面井钻孔瓦斯含量数据相对比较准确。以地勘测定结果为基础、以地面井实测结果为依据, 对地面井实测不同埋深下的瓦斯含量与地勘钻孔相同、相近埋深瓦斯含量的比值进行加权平均, 得到郑庄煤矿3号煤层地面井实测瓦斯含量为地勘瓦斯含量的2.38倍, 根据此修正系数对地勘钻孔瓦斯含量进行修正。在对地勘钻孔瓦斯含量进行修正过程中, 考虑到地勘钻孔和地面井钻孔测定存在一些偶然性误差, 因此, 在煤层地质构造及赋存条件无较大变化情况下, 对少数测定数据明显不符合瓦斯带赋存趋势的测点进行剔除, 修正后的瓦斯含量如表1所示。

1.2 瓦斯赋存规律模型确定

对表1中修正后地勘测点的原煤瓦斯含量与煤层埋藏深度进行拟合, 结果如图1所示。

根据地勘钻孔测定的瓦斯含量、地面井钻孔瓦斯含量与埋深关系图, 得到郑庄煤矿3号煤层瓦斯含量与煤层埋深的基本数学关系式:

式 (1) 中, W为煤层瓦斯含量, m3/t;H为煤层埋深, m。

瓦斯含量具有随煤层埋深增加而增大的趋势。根据模型预测煤层埋深每增加100 m, 相对应吨煤瓦斯含量增加2.9 m3/t。参照煤层底板等高线图及井上下对照图, 计算出井田内不同地点的煤层瓦斯含量, 预测3号煤层瓦斯含量分布为10.97 m3/t~25.47 m3/t。

2 矿井瓦斯涌出量预测

根据修正后的瓦斯参数及确定的瓦斯赋存规律, 采用分源预测法对矿井瓦斯涌出量进行预测 (预测结果如表2所示) , 在预测过程中, 因井田内地面布置大量的地面瓦斯抽采井, 受地面瓦斯抽采井的影响, 为确保预测结果更为准确, 在预测计算时应将地面瓦斯抽采井抽采的瓦斯量予以核减, 否则预测结果要比井下实际瓦斯含量要大。所以, 本次进行矿井瓦斯涌出量预测时, 对地面瓦斯抽采井的抽采量进行统计, 并将其进行核减。

由表2瓦斯涌出量预测结果可以看出, 郑庄煤矿为高瓦斯矿井, 采区最大相对瓦斯涌出量为51.04 m3/t, 最大绝对瓦斯涌出量为429.58 m3/min;矿井最大相对瓦斯涌出量为70.43 m3/t, 最大绝对瓦斯涌出量为592.84m3/min, 在以后的生产过程中应加强矿井瓦斯治理。

3 结语

根据地勘瓦斯含量的测定数据, 结合郑庄煤矿地面抽采井测定的煤层瓦斯含量值预测3号煤层的最大瓦斯含量为25.47 m3/t;通过瓦斯赋存规律研究, 得出了3号煤层瓦斯含量 (W) 与埋藏深度 (H) 的关系, 根据模型预测煤层埋深每增加100 m, 相对应吨煤瓦斯含量增加2.9 m3/t;在郑庄煤矿处于基建阶段, 没有条件进行井下实测煤层瓦斯含量, 这种瓦斯涌出量预测方法对该矿的通风设计、瓦斯抽放设计、瓦斯管理提供了技术支持, 对该矿瓦斯防治工作具有重要的指导意义。

分层开采瓦斯涌出量预测 篇3

预测瓦斯涌出量可以指导煤矿安全生产。《矿井瓦斯涌出量预测方法》(AQ1018—2006)[3]规定了采用矿山统计法和分源预测法对矿井瓦斯涌出量进行预测。基建矿井瓦斯涌出资料少,宜采用分源预测法进行预测;生产矿井瓦斯涌出资料丰富,宜根据已采区域的瓦斯涌出资料采用矿山统计法进行瓦斯涌出量预测。永天煤业为资源整合矿井,现处于整合基建阶段,根据实际情况,本文采用分源预测法预测矿井瓦斯涌出量。

1 井田概况

1.1 矿井地质

永天煤业公司可采煤层为二1煤层,赋存于山西组下部北岔沟砂岩与大占砂岩之间,上距大占砂岩4.5 m,距砂锅窑砂岩95.0 m;下距北岔沟砂岩17.0 m。二1煤层在矿区范围内赋存标高为-700～+55 m,煤层埋深120.0～679.5 m。煤层厚3.35～5.30 m,全区有10个见煤点,平均厚4.64 m。

该矿位于华北板块南部,属于华北板块内太行构造亚区太行断隆与汤阴断陷之间,区域构造形态受太行山隆起与汤阴断陷直接控制,总体构造形态为地层走向近南北、倾向东,倾角变化较大的单斜构造。构造特征以断裂构造为主,主要发育北北东向和北东向2组高角度正断层,以北北东向断层为主,局部发育小型褶曲。

1.2 矿井瓦斯

该矿与龙山煤矿同属于龙山井田,其瓦斯含量与煤层标高之间的线性关系为W=-0.036 3H+3.418 8(其中W为瓦斯含量;H为标高)[4]。

龙山井田-220 m水平大巷最大瓦斯压力1.89 MPa,煤层透气性系数2.92～8.36 m2/(MPa2·d),钻孔瓦斯流量衰减系数0.009 3～0.080 3 d-1。由此可知,该矿二1煤层埋藏深,煤层厚,瓦斯含量高。

2 矿井采掘规划

永天煤业公司矿井为1个采区生产,布置1个采煤工作面、3个掘进工作面,以保证矿井的设计生产能力,采掘比例为1∶3。煤巷掘进工作面断面为梯形,采用金属支架支护,净断面5.7 m2,掘进断面6.3 m2。采用平镐落煤掘进工艺,月进尺共计150 m,每个掘进工作面日出煤20 t。采煤工作面斜长100 m,走向长800 m,日产量849 t,采用分层炮采工艺,第1层采高2.50 m,第2层采高2.14 m,采煤工作面采出率为95%。巷道瓦斯排放带宽9 m。

矿井采掘具体规划:在所有开采时期,年均布置1个采煤工作面、3个煤巷掘进工作面。矿井生产能力按30万t/a考虑,年工作日330 d,平均日产量909 t,1个采区生产。①前期开采标高-400 m附近区域二1煤层;②中期开采矿井西南部区域,二1煤层标高约-350 m;③后期开采标高-450 m附近二1煤层。

