瓦斯大数据发掘技术在东曲矿的研究与实践

摘 要：瓦斯赋存、地质和生产等条件要素的差异性导致矿井瓦斯涌出的不均衡性，故瓦斯整治是一个复杂、全面的系统工程。本文利用大数据发掘技术，变革传统粗放式管理思维和方式，从碎片化地大数据中找寻解决问题的新途径，充分利用大数据去分析与处理各类问题，实现高效及时准确地处理瓦斯问题的新管理模式。

关键词：瓦斯;大数据;发掘技术

矿井各煤层、各水平、各采区、各工作面，甚至是单个工作面的不同区域的瓦斯普遍存在差异性，且关键影响因素也不是一成不变的。因此，矿井各系统复杂多变、且存在差异性，瓦斯整治的难度系数大。矿井各系统在生产过程中产生海量的、碎片化的、毫不相联的、随机的数据，大数据发掘技术就是对瓦斯大数据的深度发掘和深刻分析，发掘出瓦斯的内在规律特征，洞察提炼大数据中隐藏的、解决问题的信息，找寻解决问题新途径的全过程。

1 事实数据

事实数据是大数据重要组成部分，通过生产现场的实际情况、现场视频图像数据、生产实际中发现的疑难问题，从中提取大量的事实数据。

2 数字数据

数字数据主要包括井下测点测定瓦斯基础参数，主要包括瓦斯含量（W）、瓦斯压力（P）、煤的坚固性系数（f）、瓦斯放散初速度（△P）、瓦斯解析指标K1、钻屑量S和煤的工业分析（吸附常数a、b值、水分、灰分、挥发分、真密度、视密度、孔隙率）等;还有通过瓦斯监控系统实时测定井下各地点的瓦斯浓度等。

2.1 瓦斯基础参数

①主采煤层每个采区垂深每增加50m和突出危险工作面实施卸压抽采、预抽煤层瓦斯前后;②采掘揭露或探测到大于5m的断层及大于40m的陷落柱;突出危险煤层顶底板岩巷掘进工作面每推进150-200m;突出危险工作面实施消突措施前后;井巷揭煤工作面;③突出危险工作面每推进50m、无突出危险工作面每推进100m必须进行一次煤体结构观测;④全矿每月出具参数测定分析报告，对瓦斯基础参数进行初步整理和分析。同时工作面掘进前、回采前和回采后均出具瓦斯基础参数测定报告。

2.2 瓦斯监控数据

矿井安装使用KJ90X瓦斯监控系统，瓦斯数据可以全天不间断地产生，主要包括瓦斯、通风、风向、温度等数据。

2.3 突出预警数据库系统

突出预警系统通过对井下瓦斯、风向、风速等监控数据的实时采集，利用独特的指标模型，及时判断突出事故发生的时间、区域等。系统每10-30秒采集一次监控数据，发布预警信息。

3 大数据分析与处理

3.1 大数据发掘技术

大数据发掘技术主要关注三个方面的瓦斯特征数据，一是瓦斯量化指标，主要反映煤体瓦斯含量等瓦斯指标是否超过规定的安全临界值;二是瓦斯波动指标，主要反映瓦斯基础参数在一定外在条件下数值出现较大变化，需找出波动的主要原因;三是瓦斯趋势指标，主要反映工作面生产过程中即将出现的瓦斯变化趋势。下图为24808轨顺瓦斯含量变化趋势图，进度为32-332m，瓦斯含量有波动现象，但整体趋势下降，且数值已降到4.1569m3/t。经大数据发掘分析原因：从事实数据找寻：工作面前210上覆2#煤层为实体，工作面即将出该段实体煤时瓦斯含量明显下降，说明该段实体煤是造成以下数字数据的真实原因。

3.2 影响大数据发掘的主要因素

①进行大数据发掘前，首先确定所使用的数据是否真实有效，必须剔除失真数据，否则将大大影响发掘结果;②在解决实际问题时，需选择正确的方法和分析方向，否则将事倍功半;③数据发掘是一个对数据全方位、系统地分析和处理，需要各区科、队组技术人员合作，利用已掌握数据发掘有价值的信息;④在分析过程中会产生大量的结论，对分析得出的结论进行评价，需要剔除与目标结果失真的结论。通过这一步的滤化，大数据发掘的结论才能更接近目标结论。

