独头巷道掘进过程中排烟时间预测

纪洪广 曹 杨 张 舸 李 颂 陈布雷 蒋 华

(1.北京科技大学土木与环境工程学院，北京 100083；2.北京科技大学机械工程学院，北京 100083；3.山东黄金归来庄矿业有限公司，山东 临沂 273300)

·安全与环保·

独头巷道掘进过程中排烟时间预测

纪洪广1曹 杨1张 舸2李 颂3陈布雷1蒋 华1

(1.北京科技大学土木与环境工程学院，北京 100083；2.北京科技大学机械工程学院，北京 100083；3.山东黄金归来庄矿业有限公司，山东 临沂 273300)

分析了炮烟在独头巷道中的运移情况，从质量守恒角度建立了炮烟抛掷区中的炮烟排出数学模型。对归来庄金矿-118 m穿脉巷道爆破作业的现场炮烟监测，监测点炮烟浓度先增加后减小，炮烟排出过程中符合指数衰减。从爆破、炸药、通风条件、巷道情况4个方面分析了影响排烟时间的因素，利用BP神经网络模型，将炸药量、炮眼数目、风筒到掘进面的距离、监测点到掘进面的距离、风筒风量、风流温度、巷道温度、巷道相对湿度等因素的10组实验数据作为输入量，排烟时间作为输出量，获得稳定的网络结构。再将5组输入量实验数据代入BP网络训练，预测的排烟时间与实测的排烟时间相对误差在7%以内，运用BP网络模型取得了较好的预测效果。准确预测排烟时间，可以合理安排掘进作业，避免炮烟中毒事件发生，对矿山安全高效生产有重要的意义。

独头巷道 炮烟 排烟时间 BP网络模型 预测

在金矿生产过程中，爆破是巷道掘进和矿石开采的主要形式[1]。独头巷道掘进爆破后，产生的有毒有害气体中主要成分为CO、NOx等。地下爆破作业点的爆破有害气体浓度CO不得超过30 mg/m3，NOx不得超过10 mg/m3。掘进工作面和通风不良的采场，应安装局部通风设备[2]。因此，在爆破作业后必须对独头巷道进行强制的机械通风，以尽快将有毒有害气体排出。计算排烟时间，能为井下工作人员合理安排掘进作业时间提供参考，提高巷道掘进效率，同时还保证井下工人的生命安全。2001—2010年，我国非煤矿山因中毒窒息共死亡1 562人，平均每年死亡超过156人，占总死亡人数的7.35%，排在各类事故类型的第5位[3]。可见研究独头巷道掘进过程中炮烟扩散规律，预测排烟时间，对预防非煤矿山中毒窒息事故有重要的意义。

要确定炮烟扩散的排烟时间，必须对巷道中炮烟运移情况做深入研究。彭辉等[4]建立了隧洞施工爆破炮烟自然扩散模型，对自然通风条件下炮烟(CO)浓度与时间的关系做了深入的研究，为合理设计通风排烟方案以及确认爆破后到底需要等多长时间再次进洞施工,为安全保证提供依据；苏利军等[5]以费克定律为基础,得出了炮烟扩散过程中有毒气体浓度的时空分布表达式，并针对吸出式通风,讨论了可能出现的炮烟停滞区中炮烟浓度的计算方法；杨立新等[6]根据稀释-对流模型，得出了排烟风量的计算公式，并在实际中验证了其合理性。以上研究中没有直接给出接对排烟时间预测的公式，主要因为排烟时间往往受到炸药质量、风量、风筒到掘进面距离、炮烟抛掷距离、温度等因素影响，而且各个影响因素之间存在复杂的非线性关系。对于此类问题，可以运用人工神经网络[7]进行建模对排烟时间进行预测。

1 排烟时间因素影响分析

1.1 炮烟排出模型

独头巷道炮烟排出过程可以近似看作是炮烟在巷道中做一维运动[8]。设巷道的断面面积为S，1-1面到掘进面的距离为LP(也可以看作炸药爆炸后炮烟抛掷长度)，选取0-0面到1-1面为研究CO扩散的控制体。控制体的体积V=LP·S。大巷中CO的值为Cout。

