综采面区段煤柱宽度预测GRNN模型构建与应用

王泽阳 来兴平 刘小明 崔峰

摘要：以近水平煤层综采工作面区段煤柱合理宽度预测为目标，分析了近水平综采工作面煤层内聚力、煤层厚度、弹性模量、内摩擦角、容重、泊松比、埋深、工作面长度、煤层倾角对区段煤柱留设的影响因素与关系。基于广义神经网络算法构建了近水平综采工作面区段煤柱留设宽度的神经网络预测模型。以某矿典型工作面为背景，运用所构建的广义回归神经网络进行预测并运用四折交叉验证算法对光滑因子进行优化，消除了模型构建参数选择的人为影响。预测结果表明与工作面实际区段煤柱仅有1%左右的误差。为验证广义回归神经网络的优越性，建立了普通BP神经网络模型进行对比，得出GRNN模型对于多种影响因素非线性耦合预测结果具有较好稳定性与精确性，为实现近水平综采工作面的精准开采提供了参考依据。

关键词：近水平煤层;区段煤柱;综合机械化开采;广义回归神经网络;

中图分类号：TD 313文献标志码：A

DOI：10.13800/j.cnki.xakjdxxb.2019.0205文章编号：1672-9315（2019）02-0209-08

0引言

煤柱宽度是影响煤柱的稳定性和巷道维护的主要因素之一，煤柱宽度决定了巷道与回采空间的水平距离，影响开采扰动引起的矿山压力对巷道的安全程度[1]。受时空关系、覆岩结构、地质构造等因素影响，多场应力叠加为现场安全防控提出了难题，进而影响保水开采或增大了水患诱发几率。一般来讲，煤柱留设宽度愈大，巷道稳定性愈好。但是这也会造成极大的资源浪费，与现在大力提倡的科学采矿、绿色开采、精准开采和安全采矿等先进理念相悖。因此，定量确定区段煤柱的合理宽度对实现西部煤矿精准安全开采与环境保护具有重要科学意义[2]。

目前，综采面区段煤柱留设主要采用理论分析、相似模拟实验、数值计算、工程类比法等。主要考虑因素包括采高、煤层埋深、煤层倾角、煤岩体的各种力学性质、开采工艺和开采方法等[3-6]。来兴平等通过理论计算，基于煤矿原有煤柱的应力分布及塑性区范围，综合分析确定区段煤柱宽度，解决了大南湖“三软煤层”巷道大尺度变形和支护问题，对宽沟煤矿W1123工作面区段煤柱稳定性分析及合理留设宽度研究，以区段煤柱围岩结构特性、区段煤柱是否处于高应力与临界破坏状态、区段煤柱弹塑性区域分布、区段煤柱位移特征以及W1123工作面拟回采模拟为针对点进行深入分析，从而提出合理的区段煤柱宽度方案。

随着智能建模与并行计算理论与技术的创新与发展，智能岩石力学理论对综采面区段煤柱宽度设计提供了科学有效的方法与手段。该理论以岩石力学为基础，以人工智能、神经网络、非线性科学和系统科学为工具，对岩石力学问题进行综合性和系统性研究[7]。特别是广义回归神经网络模型（general regression neural network，GRNN）具有柔性网络结构、很强的非线性映射能力、高度的容错性和鲁棒性，模型建立所需参数易于获取并实现定性特征的定量化描述，可显著提高网络并行计算速度和计算效率，这为区段煤柱宽度精准留设与安全定量化设计提供了可信的新方法，在一定意义上也为丰富科学绿色智能采矿理论奠定了相关基础。

对影响综采面煤柱留设宽度的因素进行关联度分析，提取其中控制性因素，以24组工程实例数据为学习样本建立了GRNN区段煤柱预测模型，确定了区段煤柱宽度与内聚力、弹性模量及内摩擦角等影响因素的关系，通过对某矿典型工作面实例进行预测，验证了本方法的普适性与稳定性。