3 矿井瓦斯分源预测

根据采掘接替计划,将矿井分为当前时期、开采中期、开采后期3个时期进行瓦斯涌出量预测。

3.1 采煤工作面瓦斯涌出量预测

(1)开采层瓦斯涌出量的计算。

式中,q1为开采层(包括围岩)相对瓦斯涌出量;K1为围岩瓦斯涌出系数;K2为工作面丢煤瓦斯涌出系数,用采出率的倒数来计算;K3为采区内准备巷道预排瓦斯对开采层瓦斯涌出影响系数;Kfi为取决于煤层分层数量和顺序的分层瓦斯涌出系数,按表1选取;W0为煤层原始瓦斯含量;Wc为运出矿井后煤的残存瓦斯含量。

(2)邻近层瓦斯涌出量的计算。

undefined

式中,q2为邻近层相对瓦斯涌出量;W0i为第i个邻近层煤层原始瓦斯含量,如无实测值可参照开采层选取;Wci为第i个邻近层煤层残存瓦斯含量,如无实测值可参照开采层选取;mi为第i个邻近层煤层厚度;M为工作面采高;ηi为第i个邻近层瓦斯排放率。

(3)回采工作面瓦斯涌出量的计算。

q5=q1+q2 (3)

将矿井所测数据代入式(1)、(2)、(3),可得采煤工作面瓦斯涌出量预测结果(表2)。

注:开采二1煤层,日产量849 t/d。

3.2 掘进工作面瓦斯涌出量预测

(1)掘进巷道煤壁瓦斯涌出量计算。

undefined

式中,q3为掘进巷道煤壁瓦斯涌出量;D为巷道断面内暴露煤壁面的周边长度;v为巷道平均掘进速度;q0为煤壁瓦斯涌出强度;L为巷道长度。

(2)掘进巷道落煤瓦斯涌出量计算。

式中,q4为掘进巷道落煤瓦斯涌出量;S为掘进巷道断面积;v为巷道平均掘进速度;γ为煤的视相对密度;W0为煤原始瓦斯含量;Wc为煤的残存瓦斯含量。

(3)掘进工作面瓦斯涌出量计算。

将矿井数据代入式(4)、(5)、(6),可得掘进工作面瓦斯涌出量(表3)。

注:开采二1煤层,煤厚4.64 m,巷长800 m,掘进速度50 m/月。

3.3 采区瓦斯涌出量预测

生产采区瓦斯涌出量:

式中,q区为生产采区相对瓦斯涌出量;K′为生产采区内采空区瓦斯涌出系数(对于单一煤层取1.20～1.35,对于近距离煤层群取1.25～1.45);q采i为第i个回采工作面相对瓦斯涌出量;Ai为第i个回采工作面日产量;q掘i为第i个掘进工作面绝对瓦斯涌出量;A0为生产采区平均日产量。

将数据代入式(7),可得采区瓦斯涌出量(表4)。

注:平均产量909 t/d。

4 矿井瓦斯涌出量预测结果及分析

4.1 预测结果

式中,q井为矿井相对瓦斯涌出量;q区i为第i个生产采区相对瓦斯涌出量;A0i为第i个生产采区平均日产量;K″为已采采空区瓦斯涌出系数(对于单一煤层取1.15～1.25,对于近距离煤层群取1.25～1.45)。

将数据代入式(8),可得矿井瓦斯涌出量(表5)。

注:平均产量909 t/d。

4.2 结果分析

(1)该矿二1煤层掘进工作面瓦斯涌出量为1.62～1.87m3/min;开采上分层时采煤工作面绝对瓦斯涌出量为5.30～7.20 m3/min,相对瓦斯涌出量为8.99～12.21 m3/t;开采下分层时采煤工作面绝对瓦斯涌出量为1.75～2.37 m3/min,相对瓦斯涌出量为2.96～4.03 m3/t。

(2)该矿二1煤层开采上分层时采区绝对瓦斯涌出量为12.27～16.00m3/min,相对瓦斯涌出量为19.44～25.34 m3/t。开采下分层时采区绝对瓦斯涌出量为7.83～9.97 m3/min,相对瓦斯涌出量为12.40～15.79 m3/t。

(3)该矿二1煤层开采上分层时矿井绝对瓦斯涌出量为15.34～20.00m3/min,相对瓦斯涌出量为24.30～31.68 m3/t。开采下分层时采煤工作面绝对瓦斯涌出量为9.79～12.46 m3/min,相对瓦斯涌出量为15.50～19.73 m3/t。

该矿2008年矿井瓦斯涌出量鉴定结果为:绝对瓦斯涌出量18.17 m3/min,相对瓦斯涌出量28.47 m3/t,属高瓦斯矿井[5]。所得数据与其相比较,基本符合实际情况,按照《煤矿安全规程》(2010)第133条,该矿二1煤层上、下分层开采期间均为高瓦斯矿井。

5 结论

(1)利用分源预测法可以较好预测基建矿井的瓦斯涌出量,其结果可为瓦斯预防提供参考。

(2)通过分源预测法计算,安阳永天煤业二1煤层开采上、下分层时,瓦斯含量较高,属高瓦斯矿井。其所得结果与整合前矿井瓦斯涌出量鉴定结论相同。

(3)分源预测法需要首先测出煤矿在生产过程中工作面、掘进面及采空区瓦斯涌出量,对一些涌出量变化较大矿井适用性较差。

摘要：根据永天煤业矿井瓦斯赋存情况、矿井采掘部署与接替计划,对矿井瓦斯进行了分析,并采用分源预测法对不同时期分层开采的采煤工作面、掘进工作面、采区的矿井瓦斯涌出量进行了预测。分析预测结果得出,该矿上下分层开采期间均为高瓦斯矿井。

关键词：瓦斯涌出量,瓦斯含量,分层开采,分源预测法

参考文献

[1]张铁岗.矿井瓦斯综合治理技术[M].北京:煤炭工业出版社,2002.

[2]于不凡.煤矿瓦斯灾害防治及利用技术手册[M].北京:煤炭工业出版社,2000.

[3]国家安全生产监督管理总局.AQ1018—2006矿井瓦斯涌出量预测方法[S].北京:煤炭工业出版社,2006.

[4]河南省有色金属地质矿产局第一地质大队.安阳县善应镇天喜镇北矿资源储量核查报告[R].焦作:河南理工大学,2008.