图1 独头巷道通风示意Fig.1 Schematic drawing of single-end roadway

单位时间内，有控制体中散出的CO的质量和控制体外增加的CO的质量相等。由质量守恒定律可得CO的浓度和通风量的关系为

(1)

解微分方程得

(2)

其中，A为常数；由于t=0时，C=C0，可得

(3)

式中，V为控制体的体积，m3；k为扩散系数，m2/s；dC/dt为CO浓度随时间变化值，mg/m3；Q为通风量，m3/s；C为1-1面瞬时时刻CO的浓度,mg/m3;Cout为通风风量中CO的浓度，mg/m3;C0为控制体中CO的初始浓度，mg/m3。

由以上的推导可以得到掘进面炮烟中CO扩散的一般规律。一般大巷中的CO的浓度可以近似为0，即Cout=0，故式(3)可以简化为

(4)

可见排烟时间与控制体中炮烟初始浓度、炮烟扩散系数、风量、控制体的体积有关。

1.2 影响因素分析

分析排烟时间的影响因素可以从爆破条件、炸药、通风条件、巷道情况4个方面来考虑。

(1)爆破条件对CO的生成量有很大影响。相比于火雷管起爆，电雷管起爆CO生成量较少；炮孔分布合理，数目合适，炸药爆炸得更充分，产生的CO量少。炮孔越深，装药越多，生成的CO量越多；炮孔装药越密实，产生的CO量越少。

(2)炸药种类及质量对CO的生成量影响也很大。一般炸药质量越大，CO生成量越多；相同质量的不同炸药种类生成CO量也不同，梯恩梯产生的CO最多，乳化、水胶炸药产生的CO较少[9]。

(3)通风条件。风筒供风量越大，排烟时间越短；风筒口距离到掘进面距离在其有效射程内时，通风效果越好，排烟时间就越短；抽出式通风，热风压的存在会加快排烟时间[10]。

(4)巷道条件。巷道的岩性有时影响CO的生成量，如硫铁矿中因为含硫元素较多而参与炸药反应，会产生SO2，同时又消耗了氧，致使CO的生产量增加；巷道上倾，不利于炮烟排除；巷道下倾，有利于炮烟排除；风速相同时，巷道断面越大，炮烟排除越快；炮烟监测点到掘进面距离可以放大看作巷道长度，巷道越长，排烟时间越大；巷道的湿度对CO生成量也有影响，在高温高压条件下，CO会与水雾反应生成CO2和H2，从而有效地减少CO生成量[11]。

2 现场爆破监测实验

在归来庄金矿-118 m中段32号穿脉掘进巷道中进行了多次炮烟监测实验。32号穿脉巷道采用钻爆法进行巷道掘进，巷道长度约为80 m，巷道断面形状为半圆拱，宽3.2 m，高3 m，风筒风量3.5 m3/s左右，巷道温度为24 ℃左右，湿度为79%左右，围岩主要为矽卡岩，岩体整体性好；炸药为2号岩石乳化炸药，炮孔直径为80 mm，炮孔采用连续装药，炮孔深度约为2 m。在保证安全的情况下，选择距离掘进面同一的位置为CO监测点，在巷道的不同断面位置布置了5个CO无线传感器。如图2、图3所示。

图2 传感器布置Fig.2 Layout of sensor

图3 独头巷道监测示意Fig.3 Schematic drawing of single-end roadway monitoring

爆破作业前，选择安全的监测点将CO传感器、温度计、湿度计等设备布置好。在爆破作业后，传感器对巷道中监测点的CO浓度进行了监测记录，并通过阅读器将数据传到SQL数据库中保存。共进行了10次爆破监测实验，分别对炸药量M、炮眼数目N、风筒到掘进面的距离L0、监测点到掘进面的距离LP、风筒风量Q、风流温度T0、巷道温度T、巷道相对湿度φ、排烟时间t0等参数进行记录，相关的实验参数汇总如表1所示。

