煤炭地下气化的敏感性地质因素探讨

周 泽，易同生，秦 勇，周永峰，汪凌霞，孔维敏

(1.贵州省煤田地质局，贵州 贵阳 550025；2.贵州优驰能源科技有限责任公司，贵州 贵阳 550014；3.贵州省煤炭流态化开采重点实验室，贵州 贵阳 550014；4.中国矿业大学，江苏 徐州 221116)

煤炭属于传统高碳化石能源，大规模开发利用带来的地表地下生态扰动、温室气体排放等问题日益凸显[1]。煤炭地下气化(UCG)作为一种变革性的采煤技术，能将传统的固态采煤转变为更为经济高效的流态化采煤，在绿色环保和碳减排方面具有极大优势，重新受到国家和能源行业高度关注[2-3]。

相对于地面煤化工装置，UCG 炉载体为地质体。UCG 项目首先要构建地下气化炉，接着点火生产并按设计要求保证气化运行可控，整个过程中，无论气化生产还是环境保护，均需要地质保障。对地质条件的充分认识是推进UCG 产业化进程的关键，煤矿床地质禀赋约束了特定UCG 项目的可行性，推进UCG 技术产业化必须突破地质风险瓶颈[4]。

全球UCG 现场试验至今已有90 余年漫长历程，其间不乏小规模短期运行成功实例，但在全球范围内，除苏联曾经商业化生产之外，其他国家和地区迄今仍未形成产业化推广[5-9]。Pei Peng 等[10]分析全球UCG 现场试验得失，认为根本原因在于地下水使用和保护、地下气化炉构造稳定性(包括地下、地表环境)、所期望的合成气质量与组成，这是UCG 技术产业化面临的3 个主要挑战。M.Niec 等[11]也指出煤矿床地质条件限制了UCG 技术的广泛应用。秦勇等[12]认为UCG 地质研究围绕“规避”展开，包括规避炉体建造、环境安全、生产安全以及不可持续生产等风险，概括为“地质风险”，涉及到UCG 地质条件的研究、勘查、评价与预测，贯穿于规划布局、炉址优选、气化生产、燃后处理整个过程，系统性地质研究尚不到位是UCG 长期未能实现产业化的重要原因。

面向“双碳”目标及保持以煤为主的能源工业发展优势，贵州省近年来积极推动UCG 技术产业化。贵州省素有“江南煤海”之称，煤炭资源量占整个中国南方的70%，一方面构成全省主体能源和产业支柱，另一方面也给安全生产、环境保护带来极大挑战[13]。鉴于此，2022 年5 月26 日，贵州省发布《贵州省能源科技创新发展“十四五”规划》，煤炭地下气化技术研发首次被列入全省能源规划重点[14]。贵州省煤炭资源丰富，但开发地质条件较差，煤层层数多但单层厚度较薄[15]。尽管如此，贵州省经济社会发展依然离不开煤炭资源的开发利用。由此，迫使贵州省必须对能源发展方向做出战略选择，而UCG 正是结合各种选择方案优势的最佳现实选择之一[16-18]。

鉴于此，笔者针对贵州复杂构造地质条件，基于工程-地质一体化新思路，结合团队前期提出的[12]建炉可行性、过程易控性、气化安全性、开发经济性“四性”认识，探讨无井式UCG 地质条件影响与风险诱发敏感性因素，以期为形成适合贵州省地质条件的安全高效UCG 科学技术体系奠定基础。

1 数据来源与分析方法

1.1 地质参数集

UCG 建设应规避炉体建造、气化过程稳定控制、生产与环境安全以及可能导致经济损失的诸多风险[12]，UCG“四性”指标涉及地质因素较多，甄别的关键因素主要涉及煤的坚固性系数、断层指数、褶曲指数等26项地质参数(表1)。后文分析的数据主要来源于收集、汇总整理的贵州省20 世纪60 年代以来主要勘查区各煤层各类地质参数。