瓦斯涌出量预测研究 篇4

我国煤矿瓦斯灾害严重,尤其是近些年,随着开采深度的增加、机械化采煤的普及、工作面单产量的成倍增长,瓦斯涌出量也随之增大,并且严重地制约着煤矿的安全生产,因此,快捷、准确地预测采掘工作面瓦斯涌出量显得尤为重要。目前我国主要应用的预测方法有矿山统计法和瓦斯含量预测法[1]。这些方法对于具有相似地质条件和开采方式的预测区,具有较好的效果。但是当预测区与已采区条件相差较大时效果却不太理想。前人也曾提出了使用灰色建模预测瓦斯涌出量的方法,取得了较为准确的预测值。但灰色建模计算过程较为复杂,预测周期长度受限。本文引入瓦斯涌出量等维灰色动态预测,并在此基础上应用面向对象的程序设计语言VB.NET开发了 “瓦斯涌出量预测”应用程序,简化了计算,增加了预测时间,提高了预测精度。

1 灰色建模理论

灰色系统理论的研究对象是“部分信息已知、部分信息未知”的“小样本”、“贫信息”不确定性系统,它通过对“部分”已知信息的生成、开发实现对现实世界的确切描述和认识。灰色系统理论把少量原始数据进行各种处理,并基于关联空间、光滑离散函数等概念,建立了微分方程模型,记作GM(n,h)模型,表示n阶h维变量的微分方程。作为预测模型,常用GM(n,1)模型,即只有1个变量的GM模型。实践证明,对阶数n的选择通常不超过3阶,阶数越大,计算越复杂,且精度未必就高。在本文程序设计时选定了GM(1,1)模型。

设给定原始数据序列X(0)={x(0)(1),x(0)(2),x(0)(3),…,x(0)(n)},其中,X(0)(k)≥0,k=1,2,…,n;

为增加数列的光滑性,对X(0)作1-AGO生成,有X(1)=1-AGOX(0)=x(1)={x(1),x(1)(2),x(1)(3),…,x(1)(n)},其中,undefined

Z(1)为X(1)的紧邻均值生成序列:Z(1)={z(1)(1),z(1)(2),z(1)(3),…,z(1)(n)},其中,undefined。则:

undefined

为GM(1,1)模型的基本形式。

若undefined为参数列,利用最小二乘法计算参数向量:

undefined

式中:a为发展系数;b为灰作用量;YN=[x(0)(2),x(0)(3),x(0)(4),…,x(0)(n)]T;B为系数矩阵,

undefined

则灰微分方程(1)的白化方程:

undefined

解微分方程(2)得(也称时间响应函数):

undefined

GM(1,1)模型(3)的时间响应序列:

undefined

原始数列的预测值:

undefined

以上即为灰色GM(1,1)预测建模及计算的全过程。由此可看出,灰色建模尽管存在着考虑因素较多、预测精度较高等优点,但其大量的复杂运算给各类预测带来了不便和困难,从而没有能够广泛地应用到诸如“瓦斯涌出量预测”等科学研究中。

2 “瓦斯涌出量预测”程序设计

瓦斯涌出量受地质构造、采掘工艺、开采深度、通风方式、煤层条件等因素的影响,相对于矿山统计法和瓦斯含量法,灰色系统能够较为全面地反映这些因素对瓦斯涌出量的影响,但其在预测时间长度和计算的复杂程度等方面存在着一些不足。本文通过应用面向对象编程语言VB.NET开发了 “瓦斯涌出量预测”应用程序,使其预测时间增加,数据处理实现了“零计算量”,从而提高了预测的速度和精度。“瓦斯涌出量预测”程序设计步骤如图1所示。

3 工作面瓦斯涌出量动态预测实例

3.1 等维新信息预测

淮北矿业集团某矿属于高瓦斯突出矿井,现对其某回采工作面2006年3月～2006年12月瓦斯月平均涌出量进行统计,为书写方便,用数列(k=1,2,…,10)依次代表每月,如表1所示。

工作面的瓦斯涌出量是一个灰色动态变化的发展过程,不断有新信息出现。如果对新信息利用不够,会影响预测的精度。但是随着信息的增多,会使程序后台计算量增大,影响程序的运行速度,而且随着信息的增多及发展变化,尤其是发生数据异变,也可能导致预测失衡。所以在不改变计算量的前提下,能够充分地利用新信息显得至关重要。在此,建立基于等维新信息的“瓦斯涌出量预测”程序。所谓“等维”,即在增加一个新信息的同时去掉一个最老的信息,根据新的数列建模,从而较好地解决了上述问题。如:在利用表1中的数据建模时,首次建模可利用已有的序号为“1～6”的数据,当序号为“7”的数据出现时就可以去掉序号为“1”的数据,而通过序号为“2～7”的数据重新建模,依次类推。当然,在本文中所有新数据的重新建模都是在后台进行的,操作者只需要重新输入更新的数据即可。

3.2 “瓦斯涌出量预测”程序应用

3.2.1 “瓦斯涌出量预测”程序界面设计原则

(1) 以用户为中心。

将用户放在界面设计的核心位置,采用直接交互方式,让用户始终控制系统的运行,而不是成为系统的奴隶。

(2) 与现实世界的一致性。

界面的布局及所有的输入输出基本都采用了用户的工作用语并体现用户的工作习惯、工作模式。

(3) 界面高效、简洁、易维护。

人机交互工作界面如图2所示。

“瓦斯涌出量预测”程序界面由4个部分组成:(1) 输入值部分,用户可以输入已有的等时间间隔的瓦斯涌出量值;(2) a、b值部分对应灰色预测中的a、b值,以便于用户书面建模;(3) 预测值部分,可以根据“输入值”预测下一瓦斯涌出量的值;(4) 精度检验部分,可设置用户所需的精度值进行检验,检验预测值是否满足用户的要求。

3.2.2 “瓦斯涌出量预测”具体应用

在该例应用中,打开“瓦斯涌出量预测”应用程序,按序输入表1中序号为1～6的瓦斯涌出量值进行预测,预测的结果为7.88。为了方便用户书面建模,程序也自动计算出了灰色建模所必须的a、b值。同时,可以对计算的结果进行检验,精度选取为60%、65%、70%、75%、80%、85%、90%和95%,在该例中选取精度为95%,单击“单击检验”按扭,可得是否满足精度要求的消息框。单击“重置”即可输入任意6个相邻的瓦斯涌出量值进行紧接其后的预测。应用该应用程序计算得到的预测值与实测值对比,结果如图3所示。

4 结论

(1) 瓦斯涌出量的准确预测是矿井通风设计和制定安全技术措施的重要依据,也是降低煤矿瓦斯事故的主要途径。灰色建模具有建模数据少、方法简单、预测精度高等优点,是一种可行且可靠的瓦斯涌出量预测方法。

(2) 在瓦斯涌出量预测中使用等维新信息灰色预测模型,有效地利用了采掘进程中新揭露的瓦斯涌出信息,且在数据更新而计算量没有增加的情况下,使预测的精度提高、周期增长。

(3) “瓦斯涌出量预测”应用程序的开发,避免了灰色建模带来的大量计算,实现了预测的自动化和“0计算量”,提高了预测的精度和速度。

(4) 灰色等维新信息在瓦斯涌出量预测中的应用还属于初步尝试,维数的确定还有待进一步研究;“瓦斯涌出量预测”应用程序的功能还不够强大,在自动录入数据和长期预测等方面尚需深入研究。

参考文献

[1]焦作矿业学院瓦斯地质研究室.瓦斯地质概论[M].北京:煤炭工业出版社,1990.