表1 爆破监测的相关实验参数Table 1 Relevant experimental parameter of blasting monitoring

通过炮烟监测发现，爆破作业后监测点CO浓度值随时间迅速增加到最大值，然后逐渐减小趋于不变。在炮烟浓度逐渐减小过程中，CO浓度按近似为负指数衰减变化,某次测试如图4所示，其他测试数据图形与此类似。

图4 CO浓度随时间变化曲线Fig.4 Curve of CO concentration changing with time

3 模型建立

3.1 BP网络概述

BP算法是一种按误差逆传播算法训练的多层前馈网络。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前给定这种映射关系的数学方程。它的学习规则是使用最速下降法，将误差(理想输出与实际输出之差)按连接通路反向计算，并不断调整网络的权值和阈值，使误差减小，直到误差达到理想的误差范围，训练才会停止。BP神经网络是一种具有3层或3层以上的神经元的神经网络，模型拓扑结构包括输入层、隐含层和输出层。

3.2 BP网络构建

在某一金矿的同一个巷道进行炮烟监测实验，除去了炸药种类、岩性、炮眼直径、炮眼深度、巷道面积等不变的因素，选择表1中的8个因素输入到BP神经网络模型中的输入层，输入层的节点数n=8。将预测通风时间t0作为输出层的输出量，其节点数m=1。隐含层的数量可由经验公式得到：

其中n为输入层节点，m为输出层节点数，a为1～10的常数。根据经验，该模型的隐含层节点数量为10。即构建的BP模型结构为(8,10,1)，如图5所示。

图5 排烟时间BP神经网络结构Fig.5 BP neural network structure of fume-drain time

3.2 模型应用

(1)模型训练。将1～10组数据样本(见表1)代入网络进行学习训练，经过迭代运算，当达到设定的训练误差0.000 1时，训练停止。BP模型获得稳定的网络结构、权值及节点阈值。

训练结果如图6所示。

图6 BP网络模型训练结果Fig.6 Training of BP network model +—实际排烟时间；○—网络输出排烟时间

(2)模型验证。将11～15组样本数据代入训练后的网络进行验证，得到网络训练后的排烟时间的值，如表2所示。

表2 BP网络训练后的排烟时间及误差Table 2 Fume-drain time trained by BP network and errors

4 结 论

(1)实测数据分析可得：独头巷道炮烟排除过程中，监测点CO浓度先增加后减小。CO浓度减小过程中，CO浓度随时间基本按指数变化衰减。

(2)独头巷道炮烟排除时间受风筒到掘进面距离、炮烟抛掷长度、巷道长度、炸药质量、温度、湿度等因素影响。预测排烟时间必须综合考虑各个因素，预测结果才能更接近实际情况。

(3)运用BP神经网络对预测量建模，可以充分考虑各个影响因素与预测量之间复杂的非线性关系，反向传播自行调整网络权值和阈值，使得实测结果和BP网络训练结果误差在设定的范围内，获得更高的预测精度。

[1] 郑建军，王卫忠，任仲罕.某金矿有毒有害气体的来源、组成及影响因素分析[J].金属矿山，2013(6):148-150. Zheng Jianjun，Wang Weizhong，Ren Zhonghan.Research on source and composition of the toxic and harmful gas and its influence factor in a certain gold deposit[J].Metal Mine，2013(6):148-150.

[2] 李晓飞，薛剑光.《金属非金属矿山安全规程》解读[M].武汉：长江出版社，2006. Li Xiaofei，Xue Jianguang.Interpretation ofMetalandNon-metalMineSafetyRules[M].Wuhan:Changjiang Press，2006.

[3] 刘宁武，朱慧武，梅国栋.炮烟中毒窒息事故机理和预防措施研究[J].有色金属:矿山部分，2012，64(3)：1-6. Liu Ningwu，Zhu Huiwu，Mei Guodong.Research on accidents mechanism and prevention measures towards poisoning and asphyxiation of explosion smoke[J].Nonferrous Metals：Mine Section，2012，64(3)：1-6.

[4] 彭 辉，雷进生，姚金阶.隧道施工爆破炮烟自然扩散模型研究[J].路基工程，2009(6):30-31. Peng Hui，Lei Jinsheng，Yao Jinjie.Research on blasting fume natural diffusion model during tunnel construction[J].Subgrade Engineering，2009(6):30-31.