1区段煤柱的影响因素

1.1区段煤柱留设宽度影响因素的选取

区段煤柱留设宽度受多种因素的制约，且各个因素之间相互作用关系并不明确，一般来说，影响煤柱留设的因素可以分为煤岩体力学因素和煤层开采方式因素2大类①内聚力反映了岩体未受到任何正应力时的抗剪强度;②弹性模量反映岩体抵抗弹性变形能力大小的尺度;③内摩擦角反映岩体散粒物料间摩擦特性和抗剪强度;④岩石容重取决于组成岩石的矿物成分、孔隙发育度及其含水量，岩石容重的大小，在一定程度上反映出岩石力学性质的优劣;⑤泊松比反映岩石横向变形的弹性常数，泊松比越小则受到相同正应力时岩体横向变形越小;⑥煤层埋深越深其地应力的重力应力场越大，煤岩体的力学性质会有所改变;⑦煤层倾角影响其上覆岩层的移动变形规律和破坏模式，也影响了保护煤柱的应力分布状态和应力集中程度;⑧开采高度直接影响了垮落带高度，也决定了煤柱要承担上覆岩层载荷的强度;⑨工作面长度越长则煤柱所需要承担的上覆岩层的载荷越大[8];⑩地下水，由于水对岩石强度有强烈的劣化作用，其劣化作用可以通过关于岩石强度的各种参数间接体现出来，故此处不再单独作为影响因素考虑。

1.2关联度计算

传统的灰色系统理论是一种研究少数据、贫信息不确定问题的方法，通过灰色生成或序列算子的作用弱化随机性，挖掘潜在规律[9]。利用灰色理论的相关方法可以得出各个因素耦合出结果的灰色相关度，即在各个因素之间相互作用关系和对结果影响程度尚不明确的情况下，得出各个影响因素对结果的关联度，灰色关联度越大则该因素对结果的影响越大，这样就可以剔除若干个对研究对象影响不明显的因素，使现有神经网络模型难以处理的“体数据”转化为“点数据”，提高人工智能网络并行计算效率和对结果预测的精度。在查阅相关资料的基础上[10-18]，选取24个近水平综采工作面作为分析样本。

GRNN模型构成简单，只有一个影响参数即光滑因子，最大程度减少了人为因素的干扰。然而光滑因子的选取本质上是一个优化问题，即如何能够找到一个光滑因子使GRNN模型训练样本的输出值与实际值的均方差最小。文中通过四折交叉验证的方法对光滑因子进行選优，以进一步提高GRNN模型对煤柱宽度预测的精度。

2.2四折交叉验证的GRNN优化

通过对光滑因子依次进行调整，对每一次光滑因子的选取进行输出值与实际值的均方差分析，如图3所示，完成4次拟合后，发现当光滑因子值为0.5时网络累计的均方差最小，因此确定0.5为GRRN模型的光滑因子。

2.3模型驗证及工程应用

为验证GRNN煤柱预测模型的准确性和适用性，采用上述模型对某矿典型工作面进行区段煤柱宽度预测（表3）。

其中，反归一化的过程就是归一化的逆向运算，将量纲与原始数值还原于计算数据。由表4可以看出，经GRNN模型预测出的煤柱宽度比现场煤柱宽度误差仅为1%左右。

网络预测反归一化

后数据煤柱宽度25 m0.722 20.704 124.673 8 m3GRNN模型与其他模型对比3.1BP模型结构

为进一步说明经过四折交叉验证的GRNN模型的优越性，将建立普通的BP模型进行对比验证。BP模型的设计由两方面组成，其分别为网络层数和各层节点数。在网络层数中输入层和输出层各只有一层，隐藏层则根据情况的不同灵活更改。具有一个隐藏层的BP模型可以实现对任意函数的任意逼近且其拟合程度好，故文中选定只有具有1个隐藏层的3层BP模型，其具体结构为：输入层有8个节点依次为内聚力、弹性模量、内摩擦角、容重、泊松比、埋深、工作面长度、采高;输出层为煤柱宽度，所以输出层为1个节点。采用如下经验公式来确定隐藏层节点数

s=n+1+a（7）

式中s为隐藏层节点数，n为输入层节点数，l为输出层节点数，a为1-10的任意常数。

3.2BP神经网络网络训练及预测

建立梯度下降动量BP算法的多层前馈神经网络主要用到3个函数：前馈网络的创建函数、神经网络的训练函数和仿真函数（Sim）[21]。利用Matlab程序，按照确定的网络结构及所需调用的函数，完成3层BP网络的构建，其中传递函数采用Tansig函数;输出层选用线性输出（Purelin）函数，训练函数采用Traingdx函数规避学习率选择不当的影响。隐层的节点数量按照式（7）计算，可得m应为4～13.在此范围内逐个建立不同隐层节点的网络，通过设置不同的学习速率和隐层节点个数验证BP模型预测结果的稳定性和准确性，预测结果见表5.