[2]刘思峰.灰色系统理论及其应用[M].北京:科学出版社,1991.

[3]叶青,林柏泉,姜文忠.回采工作面瓦斯涌出规律研究[J].中国矿业,2006,15(5):38~40.

[4]邓聚龙.灰色预测与决策[M].武汉:华中理工大学出版社,1992.

分源法预测回采工作面瓦斯涌出量 篇5

关键词：瓦斯涌出量,分源法,回采工作面,预测

0 引言

矿井瓦斯涌出量是新建矿井及生产矿井水平延深通风设计的基础, 准确预测瓦斯涌出量对矿井选用合理的通风系统、采取有效的瓦斯防治措施确保矿井安全生产等具有十分重要的意义。目前, 预测瓦斯涌出量的方法主要分两大类[1]:建立在数理统计规律基础上的统计预测法和以煤层瓦斯含量为参数的分源预测法。前者依据矿井瓦斯涌出量与开采深度等参数之间的统计规律外推到预测区域中的瓦斯涌出量;后者通过计算井下各瓦斯涌出源的涌出量得到矿井或某一预测区域的相对瓦斯涌出量[2]。我国煤矿在较长一段时间都采用统计法预测矿井瓦斯涌出量, 这种方法不但要求有足够大的样本空间, 而且要求预测区的煤层开采技术条件和地质条件与生产区相同或类似;一旦上述要求得不到满足, 预测值可能与实际值严重偏离甚至完全不符。基于上述原因, 本文选用一种适应范围广、预测结果可靠的矿井瓦斯涌出量预测方法———分源法。

1 分源法预测原理

分源预测法以煤层瓦斯含量为预测的主要依据, 通过计算井下各涌出源的瓦斯涌出量, 对矿井瓦斯涌出量进行预测。理论和实践表明, 井下煤层开采时, 由于受采掘作业的影响, 煤层及围岩中瓦斯赋存的平衡条件受到破坏, 处于破坏区内开采煤层、围岩、邻近煤层采空区中的瓦斯将涌入井下巷道, 构成矿井瓦斯涌出的组成部分。其实质是按照矿井生产过程中瓦斯涌出源的多少、各个瓦斯涌出源瓦斯量的大小, 预计该矿井各个时期的瓦斯涌出量。预测原理是[3,4]:根据煤层瓦斯含量和矿井瓦斯涌出的源汇关系, 如图1所示, 利用瓦斯涌出源的瓦斯涌出规律并结合煤层的赋存条件和开采技术条件, 通过计算回采工作面 (包括邻近层和围岩) 和掘进巷道瓦斯涌出量, 并在此基础上通过乘以采空区瓦斯涌出系数, 达到预测采区和矿井瓦斯涌出量的目的。

2 工作面概况

保护层采煤工作面C15煤层为该矿的首采层。试验区512 (5) C15工作面位于该矿F13-4-1断层和F12-10断层之间, 块段内构造相对简单;煤层呈单斜构造, 该工作面平均走向148°, 倾向58°, 倾角21°;标高-700~-780 m, 走向长1 688 m, 倾斜长150~240m, 平均值195m, 面积332670m2, 煤层总厚为0.3~1.6 m, 均厚1.0 m;煤层结构为单一型;煤层倾角20°~22°, 平均值21°;可采储量为395 877 t。回采范围上至-700 m标高, 下至-780 m标高, 北至F12-10断层, 南至工厂煤柱线。由于C15煤层比较薄, 瓦斯含量并不大, 在工作面回采过程中除少量瓦斯来自本煤层外, 大量瓦斯来源于C14、C13、C12等下邻近层的卸压瓦斯;其所占比例约为工作面总瓦斯涌出量的30%~60%;近距离煤层群开采, 保护层工作面瓦斯来源中来自邻近层的瓦斯所占比例高达70%以上。在回采过程中, 经常出现瓦斯涌出超限, 严重威胁工作面安全与生产, 也为工作面通风安全带来很大难度。

3 预测参数取值及其优化

目前许多矿井在运用分源法预测矿井瓦斯涌出量时, 待测矿井或工作面的瓦斯涌出量值为矿井内部全部生产采区和已采区及辅助巷道 (开采煤层、围岩、邻近层、掘进巷道、掘进落煤、回采工作面、掘进工作面、生产采区) 瓦斯涌出量的代数和。从实验地点预测效果看, 工作面回采时除本煤层瓦斯涌出外, 大量瓦斯来源于C14、C15、C13、C12煤层等邻近层的卸压瓦斯。根据矿区保护层工作面瓦斯涌出量预测经验总结和512 (5) 工作面实况, 我们对分源法预测回采工作面瓦斯涌出量的有关参数进行了修正, 与原开采层瓦斯涌出量公式相比, 修正后的公式增加的参数: (1) 不同通风方式下的瓦斯涌出系数k4, Y型通风取值为1.3~1.5; (2) 本煤层抽采瓦斯影响系数k5。

修正后的邻近层瓦斯涌出量公式与原公式相比增加的参数: (1) 邻近煤层抽采瓦斯影响系数k6; (2) 第i邻近煤层运到地面后残存瓦斯含量Xci。

3.1 开采层 (包括围岩) 瓦斯涌出量

式中, Q本表示开采层相对瓦斯涌出量, m3/t;k1表示围岩瓦斯涌出系数;k2表示工作面残煤瓦斯涌出系数, 为回采率的倒数;k3表示掘进工作面预排瓦斯影响系数;k4表示不同通风方式的瓦斯涌出系数, Y型通风取值1.3~1.5;k5表示本煤层抽采瓦斯影响系数;M, H分别表示本煤层的煤层厚度与回采高度, m;X0、Xc分别表示本煤层的原始、残存瓦斯含量, 一般Xc=0.15X0, m3/t。

3.2 邻近煤层瓦斯涌出量

式中, Q邻表示邻近层相对瓦斯涌出量;k6表示邻近煤层抽采瓦斯影响系数;ηi表示第i邻近煤层的瓦斯排放率, %;Mi表示第i邻近煤层的煤层厚度, m;H表示回采高度;X0i、Xci分别表示第i邻近煤层的原始、运到地面后残存瓦斯含量一般取经验值Xci=15%×X0i, m3/t。

3.3 回采工作面相对瓦斯涌出量

回采工作面相对瓦斯涌出量由开采层和邻近层两部分组成, 即:Q相对=Q本+Q邻 (3)