表1 地质调查参数Table 1 Geological parameters surveyed

1.2 数据处理算法

收集整理的地质参数涉及3 种数据类型，一是直接收集到的定量化地质参数，诸如煤的坚固性系数、煤层厚度、煤层倾角等；二是直接收集到的定性的地质参数，诸如勘查程度、上覆岩层稳定性等；三是需计算的二次地质参数，包括煤层厚度变异系数、煤层夹矸厚度系数、褶曲指数、断层指数和建炉所需最低原始煤炭资源量5 项。为了更方便讨论敏感性因素，笔者根据参数类型建立了数据模型与算法，简述如下。

1) 最低原始煤炭资源量参数算法

建炉所需最低原始煤炭资源量C25：

煤炭采出率RR：根据我国《生产煤矿采出率管理暂行规定》(国家发展和改革委员会令第17 号，2012)，≤1.3 m 的薄煤层，采区必须RR≥85%；1.3～3.5 m 中厚煤层，RR≥80%；＞3.5 m 的厚煤层，RR≥75%。贵州省主要含煤地层龙潭组煤层厚度变化极大，薄煤层UCG控制技术尚不完全成熟。同时，UCG 与传统地下煤炭开采工艺一样，需要留设保安煤柱。考虑这些客观情况，本次研究将UCG 煤炭采出率适当放宽，定义为70%，即RR＝70%。

气化采收率GR：统计美国20 世纪70-80 年代20 炉次不同工艺现场试验数据，气化采收率为14%～129%，多为80%～95%，平均86.65%(表2)，本文采用低限80%气化采收率。

表2 美国20 世纪70-80 年代UCG 气化采收率[16]Table 2 UCG recovery rates in the United States from the 1970s to the 1980s[16]

2) 参数分级赋值模型

考虑简便且具有区分度的基本原则，研究过程将地质参数指标分布范围分为3 级(具体分级界限值不在此文阐述)，分别赋值为{3,2,1}，对应于评语集{好,较好,中等}，即分级赋值越大，地质条件对UCG 工艺技术的适应性就越强。在此基础上，采用隶属函数表达特定评价参数的分级赋值状态。将特定评价参数Cij的具体数值序列X分为3 段，两个分界点分别为数值α和β(α＜β)，则该参数的分级赋值模型可表达为如下隶属函数：

模型(3)为中间型隶属函数，即模型表征的某个评价参数的数据序列为中间值域范围最好，本次涉及的地质参数仅煤层倾角适配该模型。参考DZ/T 0215-2020《矿产地质勘查规范 煤》，25°～65°倾角最适合开展煤炭地下气化；煤层倾角过大或过小，均不利于UCG 工作面的推进。例如，急倾斜煤层无井式地下气化，首先要解决的关键技术有沿煤层定向钻进施工进气孔和排气孔、在实体煤层中点火和气化通道的开拓。再如，缓倾斜煤层在气化过程中难以剥落，影响渗流燃烧环境，CO2在一个反应工作面无法被完全还原，水蒸气难以被完全分解[15]。模型(4)和模型(5)可以理解为S 型隶属函数，即模型表征的某个评价参数的数据序列为单调递增或单调递减，剩余地质参数均适配模型(4)和模型(5)。例如，钻井式UCG 炉构建依赖于水平井，煤体强度影响到水平井眼煤壁的稳定性，进而决定了炉体构建的成功与否；煤体强度一般用坚固性系数(f)表征，二者呈单调递增关系。根据f可将井壁稳定性指标分为3 级：f＞1.5 的煤层赋值3，有利于井眼稳定；介于1.5～0.8 的煤层赋值2，较有利于井眼稳定；f＜0.8 的煤层赋值1，不利于井眼稳定。再如，煤的受热膨胀性影响气化通道稳定性，奥亚膨胀度越高，越不利于地下气化过程的控制，与气化有利程度之间体现为递减关系[12]。

对于难以指标化的评价参数，可采用定性分级定量赋值方法，实现定性指标定量化输入。勘查程度指示对UCG 地质条件的控制程度，可将勘探＋详查阶段赋值为3，普查＋预查阶段赋值为2，预测阶段赋值为1。

3) 参数权重向量算法

某一参数的权重，是指该参数在同层次整体评价中的相对重要程度，倾向于某个参数在整体参数集中的贡献度或重要性[19]。权重确定可采用诸多方法，如专家咨询权数法(特尔斐法)、因子分析法、信息量权数法、独立性权数法、主成分分析法、层次分析法(AHP 法)、优序图法、熵权法、标准离差法、CRITIC 法、非模糊数判断矩阵法等[20-21]。