4 大数据发掘技术应用案例

以28814回风措施巷为例，根据统计分析法和基础计算，分析预抽达标时间，并提出补充完善措施。

4.1 数据统计

事实数据：28814回风措施巷400m处设计施工澳钻钻孔10个（8#、9#煤各5个），孔深550，而施工实际孔深为501-504m，均为下行钻孔，8#煤层巷道高度落差约60m，9#煤层巷道高度落差约70m。

数字数据：瓦斯含量7.91-10.24 m3/t，K1max值为0.48mL/g·min1/2。

4.2 基础计算

4.2.1 预抽区域原始瓦斯量

预抽区域瓦斯总储量=预抽面积×煤厚×煤层容重×原始瓦斯含量=1371370m3

计算预抽区域原始瓦斯总储量为137.14万m3。

4.2.2 瓦斯预抽量

该区域于2018年3月30日开始预抽，6月29日因巷道掘进停止预抽，预抽时间91天。预抽期间，单孔平均流量0.08m3/min，单孔平均抽采浓度约为60%。在预抽时间内，抽采总瓦斯量10.46万m3。

4.2.3 残余瓦斯量计算

残余瓦斯含量计算公式如下：

WCY=（W0G-Q）/G

式中：WCY-煤的残余瓦斯含量，m3/t;W0-煤的原始瓦斯含量，m3/t;取11m3/t;Q-区域内抽排瓦斯量，m3;取10.46万m3;G-预抽区域煤炭储量，t;取约12.47万t。

经计算，预抽区域内残余瓦斯含量10.1612m3/t。与计算得出的残余瓦斯含量10.2431m3/t基本相符。

4.2.4 抽采达标规划

将原始瓦斯含量降低2.3m3/t以上，方可使残余瓦斯含量降至8m3/t以下，预抽总瓦斯量为20.93万m3。按目前抽采现状，仅剩6个右侧钻孔能够连续预抽，每天抽采总瓦斯量约691.2m3。

4.3 数据分析

①瓦斯赋存条件方面，工作面可解析瓦斯含量中破碎解析约占60%，说明该区域内瓦斯吸附量大;②瓦斯地质条件方面，该工作面紧靠白家山大断层，底板标高最小为771m，埋深达446m，埋深在矿井生产区域内最深，工作面下山掘进，埋深逐步增大，造成瓦斯含量增大;③抽采时间方面，按照原始瓦斯含量降低3m3/t计算，预抽时间需要237天;从开始预抽到工作面掘進仅91天，钻孔抽采时间仅为设计时间的38%;④抽采空间方面，该面是八采区下组煤白家山断层西南首个掘进工作面，瓦斯预抽空间有限;⑤钻孔布置方面，预抽区域煤层下山，所有钻孔均为下行孔，落差约为60m。

4.4 决策部署

工作面停止掘进，在工作面正前施工顺层条带钻孔，孔深120m，覆盖25m区域钻孔参数：钻孔19个，总进尺1490m，设计瓦斯预抽量为1.192m3/min，预抽时间为87天。

5 结语

①大数据发掘技术能够提高决策的准确度，针对性解决瓦斯治理难题;②需改进方面：一是不断完善、归档、整理事实数据库和瓦斯数据库，避免人为的遗失，为大数据发掘提供基础数据库支持。二是各单位技术人员需不断提高本专业认识、现场和技术管理水平，提升大数据发掘技术处理问题的能力。

参考文献：

[1]苏新宁，杨建林.数据挖掘理论与技术[M].北京：科学技术文献出版社，2003.

[2]邵良杉，付贵祥.基于数据挖掘的瓦斯信息识别与决策[J].辽宁工程技术大学学报，2008.

作者简介：

万明亮（1986- ），男，汉族，吉林农安人，大学本科，通安工程师。