式中, Q相对表示回采工作面相对瓦斯涌出量, m3/t;Q本表示本煤层相对瓦斯涌出量, m3/t;Q邻表示邻近煤层相对瓦斯涌出量, m3/t。

3.4 工作面绝对瓦斯涌出量

式中, Q绝对表示预计工作面绝对瓦斯涌出量, m3/t;Q相对表示回采工作面相对瓦斯涌出量, m3/t;A表示工作面设计日产量, t/d。

4 瓦斯涌出量预测结果

鉴于该矿的实际情况, 首先对512 (5) 工作面回采时的瓦斯涌出量进行了预测。然后对达产时的北二采区 (C13、B10) 两个回采面和整个矿井的瓦斯涌出量进行了预测。在预测回采工作面瓦斯涌出量时考虑到矿井通风设计的需要, 对不同采区生产时的最大涌出量进行了预测。

4.1 工作面回采时瓦斯涌出量预测结果

经过现场实测确定本煤层瓦斯涌出量的各个参数值如表1、2所示。

将表1中的数据代入本煤层瓦斯涌出量计算公式 (1) , 得:Q本=18.1 m3/t

将表2中的数据代入本煤层瓦斯涌出量计算公式 (2) , 得:Q邻=91.9 m3/t

将上述两式计算结果代入公式 (3) , 得回采工作面相对瓦斯涌出量:Q相对=109.2 m3/t

512 (5) 面回采时设计产量1 600 t/d, 由公式 (4) 得该回采时绝对瓦斯涌出量:Q绝对=121.33 m3/min

结果分析:预测结果表明512 (5) 工作面回采期间产量1 600 t/d时绝对瓦斯涌出量为121.33 m3/min, 其中本层瓦斯涌出量为20.11 m3/min、占总涌出量的l6.58%, 下邻近层 (C14、C13、C12) 瓦斯涌出量为101.22 m3/min、占83.42%。实测得512 (5) 采煤工作面绝对瓦斯涌出量为106.8 m3/min, 其中本层瓦斯涌出量为17.7 m3/min、占总涌出量的l6.5%, 下邻近层瓦斯涌出量为89.1 m3/min、占83.5%。实验误差为13.64% (小于20%) 。这表明该预测模型可靠、合理。预测结果和实测值都表明了保护层512 (5) Cl5工作面属于高瓦斯工作面, 为了保证回采工作面的顺利开采和高产高效, 必须在Cl5上保护层开采的同时进行下邻近层煤层的卸压瓦斯抽放, 这样不仅可大幅度的减少下邻近层开采时的瓦斯涌出量、回收瓦斯资源, 还可以创造本工作面安全高产高效的开采条件。

4.2 回采工作面瓦斯涌出量预测结果

回采工作面瓦斯涌出量预测结果如表3所示。

4.3 矿井瓦斯涌出量预测结果

矿井瓦斯涌出量为回采、掘进、采空区瓦斯涌出量之和, 瓦斯涌出量计算结果如表4所示。

5 结论

(1) 由上述计算可以看出, 回采工作面瓦斯涌出量预测误差为-5.15%~8.56%, 矿井瓦斯涌出量预测误差为-7.07%~7.07%, 它们对预测误差的绝对值均比20%小得多。由此表明, 改进后的分源法预测瓦斯涌出量模型合理、可靠。

(2) 从预测和实际瓦斯涌出量值来看, 根据《煤矿安全规程》第133条的规定, 无论是回采工作面还是矿区, 该矿都属于高瓦斯矿井。因此, 在采掘前期, 必须采取有效的瓦斯抽放措施, 如本煤层抽放、邻近层抽放、采空区抽放等确保矿井生产安全顺利的进行。

参考文献

[1]张西志.利用分源法预测矿井瓦斯涌出量[J].中州煤炭, 2006, (6) :66-67.

[2]林柏泉, 张建国.矿井瓦斯抽放理论与技术[M].徐州:中国矿业大学出版社, 1996:70-75.

[3]王兆丰, 肖东辉, 陈向军.分源法预测望云煤矿瓦斯涌出量[J].煤, 2008, (6) :24-26.

瓦斯涌出量预测研究 篇6

支持向量机( Support Vector Machine,SVM) 是Vapnik V N. 等人[4]提出的基于统计学习理论的小样本学习方法,具备较强的非线性建模能力,是继神经网络之后机器学习的热点研究技术。支持向量回归机( Support Vector Regression,SVR) 是SVM在回归问题中的推广,SVR能够根据有限的样本信息,在复杂性核学习能力之间寻求最佳折中,能够获得最好的推广能力。但是,作为一种新的机器学习方法, SVR也存在有待完善的地方,SVR参数选取是亟待完善的问题之一。惩罚系数以及核函数参数等的选取在一定程度上对预测准确度起着决定性的作用, 目前国际上还没有形成一个统一的SVM参数选择模式[5,6]。

粒子群优化( Particle Swarm Optimization,PSO) 算法是由Kennedy和Eberhart于1995年提出的一种群体智能优化算法[7],具有建模简单、实现容易、收敛速度快等特点[8],目前已成功用于神经网络权值的训练、连续和离散系统的参数优化及求解组合优化问题等方面。但PSO也存在着精度较低、易早熟、 容易陷入局部最优解等缺点。笔者提出一种改进的粒子群优化算法( Improved PSO,IPSO) ,可提高PSO优化搜索性能。建立改进的粒子群支 持向量回归( IPSO - SVR) 模型,用IPSO算法来优选SVR模型的参数,并将该模型运用于瓦斯涌出量的预测。 仿真实验表明,IPSO - SVR方法较好地实现了SVR模型参数选取,与广义回归神经网络方法及用标准PSO选取参数的SVR方法相比,能进一步提高瓦斯涌出量预测的精度。

1支持向量回归机算法

用SVR算法估计回归函数时,其基本思想是通过一个非线性映射 φ,把输入空间的数据x映射到一个高维特征空间中去,然后在这一高维空间做线性回归[9]。

给定训练集{ ( xi,yi) } ,i = 1,2,…,l,l为训练样本总数; xi为第i个学习样本的输入值; yi为对应的目标值。根据统计学习理论,SVR通过最小化目标函数来确定回归函数,引入松弛因子 ξi*≥0和 ξi≥0,则回归问题可转化为最小化结构风险函数的问题:

式中: w为权重向量; b为阈值; φ( xi) 为一非线性函数; ε 为不敏感损失函数的宽度; C为惩罚系数,为一常数,表示对超出 ε 样本的惩罚程度。

由于特征空间的高维不可微,故引入核函数K( xi,xj) ,最终得回归函数f( x) 为:

求回归函数f( x) 实际上可归结为求拉格朗日待定系数 αi和 αi*,具体的推导、转化和求解过程见文献[9]。

SVR常用的核函数有径向基函数、多项式函数、 Sigmoid函数、线性函数等。其中径向基函数具有较强的泛化能力[6,9],在瓦斯涌出量预测中,核函数被选取为RBF核函数,见式( 4) :

式中 σ 为核宽度系数,主要控制样本数据在高维特征空间中分布的复杂程度。

2粒子群算法改进

2.1基本粒子群算法

在粒子群优化算法[7,10]中,优化问题的每个解对应搜索空间的一个粒子,记为:

式中: m为粒子的个数; n为粒子的维数。

每个粒子有一个速度vi= ( vi1,vi2,…,vin) 决定其方向和位置。粒子群优化算法步骤: 首先初始化粒子群,计算出每个粒子的适应度函数,然后通过迭代搜索最优解。在每次迭代中,对于每个粒子,粒子通过追踪两个极值来更新自己: 一个是粒子自己找到的最优解,称为个体极值; 另一个是整个粒子群目前找到的最优解,称为全局极值。当找到个体极值和全局极值后,粒子按式( 6) ~ ( 7) 来更新自己的速度和位置:

式中: k为迭代次数; ω 为惯性权重; r1、r2为[0,1]之间的随机数,这两个参数用来保持群体的多样性; d1、d2为加速因子; xkpbest,i为当前粒子的历史最优位置; xkgbest为整个粒子群的历史最优位置。

2.2改进的粒子群算法

标准PSO算法存在两个缺点: 其一是PSO并不是从理论上严格证明收敛于任何类型函数的全局极值点,对于复杂函数容易陷入局部极值点中; 其二是PSO算法运行时,由于算法参数设计、粒子数选择不恰当等原因,导致在计算过程中,粒子多样性迅速消失,发生早熟收敛等现象[10]。

混沌运动具有遍历性、随机性、规律性等特点, 能在一定范围内按其自身的规律不重复地遍历所有状态。混沌的遍历性特点可被用来进行优化搜索且能避免陷入局部极值[11]。

笔者在标准PSO的基础上,提出一种改进的粒子群算法( IPSO) ,改进如下:

1) 利用混沌变量的遍历性,以粒子群当前搜索到的全局最优位置为基础迭代产生一个混沌序列, 然后将序列中的最优粒子位置随机替代当前粒子群中的某一个粒子的位置并进行迭代,产生局部最优解的许多邻域点,从而改善PSO算法摆脱局部极值点的能力,并快速搜寻到最优解,提高算法精度。

在此选取的是一个二维间断离散混沌动力系统Lozi方程[12]:

式中: hn∈[0,1],为混沌变量; n是迭代次数; a为参数,a > 1. 5后进入混沌运动,常取1. 7; u为参数,常取0. 5[12]。

文献[12]证明Lozi映射的PSO优化方法比传统PSO方法以及常用的Logistic映射PSO优化方法,具有求解精度高及求解效率高等优点。

2) 为了进一步提高PSO求解精度,采用网格分区的搜索方法。SVR模型精度主要受3个参数的影响[9],分别是惩罚系数C、径向基核函数的核宽度系数 σ,以及不敏感损失函数的宽度 ε。设置PSO每个粒子由三维参数( C,σ,ε) 决定其位置和速度。设置参数的取值范围为: C ∈[1,104],σ ∈[10- 4, 103],ε∈[10- 5,1. 5 × 10- 1]。IPSO方法将C分成3个区域: AC1=[1,102) ,AC2= [102,103) ,AC3= [103,104]; 将 σ 分成3个区域: Aσ1=[10- 4,1) ,Aσ2=[1,102) ,Aσ3=[102,103]; 将 ε 分成2个区域: Aε1=[10- 5,10- 3) ,Aε2= [10- 3,1. 5 × 10- 1) 。分别在ACiAσjAεk( i = 1,2,3; j = 1,2,3; k = 1,2) 范围内应用PSO算法求解局部最优参数( Ci,σj,εk) ,最后从局部最优参数( Ci,σj,εk) 中选取全局最优参数。

3IPSO算法优化SVR模型

适应度函数fitness取能直接反映SVR回归性能的均方差( MSE) ,见式( 10) ,其中f( xi) 为样本测试值:

基于IPSO算法寻优SVR参数向量( C,σ,ε) 并进行预测,其步骤如图1所示。

4瓦斯涌出量预测实例及结果分析

4.1数据集

以辽宁铁法煤业大兴矿4- 2和7- 2煤层为研究对象。该矿设计生产能力为300万t/a,2008年矿井瓦斯绝对涌出量为115. 32 m3/ min,相对涌出量为17. 14 m3/ t,属高瓦斯突出矿井。

综合分析认为,该矿井瓦斯涌出量影响因素主要有: 瓦斯含量x1、岩浆岩分布x2、构造条件x3、煤层厚度x4、煤层的埋藏深度x5、顶底板砂泥岩比值x6和煤的变质程度x7( 挥发分)[13]。瓦斯涌出量预测SVR模型输入向量X =[x1,x2,x3,x4,x5,x6,x7], 对应7个主要影响因素的指标; 输出为一维向量Y, 对应工作面的瓦斯涌出量。依据矿井采掘区瓦斯涌出量等值线图,内插出采掘区各钻孔点对应的瓦斯涌出量值以及各钻孔点各影响因素值共70组,其中4- 2煤层数据40组,7- 2煤层30组[13]。从4- 2煤层中选取4个钻孔点数据,7- 2煤层中选取3个钻孔点数据作为测试样本,其他钻孔点数据作为训练样本。

4.2预测结果及分析

利用Chih - Jen Lin开发的LIBSVM工具箱,在MatlabR2009b下编写了改进粒子群IPSO算法程序, 并实现瓦斯涌出量的回归分析及预测。设置粒子群参数: 群体规模为24,加速因子d1= 2、d2= 2,最大迭代次数为1 000。

分别使用4- 2和7- 2煤层训练样本对模型进行训练,通过IPSO算法选择最优参数,图2给出了对4- 2煤层训练样本训练时IPSO优化SVR参数的过程。 从图2可以看出,适应度函数fitness值随着代数增加而下降,在第126代时得到最优参数( C,σ,ε) = ( 38. 85,19. 32,0. 000 1) ,此时训练样本均方差MSE = 6. 383 58E - 008。同样,对7- 2煤层训练样本训练时用IPSO优化SVR参数,得到最优参数 ( C,σ,ε) = ( 36. 7,10. 69,0. 000 1) ,此时训练样本均方差MSE = 4. 863 2E - 008。

使用训练好的模型分别对4- 2和7- 2煤层的测试样本进行测试。4- 2煤层4个测试样本的均方误差MSE = 9. 613 41E - 005; 7- 2煤层3个测试样本的均方误差MSE = 7. 546 68E - 004。