其中，层次分析法兼顾定性与定量分析，通过“两两判断矩阵”把定性分析结果定量化，适合于地质条件多数具有模糊性和确定性“双重属性”的特点，适合各种非确定性问题的解决，被化石能源地质界广泛采用。

20 世纪70 年代，美国数学家 Saaty 等率先在层次分析中引入九级比例标度和两两判断矩阵[22]。两两判断实质上是成对对比分析，引入1-9 比率标度，将多参数定性比较转化为定量分析(表3)。通过两两比较判断，确定每一层次中各因素相对于上一层或最高层总目标的相对重要性，并加以排序，从而判断出系统主要风险模式和风险因素。

表3 两两判断矩阵各标度含义[22]Table 3 Meanings of scales of the pairwise comparison matrix[22]

逐一比较26 项地质参数，且将每一个参数与各参数比较的结果排成一行，得到以下算法。

设参数ai/aj为aij，则aj/ai为aji，aji=1/aij。为此，两两判断矩阵是一个方阵，也是一个正互反矩阵。

两两判断矩阵求解权重方法诸多，本次研究采用特征向量法。在n阶两两判断矩阵A中，若存在常数λ及n维非零向量x，使得Ax=λx，则λ是矩阵A的特征值，x是A属于特征值λ的特征向量。为此，求解矩阵A可以获得最大特征根λmax及特征向量集ω。其中，特征向量集中的最大向量序列ϖmax即为需求取的评价参数集特征向量。将ϖmax归一化处理，则获得下一层评价参数相对于上层目标的权重向量：

在两两判断矩阵构建过程中，受控于评价者经验及地质条件复杂性，某些相对重要的成对参数赋值往往存在误差，导致判断矩阵的特征值产生偏差。为此，需要基于最大特征根λmax，对两两判断矩阵的客观性进行一致性检验。

首先，计算一致性指标CI：CI=(λmax-n)/(n-1)

然后，查表获得对应n个评价参数的平均随机一致性指标RI，计算一致性比例CR(CI/RI)。如果CR＜0.1，则认为两两判断矩阵及求得的权重向量具有满足要求的一致性，可以接受。据此，笔者梳理出贵州西部部分矿区地质参数权重(表4)。

表4 贵州西部威舍区某矿27 号煤层地质参数Table 4 Geological parameters of the No.27 coal seam in a mine in Weishe Town,western Guizhou

4) 参数权重积算法

权重积(WPx)系指某个评价参数的相对权重(Wij)与其指标分级赋值(Xi)的乘积，用来综合表征信息采集点某参数相对于其他同层参数在共同上层目标中的相对贡献：

特定信息采集点同层次所有评价参数或对应上层目标域评价参数的权重积之和，则为权重积和Wp，用以比较某信息采集点与其他信息采集点UCG 地质条件适应程度，表征该信息采集点在所有信息点中的排序：

以往地质参数排序研究中，采用的方法或人为主观性较强，如主观判断法、专家打分法等；或算法过于繁杂，如方差法、Ward 法、模糊数学法等。与此相比，本次研究提出并建立的权重积方法具有两方面优越之处：其一，计算简便易行，利用Excel 电子表格简单设置就可形成计算模板，不需要复杂的数学模型输入或软件处理；其二，权重与分级赋值乘积放大了各评价参数或评价对象之间排序数值的客观差异，对综合贡献度或地质条件适应程度的识别度更高。

根据以上算法，笔者团队统计整理了贵州地区历年来煤炭勘查资料，对研究区内主要煤田427 个主要勘查区的各可采煤层数据进行了整理汇总，如研究区某矿27 号煤层(表4)。

2 敏感性地质因素的关联特征

UCG 地质参数集作为一个系统，包括多个地质因素，可能在UCG 过程中相互作用，进而共同约束UCG行为，这种相互作用的实质就是地质因素关联性。关联特点主要体现在关系趋势和关联程度两个方面，可以采用合适的数学模型挖掘其中的关联敏感信息，即关联挖掘，最基本的数学方法就是相关性分析。相关性分析可采用多种具体方法，常用的方法一般是Pearson 双变量相关性分析。