从表5可以看出，普通BP模型收所设置的参数影响较大并且预测波动较大，准确性较差

4结论

1）对近水平区段煤柱留设的关联度分析，确定了近水平区段煤柱留设宽度影响因素由大到小次序为内摩擦角、开采高度、泊松比、容重、工作面长度、埋深、弹性模量、内聚力、煤层倾角;

2）在考虑内聚力、弹性模量、内摩擦角等8个影响因素的基础上，建立了基于GRNN模型的综采工作面区段煤柱宽度预测模型与BP模型。对比验证表明，GRNN模型对于多种影响因素非线性耦合预测结果有较好稳定性与精确性，为工程现场区段煤柱留设提供理论依据。

参考文献（References）：

[1]冯吉成，马念杰，赵志强，等.深井大采高工作面沿空掘巷窄煤柱宽度研究[J].采矿与安全工程学报，2014，31（4）：580-586.

FENG Jicheng，MA Nianjie，ZHAO Zhiqiang，et al.Width of narrow coal pillar of roadway driving along goaf at large height mining face in deep mine[J].Journal of Mining and Safety Engineering，2014，31（4）：580-586.

[2]袁亮.煤炭精准开采科学构想[J].煤炭学报，2017，42（1）：1-7.

YUAN Liang.Scientific conception of precision coal mining[J].Journal of China Coal Society，2017，42（1）：1-7.

[3]白矛，刘天泉.条带法开采中条带尺寸的研究[J].煤炭学报，1983，20（4）：21-28.

BAI Mao，LIU Tianquan.Study on pillar size and mining width for partial mining[J].Journal of China Coal Society，1983，20（4）：21-28.

[4]张国华，张雪峰，蒲文龙，等.中厚煤层区段煤柱留设宽度理论确定[J].西安科技大学学报，2009，29（5）：521-526.

ZHANG Guohua，ZHANG Xuefeng，PU Wenlong，et al.Theoretical determination of the section coal pillar’s reserve width in medium thick coal seam[J].Journal of Xi’an University of Science and Technology，2009，29（5）：521-526.

[5]Guy Reed，Kent Mctyer，Russell Frith.An assessment of coal pillar system stability criteria based on a mechanistic evaluation of the interaction between coal pillars and the overburden[J].International Journal of Mining Science and Technology，2017，27（1）：9-15.

[6]ZHANG Junfei，JIANG Fuxing，ZHU Sitao，et al.Width design for gobs and isolated coal pillars based on overall burstinstability prevention in coal mines[J].Journal of Rock Mechanics and Geotechnical Engineering，2016，8（4）：551-558.

[7]冯夏庭，杨成祥.智能岩石力学——参数与模型的智能辨识[J].岩石力学与工程学报，1999，18（3）：350-353.

FENG Xiating，YANG Chengxiang.Intelligent rock mechanics and its contents[J].Chinese Journal of Rock Mechanics and Engineering，1999，18（3）：350-353.

[8]蔡美峰，王双红.地应力状态与围岩性质的关系研究[J].中国矿业，1997（6）：38-42.

CAI Meifeng，WANG Shuanghong.Relation between ground stress behaviour and properties of surrounding rock[J].China Mining Magazine，1997（6）：38-42.

[9]刘思峰.灰色系统理论的产生与发展[J].南京航空航天大学学报，2004，36（2）：267-272

LIU Sifeng.Emergence and development of grey system theory and its forward trends[J].Journal of Nanjing University of Aeronautics & Astronautics，2004，36（2）：267-272.

[10]魏峰远，陈俊杰，邹友峰.影响保护煤柱尺寸留设的因素及其变化规律[J].煤炭科学技术，2006，34（10）：85-87.

WEI Fengyuan，CHEN Junjie，ZOU Youfeng.Influence factors and change law of protection coal pillars left[J].Coal Science and Technology，2006，34（10）：85-87.