将4- 2和7- 2煤层共7个测试样本,分别用GRNN模型、PSO - SVR模型以及IPSO - SVR模型预测瓦斯涌出量,其结果见表1。4- 2和7- 2煤层的瓦斯涌出量实测值和各模型预测值的比较分别见图3 ~4。

从表1可知,对于4- 2煤层4个测试样本的瓦斯涌出量预测,GRNN平均误差6. 8% ,PSO - SVR用PSO算法寻找到最优参数 ( C,σ,ε) = ( 66. 55,32, 0. 001) ,平均误差5. 2% ,IPSO - SVR平均误差1. 33% ; 对于7- 2煤层3个测试样本的瓦斯涌出量预测,GRNN平均误差19. 5% ,PSO - SVR用PSO算法寻找到最优参数( C,σ,ε) = ( 20. 5,13. 9,0. 001) ,平均误差13. 4% ,IPSO - SVR平均误差4. 7% 。从表1及图3、4可以看出: IPSO - SVR模型预测能力明显强于GRNN模型,也好于PSO - SVR模型。PSO SVR模型在使用PSO算法优化参数时易陷入局部最优解,导致预测精度较低。IPSO - SVR模型具有较强的预测能力,从而也证明了利用IPSO优化SVR模型参数的可行性和优越性。

5结论

瓦斯涌出量预测研究 篇7

分源预测法亦称瓦斯含量法。该预测方法的实质是按照矿井生产过程中瓦斯涌出源的多少、各个瓦斯涌出源瓦斯量的大小, 预计该矿井各个时期的瓦斯涌出量, 它能为矿井通风设计提供更合理的基础资料, 并为高、低瓦斯煤层合理配采, 减少矿井瓦斯涌出不均衡提供科学依据。

该方法主要针对一个矿井进行中长期预测, 而对回采工作面, 尤其是高产高效工作面, 没有进行过系统的研究, 缺乏对煤壁、落煤、采空区各瓦斯涌出规律的细致研究, 在此基础上, “九五”期间煤科院抚顺分院对其进行发展改进, 提出的动态分源预测法, 是对该方法的进一步完善, 提高了预测精度。

1 回采工作面瓦斯涌出量的分源预测[1]

(1) 煤壁瓦斯涌出量预测。

式中, W1为卸压带中煤的瓦斯含量, m3/t;W0为煤层原始瓦斯含量, m3/t;b为取决于矿山压力和煤层透气性的系数;t为采煤机循环的时间, d。

式中, q1为回采带中煤壁的瓦斯涌出量, m3/t;v为工作面平均掘进速度, m/d;h为面循环进尺, m。

(2) 采落煤瓦斯涌出量预测。

式中, W2为落煤含瓦斯量, m3/t;t为煤在井下暴露时间, d;n为采落煤瓦斯放散速度系数, 与煤的物理化学性质及破碎程度有关。

(3) 开采层 (本煤层) 瓦斯涌出量预测。

主要由工作面煤壁和落煤两部分构成:

2 邻近层瓦斯涌出量预测

煤层开采前, 围岩应力处于平衡状态。煤层开采过程中, 围岩原有应力状态被破坏, 处于冒落带、裂隙带的邻近层, 在瓦斯压力梯度的作用下, 将经由采空区, 源源不断的涌入回采工作面。

开采层回采后, 第i邻近层单位面积的瓦斯涌出量换算成开采1 t煤的瓦斯涌出量为:

式中, q邻为邻近层瓦斯涌出量, m3/t;mi为第i个邻近层煤层厚度, m;γ为煤的密度, t/m3;M为采高, m;ηi为第i个邻近层的瓦斯排放率, %;W0i为第i个邻近层煤层瓦斯原始含量, m3/t。

n个邻近层总的相对瓦斯涌出量为:

2.1 回采工作面瓦斯涌出量预测

回采工作面瓦斯涌出量由开采层和邻近层两部分组成:

2.2 高产工作面瓦斯涌出量的动态分源预测

由于推进速度增快, 采空区内涌出源的相对瓦斯涌出量都有不同程度的减少, 引入工作面推进速度修正系数KV:

2.3 掘进工作面瓦斯涌出量分源预测

2.3.1 掘进巷道煤壁瓦斯涌出量预测

式中, Q壁为掘进巷道煤壁瓦斯涌出量, m3/min;u为巷道断面在煤层中的周界, m;V为巷道平均掘进速度, m/min;L为巷道长度, m;q0为煤壁瓦斯涌出初速度, m3/m2·min。

2.3.2 掘进巷道落煤的瓦斯涌出量预测

式中, Q煤为掘进巷道落煤的瓦斯涌出量, m3/min;S为掘进巷道断面积, m2;WC为采落煤炭残存瓦斯含量, m3/t。

2.3.3 掘进巷道绝对瓦斯涌出量预测

3 分源预测法误差影响因素分析

3.1 煤层瓦斯含量值

煤层瓦斯含量是分源法预测矿井瓦斯涌出量时最基础的数据, 其准确程度对预测结果的影响最大。因此, 在地质勘探过程中, 应尽量系统地、准确地测定各个煤层在不同深度的瓦斯含量, 掌握区域瓦斯地质变化规律。这样在进行瓦斯涌出量预测计算时, 才能减少误差。

3.2 矿井产量与配产关系

当工作面、采区或矿井的产量发生明显变化时, 其相对瓦斯涌出量也会发生变化。在进行瓦斯涌出量预测时, 是按照设计的平均日产量进行计算的, 但是在实际生产过程中, 实际产量是不可能完全按照设计产量进行生产的。通常当实际产量超过设计产量时, 其相对涌出量就减少, 反之相对瓦斯涌出量就增加, 因此, 瓦斯涌出量预测值与实际值之间必然存在一定误差。当实际产量与设计产量相差较大时, 应考虑重新进行预测计算。

矿井瓦斯涌出量预测是按给定的设计产量和配产方案进行的。当由于采掘接替等原因使矿井实际配产关系发生变化时, 矿井瓦斯涌出量亦发生变化, 尤其是工作面邻近层的瓦斯涌出量变化更大, 因此预测误差也将增大。当矿井配产关系发生变化时, 要重新进行瓦斯涌出量的预测。

3.3 计算系统误差

由于煤矿地质开采条件的复杂多变, 因此从采掘地点到全矿井瓦斯涌出量的预测计算过程中, 从选用预测参数开始就存在着计算误差。为了减小分源预测法的误差, 必须结合采煤技术的发展, 不断补充新的内容, 修正有关参数的范围, 使分源计算法的预测值与实际值更接近, 为矿井设计提供更正确的数据。