[5] 苏利军，卢文波.地下巷道钻爆开挖过程中炮烟扩散及通风[J].爆破，2000，17(1):1-6. Su Lijun，Lu Wenbo.Technique during construction of underground tunnel[J].Blasting，2000，17(1):1-6.

[6] 杨立新，陆茂成，赵军喜.隧道施工爆破后通风排烟风量计算的探讨[J].西部探矿工程，2000(1):55-57. Yang Lixin，Lu Maocheng，Zhao Junxi.Discussion on ventilation smoke-drain calculation in tunnel construction after blasting[J].West-China Exploration Engineering，2000(1):55-57.

[7] 郁 云，杜 杰，陆金桂.基于人工神经网络的瓦斯涌出量预测[J].计算机仿真，2006，23(8)：146-148. Yu Yun，Du Jie，Lu Jingui.Mine gas gushing forecasting based on artificial neural network[J].Computer Simulation，2006，23(8)：146-148.

[8] 谭 香.巷道型采场通风炮烟运动的数值试验[D].南宁：广西大学，2012. Tan Xiang.Numerical Tests on Ventilation Blasting Fume Movement in Long Stope[D].Nanning：Guangxi University，2012.

[9] 汪旭光.乳化炸药[M].北京：冶金工业出版社，2008. Wang Xuguang.Emulsion Explosive[M].Beijing：Metallurgy Industry Press，2008.

[10] 陆愈实，张国屏.热负压对独头巷道抽出式通风影响的研究[J].工业安全与防尘，1991(2)：1-4. Lu Yushi，Zhang Guoping.A study of effect of heat negative pressure head on exhaust ventilation in blind gallery[J].Industrial Safety and Dust Control，1991(2)：1-4.

[11] 赵晓莉，王继峰.炸药爆炸产生有毒气体的原因及其防治[J].煤矿爆破，2007，77(2)：23-26. Zhao Xiaoli，Wang Jifeng.The reason for shaping toxic gas during the blasting of explosive and its preventive measures[J].Coal Mine Blasting，2007，77(2)：23-26.

(责任编辑 徐志宏)

Prediction of Drain-fume Time of Single-end Roadway in Tunneling Process

Ji Hongguang1Cao Yang1Zhang Ge2Li Song3Chen Bulei1Jiang Hua1

(1.SchoolofCivilandEnvironmentalEngineering，UniversityofScienceandTechnologyBeijing，Beijing100083，China；2.SchoolofMechanicalEngineering，UniversityofScienceandTechnologyBeijing，Beijing100083，China；3.GuilaizhuangMiningCo.，Ltd.ShangdongGoldGroup，Linyi273300，China)

The migration of blasting fume in single-end roadway is analyzed，and the mathematical model of blasting fume diffusion in the casting area is established from the viewpoint of mass conversation.Blasting fume monitoring in the -118 m tunnel in Guilaizhuang gold mine showed that the density of blasting fume at monitoring point increases firstly and then decreases.The process of blasting fume diffusion basically coincides with the exponential decay.The factors for fume-drain time are analyzed from four aspects of blasting，explosive，ventilation condition and tunnel.With BP neural network model，a stable network structure is obtained，regarding 10 groups data of explosive quantity，hole number，distance between fan drum and heading face，distance between monitoring point and heading face，air output，air temperature，roadway temperature，relative humidity of roadway as input，and fume-drain time as output.5-group of experimental input data was introduced into the BP network，obtaining that relative errors between measured results and network-training results are lower than 7%.Better prediction effect is achieved with BP neural network model.Accurate prediction of fume-drain time can not only arrange tunneling in a reasonable way，but also avoid occurrence of blasting fume poisoning incident，which creates significant meanings to safe and high-efficient production of mining.

Single-end roadway，Blasting fume，Fume-drain time，BP network model，Prediction

2014-01-20

“十二五”国家科技支撑计划项目(编号：2012BAK09B00)。

纪洪广(1963—)，男，教授，博士研究生导师。

TD724+.4

A

1001-1250(2014)-05-142-04