基于因子分析法构建龙泉煤矿4202工作面多级瓦斯预警模型

裴韶华 高 岩 刘 硕

（1.太原煤炭气化（集团）有限责任公司安全监察局，山西 太原 030006；2.太原煤炭气化（集团）有限责任公司龙泉煤矿，山西 太原 030303；3.太原理工大学矿业工程学院，山西 太原 030024)

龙泉煤矿坐落于太原市娄烦县，隶属太原煤炭气化（集团）有限责任公司，目前生产能力为3.36Mt/a。2018年7月的瓦斯测定报告显示，本矿井瓦斯绝对涌出量为33.39m3/min，矿井相对瓦斯涌出量4.36m3/t，矿井二氧化碳绝对涌出量为11.45m3/min，矿井相对二氧化碳涌出量1.49m3/t，其中风排瓦斯量占64.81%，瓦斯抽采量占35.19%，回采工作面最大绝对瓦斯涌出量为19.42m3/min，掘进工作面最大绝对瓦斯涌出量为3.28m3/min，符合《煤矿安全规程》第一百六十九条第二项高瓦斯矿井条件，应该严格按照高瓦斯矿井进行管理。为了达到管理效果，对龙泉煤矿的瓦斯预警研究就尤为重要。一些学者利用云计算[1]、预警识别率和误报率[2]、深度数据挖掘[3]、时间序列分布特征[4]等方法对煤矿瓦斯预警进行了研究，但是工作面多级瓦斯预警模型的研究比较少，采煤工作面的生产是煤矿的核心工作之一，保证工作面的生产安全对煤矿安全来说有着重要的意义。本文以因子分析法为研究方法，构建4202工作面多级瓦斯预警模型，以期为该矿的煤矿安全生产提供数据支撑。

1 数据测量和因子分析

因子分析需要比较多的数据作为支撑，为了得到比较可靠的数据，在2018年9月1日至20日，持续实地测量了4202工作面风流、工作面上隅角、工作面1#～5#支架前溜处、1#～5#支架后溜处、采煤机附近20m左右风流、4202工作面进风流等10个地点的瓦斯浓度。为了保证测得数据的可靠，每次测量都进行三次之后取平均值。在此期间累计测量数据600余次，花费时间150h左右。以实测数据为依托开始进行因子分析，将10个地点分别记为X1～X10，首先将数据进行KMO和Bartlett的检验，这两项检验的目的是分析数据是否适合做因素分析和主成分分析。KMO检验值需要大于0.6才能做因素分析，Bartlett检验值如果小于指定的显著水平时，认为样本数据适合做主成分分析，反之则不适合，检验结果见表1。从表中的数据可以发现分析数据适合做因子分析。

表1 检验结果

确定分析数据可以做因子分析之后进行因子分析，得到的碎石图如图1所示。从图中可以发现主成分个数为2时曲线开始变得平缓，且公因子累计表达数据92.49%的信息，具体见表2。将公因子分别记为Y1、Y2，利用主成分分析法得到Y1、Y2的得分系数矩阵。

图1 碎石图

表2 累计方差贡献率

2 模型建立

通过得到的成分得分矩阵，可以得到Y1、Y2的表达式如下：

结合方差贡献率，则工作面瓦斯预警模型的预警值Y=0.60647Y1+0.31842Y2。将实测得到的200组数据带入模型计算其预警Y值，最终我们可以得到9月1日到20日的Y值在0.045～0.144范围内。在煤矿实际生产中，一般来说瓦斯浓度要低于0.75%，所以本模型依据此浓度进行分级，以X1～X10均为0.75%，X1～X3为0.75%，X4～X6为0.75%，X7～X10为0.75%，当有X值为0.75%时，其他值取其一半计算，即0.375%。由此计算得到了分级的Y值，经过计算分别为Ⅳ级预警范围0～0.28，Ⅲ级预警范围0.28～0.34，Ⅱ级预警范围0.34～0.43，Ⅰ级预警范围大于0.43。其中Ⅳ级预警代表工作面瓦斯浓度正常，需要每天对瓦斯浓度正常测量即可；Ⅲ级预警代表工作面瓦斯浓度偏高，需要注意工作面瓦斯浓度变化，测量次数要增加一倍；Ⅱ级预警表示工作面瓦斯浓度偏高，要注意排查瓦斯浓度异常原因并上报矿领导；Ⅰ级预警表示工作面瓦斯浓度较高，要迅速向矿领导汇报，采取措施，必要时要停止工作。这样就得到了工作面多级瓦斯预警模型，将4202工作面9月测得的瓦斯浓度数据带入模型可以得到其预警Y值的随时间的变化曲线。从图2中可以发现其Y值在Ⅳ级预警区域，表示工作面瓦斯浓度正常。

图2 工作面多级瓦斯预警模型示意图

3 结论与展望

本文将因子分析法运用到瓦斯预警中，建立了工作面多级瓦斯预警模型，该模型可以将各地点的瓦斯浓度统一为预警Y值，并根据煤矿安全规程的相关规定，计算了不同预警等级的Y值，为矿井工作面瓦斯预警提供了一个新的思路。

值得注意的是，这种方法和思路还可以建立全矿井的多级瓦斯预警模型，结合神经网络和人工智能的方法将可以实现动态自动预警，为煤矿安全生产提供可靠保障。