4 应用实例

预测区域76采区为矿井的接替采区, 开采对象为山西组中下部3#煤层, 煤层厚度稳定, 平均厚度为6.13 m, 煤层伪顶为炭质泥岩0.3 m;直接顶为砂质泥岩1.43 m;老顶为细纱岩8.9 m。3#煤层顶板以上有Ⅶ、Ⅷ、Ⅸ砂岩含水层。

7601为76采区首采放顶煤工作面, 在其准备掘进期间, 瓦斯涌出量达到10 m3/min。2002年12月煤科院重庆分院采用间接测定法在76采区测定了3#煤层的瓦斯含量。在76采区的7601回风巷、76猴车巷、76轨道巷共布置测压孔8个, 测得3#煤层瓦斯压力为0.12~0.53 MPa, 经计算煤层瓦斯含量为6.15~7.95 m3/t, 平均为7.17 m3/t。

4.1 7601回采工作面瓦斯涌出量的分源预测

4.1.1 开采层相对瓦斯涌出量

根据《7601工作面回采地质说明书》及其它相关资料, 开采层厚度m约为6.13 m, 开采层采高M为3 m。

由于围岩中的瓦斯是以游离状态存在于围岩的孔隙中, 依目前的技术水平, 还不能十分准确的测定围岩中的瓦斯含量, 加之围岩孔隙不均匀而导致含量的不均匀, 计算出围岩中的瓦斯含量十分困难。

研究统计表明, 围岩瓦斯涌出系数一般为1.1~1.2。这里取K1=1.2;工作面丢煤系数K2为回采率的倒数, 根据相关资料显示, 五阳煤矿7601工作面回采率为85%, 则K2=1.18;工作面巷道瓦斯预排影响系数 , L代表回采工作面长度, 取200 m, 对于贫煤, 掘进巷道预排等值宽度h可以取10 m, 因此, K3=0.9。

煤层原始瓦斯含量W0约为6.15~7.95 m3/t, 这里, 取实测值的最大值W0=7.95 m3/t;采落煤炭残存瓦斯含量WC=2.01 m3/t。

经计算可得:q开=15.14 m3/t

4.1.2 邻近层相对瓦斯涌出量

煤层开采后, 对下部有影响的邻近层只有5#煤层, 5#煤层的原始瓦斯含量按3#煤层考虑。

5#煤层平均厚度mi为0.65 m, 3#煤层开采厚度M为6.13 m, 所以, mi/M为0.106。邻近层原始瓦斯含量W0i按照3#煤层考虑, W0i为7.95 m3/t, WCi为2.01 m3/t。邻近层瓦斯排放率ηi为1-hi/hp, (hi为第i个邻近层至开采层的距离, hi=30.5 m, hp为受采动影响的瓦斯排放带范围, 对于下邻近层, hp=35 m) 。

经计算可得:q邻=0.08 m3/t。

4.1.3 回采工作面瓦斯涌出量

q=q开+q邻=15.22 m3/t

4.1.4 高产工作面瓦斯涌出量动态分源预测

在其它条件不变的情况下, 瓦斯涌出量主要是受推进速度的影响, 其中煤壁、落煤、采空区瓦斯涌出量都随推进速度的加大而发生变化。首先, 顶底板最大的变形量发生在工作面推进较慢的时候, 在这种情况下, 扩大了冒落带、移动带和膨胀变形带, 导致了邻近层瓦斯涌出量的增加;反之, 当工作面推进速度加快时, 冒落带、移动带和膨胀变形带在一定时间内相对呈现缩小, 相应的减少了邻近层瓦斯的涌出量。其次, 由于工作面推进速度快, 而围岩变形垮落又需要一定时间, 当围岩充分变形垮落, 瓦斯大量涌出时, 涌出瓦斯的地点在采空区内, 距离采面已经有了一段距离, 加之瓦斯在采空区内向采面运移也需要一定的时间, 其运移速度随采面推进速度的增大而减小, 因而, 相对涌出量就减小。

由于推进速度的增大, 采空区内各瓦斯涌出源的相对瓦斯涌出量都有不同程度的减少, 这最终会引起回采工作面总瓦斯涌出量的变化。因此, 引入工作面推进度修正系数KV, 并定义为瓦斯涌出量传统预测值与实际值之比, 可以对回采工作面瓦斯涌出量进行修正, 称为动态分源预测法。

4.2 掘进工作面瓦斯涌出量的分源预测

4.2.1 巷道煤壁绝对瓦斯涌出量

在76采区, 掘进巷道断面在煤层中的高均为3.2 m, 宽为4.5 m, 则掘进巷道断面周长u为15.4 m。

根据资料, 巷道平均掘进速度V约为0.01m/min, 巷道长度L按照76采区布置工作面最大长度取为2200 m。

煤壁瓦斯涌出初速度q0无实测数据时, 可按下式计算:q0=0.026姨0.0004Vr2+0.16姨W0 (17)

式中, Vr为煤中挥发分含量, 这里取20;W0为煤层原始瓦斯含量, 取7.95 m3/t。

这样, q0=0.066 m3/m2·min, 代入上式中得:Q壁=9.54 m3/min

4.2.2 掘进巷道落煤的绝对瓦斯涌出量

由于巷道高度为3.2 m, 宽度为4.5 m, 可得掘进巷道断面积S为14.4 m2, 巷道平均掘进速度V为0.01 m/min, 煤的密度γ为1.35 t/m3。

煤层原始瓦斯含量W0为7.95 m3/t, 运至地表煤的残存瓦斯含量WC为2.01 m3/t。

因此可得:Q煤=1.15 m3/min

4.2.3 掘进巷道瓦斯涌出量

Q=Q壁+Q煤=9.54+1.15=10.69 m3/min

5 结论

(1) 煤矿瓦斯的分源预测方法以煤层瓦斯含量为基础数据, 结合煤层采掘条件, 从煤田地质、矿井开采条件、层位关系等诸多因素入手, 结合矿井煤层配产方案可以计算出矿井不同生产时期各瓦斯涌出源的瓦斯涌出大小。

(2) 根据传统的分源预测法, 通过计算, 得出五阳煤矿76采区回采工作面相对瓦斯涌出量为15.22 m3/t, 其中, 开采层瓦斯涌出占绝大部分, 而邻近层的瓦斯涌出非常小;对于掘进工作面, 其绝对瓦斯涌出量为10.69 m3/min, 巷道煤壁涌出较多, 约占89%左右, 落煤约占总瓦斯涌出量的11%。

摘要：针对山西潞安五阳煤矿76采区开采技术条件和煤层瓦斯地质条件, 在分析了目前国内外矿井瓦斯涌出量预测方法现状的基础上, 运用分源预测法, 得出了回采工作面和掘进工作面的瓦斯涌出量预测值。

关键词：瓦斯涌出量,分源预测法,误差分析

参考文献