2.1 UCG 地质因素关联特点

Pearson 双变量分析结果显示，UCG 评价条件与顶层目标之间具有如下总体关联特点(表5)。

表5 贵州省UCG“四性”指标与总目标相关性Table 5 Correlations between four indices and the overall objective for UCG in Guizhou Province

第一，“四性”指标权重积与顶层权重积之间，均在置信度99%水平显著相关。其中，相关性最高的为建炉可行性，相关系数达到0.925；其次为过程易控性，相关系数为0.476。相关系数越大，代表其与综合评价结果之间的总体关联性越强，即“四性”指标对UCG 总体地质可行性的敏感性从强到弱排序依次为建炉可行性、过程易控性、气化安全性、开发经济性。

第二，上述两两因素相关性分析结果的地质意义表现在两个方面。一是条件权重设置的必然结果，上述敏感性排序与“四性”指标权重大小(表4)顺序尽管有所出入，但总体趋势一致，反映分析算法体系中对“四性”指标权重的设计总体合理。二是反映了“四性”指标对UCG 评价目标的实际敏感性，归一化算法体系中建炉可行性相对权重(0.332 0)实际上小于过程易控性(0.415 2)，而评价结果的相关系数却与之相反，说明在贵州省实际地质条件背景下，UCG 可行性对建炉可行性最为敏感，UCG 项目成功与否的关键地质因素在于建炉可行性，包括煤体结构和煤层厚度两个具体因素。这一地质认识至关重要，后续实践中应高度重视。

第三，“四性”指标权重积之间总体上不具有关联性。分析双变量分析结果，发现建炉可行性、过程易控性、气化安全性、开发经济性权重积两两之间相关系数极小，表明“四性”指标互不敏感，相互之间基本上没有关联性，总体上属于独立地质因素，这与算法体系参数权重设计一致。

以构造单元为基本单位，就“四性”指标与总目标权重积之间关系开展回归分析(图1)，进一步考察UCG地质因素之间的关联特征。

图1 UCG 顶层权重积与“四性”指标权重积交汇图Fig.1 Cross plots showing the correlations between the top-level weight product and the weight products of four indices for UCG

第一，总目标顶层权重积分别与“四性”指标权重积总体均呈正相关关系(图1)，说明统计的地质参数具有较强的适配性。但不同条件权重积与顶层权重积的相关系数差异明显，同样指示UCG 总目标对不同地质参数的敏感性有所差异。建炉可行性、过程易控性、气化安全性、开发经济性对总目标顶层权重积的相关系数(R2)依次减小，表明总目标对“四性”指标地质因素的敏感性依次变弱。即，UCG 可行性对建炉可行性的依赖性最强，过程易控性次之，其他两个条件对总目标的离散性相对较大，敏感性降低。

第二，总目标对地质因素的敏感性实际上具有非线性特点，影响因素较为复杂。分析不同数学模型拟合结果，发现非线性的幂函数或指数函数对总目标与“四性”指标之间的拟合精度更高，说明二者之间最佳关系并非线性模式。其中，总目标与建炉可行性之间呈指数关系，而总目标与其他3 个条件之间为幂指数关系(图1)。由此揭示，建炉可行性对UCG 可行性的影响最强，UCG地质选区需要高度重视对建炉可行性的地质调查。

2.2 UCG 地质参数与评价条件关联特点

总目标由“四性”指标共同构成，受26 项地质参数控制。为了查清地质参数与“四性”指标之间关联特点，采用Pearson 相关性分析方法，利用SPSS 软件建立26 项地质参数与各目标“权重积和”指标相关性模型(表6)。

表6 UCG 地质参数与控制条件相关性Table 6 Correlations between geological parameters and controlling conditions for UCG

Pearson 双变量分析结果显示，地质参数与UCG控制条件之间总体关联特点如下(表6)。

第一，地质参数与“四性”指标权重积之间，存在大量参数置信度99%水平显著相关。其中，煤的坚固性系数与建炉可行性相关性最高，其次为煤层厚度。与过程易控性相关性最高的为断层指数，其次为夹矸厚度系数与煤厚变异系数。与气化安全性相关性最高的为氟质量分数，其次为断距。与开发经济性相关性最高的为干燥基灰分质量分数，其次为高位发热量。与总目标相关性最高的为煤的坚固性系数；其次为煤的奥亚膨胀度与煤黏结指数。

