基于BP神经网络预测袁店一矿101、102采区10煤层底板突水量

王腾辉　王来斌　王健　孟令普

【摘 要】运用用突水系数法进行突水危险性预测，再通过分析工作面的水压、含水层、隔水层厚度（底板岩层厚度）、底板采动破坏深度、断层落差（对完整底板而言断层落差取零）作为预测底板突水的控制参数建立BP神经网络模型进行底板突水量预测，以达到安全开采该采区 10 煤层的目的。

【关键词】突水系数法；BP神经网络；底板突水量

0 前言

中国主要煤炭生产基地的华北型煤田大部分分布在岩溶地区，由于岩溶矿区水文地质的极其复杂，在带压采煤活动的影响下使得其赋存的岩溶水具有强烈的随机性，煤层顶底板突水为其主要水害问题。淮北煤田作为典型的华北型煤田，水文地质条件复杂，随着开采深度、速度以及规模的增加，煤矿安全开采普遍受到太灰水和奥灰水的严重威胁，也曾发生多次底板突水事故。煤层底板突水的准确预报预测是保障煤层开采的关键，底板突水的预报预测是一个涉及到水文地质、工程地质、开采条件和岩石力学等诸多因素的复杂问题[2-3]。本文结合袁店一矿101、102采区的实际条件，运用用突水系数法[1-4]进行突水危险性预测，再通过建立BP神经网络模型进行底板图水量预测，以达到安全开采该采区 10 煤层的目的。

1 采区概况

袁店井田位于安徽省濉溪县与涡阳县的交界处，东距宿州市约50km ，面 积 约37.22km2。袁店煤矿太原群灰岩含水层为10煤底板直接充水含水层，该含水层厚度大，水量丰富，水压高，若与矿井形成直接沟通，后果将会很严重。文中收集袁店一矿102采区10煤93个钻孔资料的数据，剔除受断层影响的37个，受岩浆岩影响间距增厚3个以及8个钻孔为太灰露头孔。选取其中45个符合要求的数据。

2 底板突水危险性预测

底板突水的准确预测预报是保障承压水上安全开采的关键，10煤层底板突水与否，主要取决于太灰水头压力、底板隔水层性质（岩性、厚度、力学性质、水理性质）以及底板受构造和煤层开采时扰动破坏程度等因素。10煤层是袁店煤矿的主采煤层，其承压水上开采的成功与否直接关系的整个煤矿的开采安全，意义重大。本文结合袁店煤矿实际条件，运用突水系数法进行突水危险性预测。

突水系数是指单位厚度所能承受的水压值，表达式为T =P/M 式中，P ——作用于底板的水压，MPa；M ——底板厚度，m。用突水系数评价底板稳定性的关键在于确定临界突水系数 Ts，即当TTS说明底板不稳定，发生突水的可能性较大。对矿区大量突水资料分析得出临界突水系数TS值见表1[5]。

表1 底板突水系数表

10煤层底板突水与否，主要取决于太灰水头压力、底板隔水层性质（岩性、厚度、力学性质、水理性质）以及底板受构造和煤层开采时扰动破坏程度等因素。采用公式T=P/M及P=（H-h）×0.0098（MPa）估算了袁店一井煤矿部分钻孔的太灰突水系数。式中T-突水系数（MP/m）、P-灰岩水头压力（MPa），M-10煤层底板至太原组一灰间距（m），H-太灰水位标高（m），h-开采水平（m）。据04-06、06-26孔抽水试验袁店一井煤矿平均静止水位标高+18.869m，一水平10煤开采水平为-250～-748m。突水系数T=0.0098×（18.869+h）/M，利用该公式估算袁店一井煤矿太灰突水系数。

取表 1中的临界突水系数最小值 0.06 作为临界突水系数，与之比较袁店一井煤矿太灰突水系数的计算结果，可以看出不同水平不同隔水层厚度，突水系数之间差异比较大。袁店一井煤矿10煤开采突水系数除04-41、04-50、06-5三孔外，其余各孔均超過0.07 MPa/m ，其中59个钻孔的突水系数大于0.10 MPa/m，尤其是13-1、15-1、21-2、04-47、04-49、04-51、04-60、04-63、04-66、04-69、04-78、04-79、04-91、06-13、06-28等孔10煤底板受五沟—杨柳断层、袁店断层、F1、F4、F6、DF10、EF35断层影响，突水系数更大。04-49、04-58、04-75、06-17孔10煤甚至与太灰“对口”接触。因此，袁店一井煤矿10煤层开采要采取严格的灰岩水防治措施。