[11]赵雁海，宋选民，刘宁波.浅埋煤层群中煤柱稳定性及巷道布置优化研究[J].煤炭科学技术，2015，43（12）：12-17.

ZHAO Yanhai，SONG Xuanmin，LIU Ningbo.Research on stability of coal pillar and roadway layout optimization in shallow multiseams[J].Coal Science and Technology，2015，43（12）：12-17.

[12]王永革，肖辉赞.大采高工作面区段煤柱合理尺寸的数值模拟[J].辽宁工程技术大学学报，2011，30（5）：645-648.

WANG Yongge，XIAO Huizan.Numerical simulation on reasonable size of section coal pillar in the face of big mining height[J].Journal of Liaoning Technical University，2011，30（5）：645-648.

[13]郑仰发，鞠文君，康红普，等.基于三维应变动态监测的大采高综采面区段煤柱留设综合试验研究[J].采礦与安全工程学报，2014，31（3）：359-365.

ZHENG Yangfa，JU Wenjun，KANG Hongpu，et al.Combined test research on coal pillar width setting of district sublevel for fullymechanized face with large mining height based on 3D dynamic strain monitoring[J].Journal of Mining and Safety Engineering，2014，31（3）：359-365.

[14]耿耀强，陈通，黄克军，等.庙哈孤矿区浅埋煤层护巷煤柱合理宽度研究[J].中国矿业，2016，25（1）：97-100.

GENG Yaoqiang，CHEN Tong，HUANG Kejun，et al.Research into rational width of chain coalpillar of shallow coal seam in Miaohagu mining area[J].China Mining Magazine，2016，25（1）：97-100.

[15]宋选民，窦江海.浅埋煤层回采巷道合理煤柱宽度的实测研究[J].采矿与安全工程学报，2003，34（3）：31-33.

SONG Xuanmin，DOU Jianghai.Study on the technology of reinforcing roadways under complex conditions[J].Journal of Mining and Safety Engineering，2003，34（3）：31-33.

[16]黄庆享，杜君武，刘寅超，等.浅埋煤层群工作面合理区段煤柱留设研究[J].西安科技大学学报，2016，36（1）：19-23.

HUANG Qingxiang，DU Junwu，LIU Yinchao，et al.Study on section coal pillar of group mining in shallow buried coal seams[J].Journal of Xi’an University of Science and Technology，2016，36（1）：19-23.

[17]张新荣.浅埋深综采工作面区段煤柱宽度优化研究[J].煤炭科学技术，2012，40（5）：14-16.

ZHANG Xinrong.Study on width optimization of sectional coal pillar for fully mechanized coal mining face in shallow depth mine[J].Coal Science and Technology，2012，40（5）：14-16.

[18]蒋力帅，刘洪涛，连小勇，等.浅埋中厚煤层护巷煤柱合理宽度研究[J].煤矿开采，2012，17（4）：105-108.

JIANG Lishuai，LIU Hongtao，LIAN Xiaoyong，et al.Research on rational width of coalpillar in shallowburied mediumthick coal seam[J].Coal Mining Technology，2012，17（4）：105-108.

[19]阮永芬，叶燎原.用灰色系统理论与方法确定深基坑支护方案[J].岩石力学与工程学报，2003，22（7）：1203-1206.

RUAN Yongfen，YE Liaoyuan.Determination of deep foundation pit supporting scheme by using the gray system theory and methord[J].Chinese Journal of Rock Mechanics and Engineering，2003，22（7）：1203-1206.

[20]賈义鹏，吕庆，尚岳全.基于粒子群算法和广义回归神经网络的岩爆预测[J].岩石力学与工程学报，2013，32（2）：343-348.

JIA Yipeng，LV Qing，SHANG Yuequan.Rockburst prediction using partice swarm optimization algorithm and grneral regression neural network[J].Chinese Journal of Rock Mechanics and Engineering，2013，32（2）：343-348.

[21]谭锋奇，李洪奇，孟照旭，等.数据挖掘方法在石油勘探开发中的应用研究[J].石油地球物理勘探，2010，45（1）：85-91，164，172.

TAN Fengqi，LI Hongqi，MENG Zhaoxu，et al.Studies on application of data mining method in oil exploration and development[J].Oil Geophysical Prospecting，2010，45（1）：85-91，164，172.