第二，相关系数越大，代表其与评价结果之间的总体关联性越强，即各地质参数与各控制条件对UCG 总体地质可行性的敏感性越高。建炉可行性地质参数敏感性排序依次为煤的坚固性系数、煤层厚度；过程易控性地质参数敏感性排序依次为断层指数、夹矸厚度系数、煤厚变异系数等；气化安全性地质参数敏感性排序依次为氟质量分数、断距、磷质量分数等；开发经济性地质参数敏感性排序依次为干燥基灰分质量分数、高位发热量、勘查程度等。

第三，上述分析结果反映了地质参数对UCG 可行性的实际敏感性，算法体系中只有煤的坚固性系数对总目标影响大，说明在贵州省实际地质条件背景下，UCG可行性对煤的坚固性系数最为敏感，与之前论述的结论一致，UCG 项目成功与否的关键地质因素在于建炉可行性。三是由于煤的奥亚膨胀度、黏结指数、上覆含水层距离等为一票否决指标，不符合的煤层优先考虑并排除，并未参与后续评价，导致各地质参数与各目标相关性并不大，但其对评价总目标影响亦偏大，总体上也反映出了这几项指标的重要性。

第四，与各地质参数总体上相关性大的主要是其归属的条件，表明各地质参数分类合理。但部分地质参数与其他条件之间也存在显著相关性。煤的奥亚膨胀度、黏结指数、含水层钻孔单位涌水量、干燥基灰分质量分数、高位发热量等地质参数与其他条件间存在低相关系数水平上的显著相关，说明这些地质参数与其他条件之间存在一定程度的关联，并非独立于所归属的条件。

3 关键敏感性地质因素识别

聚类分析可将UCG 地质大数据划分为多个组(簇)，通过复杂数据建模而获得属性相似或相关的若干个簇，从而突出某些地质因素的特殊性。主成分分析是一种降维分析方法，通过模型处理将复杂的UCG 地质因素重新组合成一组相互独立的综合变量，以突出主要地质敏感性因素。本次研究采用这两种数理分析方法，进一步考察UCG 可行性地质控制的一般性和特殊性，明确主控地质因素特征和作用。

3.1 UCG 地质控制复杂性与特殊性

聚类分析是利用层次法创建一个层次以分解给定的数据集，采用自底向上的策略，将每一个对象作为一个类，然后根据距离度量相似性，将距离最近的两类合并成一个新类，再次计算新类与其他类的类间距离，不断迭代，直到所有的对象都并为一类。本次基础数据分析基于SPSS 27.0 软件的系统聚类分析模块，采用欧氏距离计算个体元素间的距离。聚类分析结果显示，研究区26 个地质参数在相似距离10 水平上分成相似性更为接近的3 簇(图2)。

图2 UCG 地质参数聚类树状图Fig.2 Cluster dendrogram of geological parameters for UCG

第一簇(Ⅰ)包括5 个地质参数，横跨4 个“四性”指标。以相似距离5 为界，进一步区分出簇内更为相似的3 个亚簇。第一亚簇(ⅠA)包括煤对CO2反应性、上覆50 m 范围煤层累厚2 个参数，涉及开发安全性和过程易控性；第二亚簇(ⅠB)涵盖2 个参数，分别为煤层厚度、直接顶稳定性，涉及建炉可行性、气化安全性；第三亚簇(ⅠC)只有煤厚变异系数，属于过程易控性。