3 底板突水量预测

3.1 BP神经网络简介

图1 煤层底板突水量模型结构图

BP 模型是目前研究最多、应用最广泛的神经网络模型。其结构如图1所示，BP 网络有输入层、隐含层和输出层。基本思想是梯度下降法，采用梯度搜索技术，达到实际输出值与期望输出值的误差均方差为最小[7]。影响底板突水的因素较多，通过对大量底板突水案例的统计分析，主要影响因素有以下5个：水压、含水层、隔水层厚度（底板岩层厚度）、底板采动破坏深度、断层落差（对完整底板而言断层落差取零）作为预测底板突水的控制参数，即网络的输入。网络的输出即为底板突水量。BP 神经网络的训练过程包括前向计算和误差反向传播 2个过程：（1）正向传播，在正向的传播过程中，输入信息从输入层经过隐含层逐层处理，传向输出层，每层神经元的状态只影响下一个神经元的状态；（2）反向传播，输出结果达不到预期值时，将转至反向传播，将误差值按连接通路反向计算，利用梯度下降法调整各层神经元的权值，使输出结果达到预期值。

按煤科总院西安分院王梦玉等人的划分方案，将底板突水量分为 4 个等级（见表 2），由网络输出突水量的情况可预测突水等级的大小。参数取值的原则是能完全定量的用定量数据表示，不能定量的用二值模式表示。定性因素取值原则如表2所示。

表2 变量定义

3.2 学习样本的确定

从大量的煤层底板突水案例[8]中选取13个典型的采煤工作面底板突水资料，从中选10个作为学习样本，如表3。

表3 学习和检验样本

图 2 底板突水量预测模型训练过程图

根据表 3，建立 BP 网络，其中输入层节点 5 个，输出层节点为 1 个，隐含层取15 个节点。网络训练采用 Levenberg-Marquartdt 反向传播算法对网络进行训练（trainlm函数）。训练前，把训练样本和检验样本用 matlab 中的 premnmx 函数做归一化处理，然后用样本训练该 BP 网络，迭代 8 次后，达到要求精度，底板突水量预測模型训练过程见图 2，表 4 为用训练好的网络对检验样本进行预测的结果。由表5可知，预测突水量相对误差最大为 10.1%，最小为 4.6%，预测突水量等级完全与实际符合，说明灰色BP神经网络模型的计算结果更为接近实际，精度高，误差小，可用训练好的神经网络模型进行底板突水量的预测。

3.3 预测计算结果

本次预测分别以101采区1011工作面102采区的1023工作面为例，1011工作面各参数指标见表5：输入水压、含水层、隔水层厚度、采动底板破坏速度，断层落差，输出结果为：

表5 1011、1023工作面参数指标

4 结论

（1）袁店一井10煤开采突水系数较大 ，袁店一井10煤层开采均要采取严格的灰岩水防治措施。

（2）通过运用BP神经网络预测煤层底板最大突水量，袁店一井10煤开采1011、1023工作面有突水危险，尤其是1023工作面一旦发生突水，其突水等级较大。

【参考文献】

[1]尹会永.翟镇煤矿下组煤开采底板突水危险性评价[J].中国矿业，2009（18）：97-99.

[2]李忠建.运用突水系数法和模糊聚类法综合评价煤层底板突水危险性[J].矿业安全与环保，2010（37）：24-26.

[3]高延法.底板突水危险性评价专家系统及应用研究[J].岩石力学与工程学报，2009，28（2）：253-258.

[4]白喜庆.新驿煤田奥灰顶部相对隔水性及底板突水危险性评价[J].岩石力学与工程学报，2009（28）：273-280.

[5]施龙青.底板突水研究综述[J].山东科技大学学报，2009.

[6]高延法，施龙青，娄华君，等.底板突水规律与突水优势面[M].中国矿业大学出版社，1999.

[7]马玉姣，程根银，赵东云.神经网络技术在煤层瓦斯含量预测中的应用[J].煤炭工程，2010（1）：117-119.

[8]陕西省煤炭厅、开滦矿务局、焦作矿务局等.国家工业性试验项目：华北型煤田奥灰岩溶水综合防治工业性试验，矿区试验点研究成果报告[R].1991.

[责任编辑：杨玉洁]