第二簇(Ⅱ)只有煤的坚固性系数1 个参数，再次指示煤体结构对建炉可行性具有关键性影响及独立性。

第三簇(Ⅲ)地质参数最多，达11 个，涉及3 个“四性”指标。以相似距离5 为界，该簇进一步分为5 个亚簇。第一亚簇(ⅢA)包括4 个地质参数，分别是褶曲指数、断层指数、断距和干燥基灰分质量分数，前3 个参数同属构造要素范畴，涉及过程易控性和气化安全性两个条件，后一参数属于开发经济性。第二亚簇(ⅢB)由磷质量分数、高位发热量、全硫质量分数、煤层倾角4个地质参数构成，前3 个参数属于煤质范畴，涉及气化安全性和开发经济性；后一参数属于构造要素范畴。第三亚簇(ⅢC)、第四亚簇(ⅢD)、第五亚簇(ⅢE)分别只有1 个地质参数，依次对应夹矸厚度指数、煤热稳定性和氟质量分数，分属过程易控性、气化安全性，但三者之间内在联系值得后续研究工作中进一步探讨。

第四簇(Ⅳ)地质参数同样多达9 个，同样涉及3 个“四性”指标。以相似距离5 为基准，该簇进一步分为2 个亚簇。第一亚簇(ⅣA)包括8 个参数，分别为煤灰熔点、砷质量分数、原始煤炭资源、煤层埋深、煤的奥亚膨胀度、上覆含水层距离、勘查程度和含水层钻孔单位涌水量，前3 个参数关系相对密切，后5 个参数距离相对较远，参数之间地质成因关联性不明。第二亚簇(ⅣB)仅有1 个地质参数，为煤的黏结指数。可以看出，煤的奥亚膨胀度和黏结指数尽管有一定距离，但同属一簇，与煤层埋深、灰熔点共同约束着气化通道连通性；上覆含水层与含水层钻孔单位涌水量共属一个亚簇，影响到气化生产安全性；原始煤炭资源量和勘查程度关联性强，是约束开发经济性的重要地质因素。

聚类分析结果解释的某些地质现象所隐含的内在原因或UCG 行为关联机理具有探讨价值。例如，褶曲指数、断层指数、断距与煤的干燥基灰分质量分数密切相关，煤层倾角与磷质量分数、高位发热量和全硫质量分数发生关联，即构造变动因素影响到煤质特征，内在原因如何解释，是否是贵州省乃至强烈构造变形地区地质条件的特殊性？又如，膨胀性、黏结指数分属两个亚簇，相互之间存在一段距离，是否对气化通道连通性的影响存在差异，如何进一步识别可能存在的差异？再如，磷、氟、砷质量分数与发热量、膨胀性、黏结性等因素存在关联，指示煤变质作用影响到有害元素含量，煤中相当一部分有害物质是否可能来源于后生作用过程？重要的是，这些地质现象在UCG 地质条件评价与预测中可能具有的意义或价值，值得今后探讨。

3.2 UCG 可行性主控地质因素

主成分分析是在损失很少信息的前提下将n维特征映射到k维上，这k维是全新的正交特征，也被称为主成分，是将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。第1 主成分即为方差最大的线性组合(Y1)，第2 主成分则是方差次大的线性组合(Y2)，并且Y1与Y2不相关，即协方差Cov(Y1,Y2)=0，同理依次可以得到所有主成分的线性组合表达式[23]。

主成分分析的作用，是滤除重复的(关系紧密的)变量，建立尽可能少的相互独立新变量，同时这些新变量能够尽可能保持原有的信息。因而，进行主成分分析能够有效筛选出对总体评价成果影响最大的主要独立因素。

本次基础数据分析基于SPSS 27.0 软件因子分析模块，KMO 和Bartlett 球检验均显示数据适合作因子分析。一般来说，主成分解释成果表(表7)中初始特征根＞1.0 的因素为主成分。由此判断，本研究UCG 敏感性地质参数中主成分有11 个，其对总目标的累计影响程度为60.330%(表7)。

表7 UCG 地质因素主成分解释成果Table 7 Principal component analysis results of geological parameters for UCG

旋转因子载荷系数反映每个变量在因子上的重要程度，由此确定各个变量对因子的重要性(表8)。其中，旋转载荷因子绝对值表示与该因子平均水平的相对差距，正数表示平均水平以上，负数表示平均水平以下。分析11 个主成分旋转载荷因子矩阵(表8)，对主成分影响最大的地质参数分别为：煤的奥亚膨胀度和黏结指数F1；灰分干燥基质量分数和高位发热量F2；含水层钻孔单位涌水量F3；煤的坚固性系数F4；氟质量分数F5；煤层埋深和勘查程度F6；上覆含水层距F7 离；直接顶稳定性F8；煤厚变异系数F9；褶曲指数F10；煤层全硫质量分数F11。

表8 UCG 地质因素主成分旋转因子载荷矩阵Table 8 Principal-component rotated factor matrix of geological parameters for UCG

根据主成分分析，所有地质参数中对UCG 总目标贡献最大的为坚固性系数；同时，在11 个主成分旋转载荷因子系数序列中，除了坚固性系数之外，另有煤的奥亚膨胀度、煤层埋深、灰熔点、煤厚变异系数、褶曲指数等5 个地质参数作为主成分载荷因子系数最大值排位前11(表8)。为此，以坚固性系数作为最大值的主成分(F4)为基准，选择奥亚膨胀度、煤层埋深、煤厚变异系数、褶曲指数最大值所在的主成分F1、F6、F9 和F10，绘制UCG 地质参数旋转载荷因子系数空间分布交汇图(图3)，为深化认识UCG 可行性主控地质因素提供进一步依据。

图3 UCG 地质参数旋转载荷因子系数空间分布交汇图Fig.3 Cross plots showing the spatial distributions of rotated factor loading coefficients of geological parameters for UCG

由图3 可知，地质参数旋转载荷因子系数分布十分离散，分区规律不甚明显，指示全省UCG 地质条件总体上变化极大，地质影响因素十分复杂，总体表现在两方面分布特点：

第一，独立分布的地质参数离散性均较大，且出现两种情形。一是部分地质参数沿F4 主成分轴正方向上、下两侧分布，具有较高-高F4 影响、低Fx(F1、F6、F9、F10)影响的基本特点，包括煤的坚固性系数、磷质量分数、煤对CO2反应性3 个地质参数，这是F1、F6、F9、F10 这4 个主成分旋转载荷因子的共同规律。二是部分地质参数沿Fx主成分轴左、右两侧分布，特点是对Fx影响较高-高、对F4 影响较低，但不同主成分交汇下的地质参数有所变化，奥亚膨胀度、黏结指数和煤炭原始资源量沿F1 主成分轴分布，煤层埋深、勘查程度和砷质量分数沿F6 主成分轴分布，煤厚变异系数、断层指数沿F9 主成分轴分布，而沿F10 主成分轴分布的是褶曲指数和断层指数。

第二，除上述之外的其他地质参数，旋转载荷因子系数在两个空间区域分布相对集中。一是地质参数沿F4 主成分轴负方向上、下两侧分布，对F4 影响相对较高，对Fx的影响很低，包括断距、煤层厚度、上覆50 m范围煤层累厚、夹矸厚度系数4 个参数，这是4 种交汇情况的共同特征。二是交汇原点周边，大多数地质参数分布在这一区域，体现了主成分旋转载荷因子系数的平均情况，说明这些地质参数对UCG 可行性的影响不甚敏感。

综合分析主成分分析中特征根、旋转载荷因子系数两种方法提取结果，将两种方法都有体现的地质参数视为主控因素，获得贵州省UCG 可行性主控因素的相关认识(表9)。主控地质因素9 个，分别是煤的坚固性系数、煤层厚度、煤厚变异系数、夹矸厚度系数、褶曲指数、断层指数、煤层埋深、奥亚膨胀度和黏结指数，涉及煤层、构造、煤质3 类地质要素，体现在建炉可行性、过程易控性两个方面。此外，断距、磷质量分数和砷质量分数显著影响到气化安全性，煤对CO2反应性、煤炭原始资源量、勘查程度、上覆煤层厚度是开发经济性的关键控制因素。

表9 贵州省UCG 可行性主控地质因素提取结果Table 9 Extraction results of dominant geological parameters for UCG feasibility in Guizhou Province

4 结论

a.建炉可行性2 个地质参数(煤的坚固性系数和煤层厚度)关联性极强；过程易控性、气化安全性、开发经济性地质参数关联性则相对较低。这与贵州构造发育的复杂特征关系密切相关，构造变形强烈极易导致构造煤发育，进而降低煤体强度，在当前工艺技术水平下，气化炉构建难度极大；同时，会导致煤厚变化频繁，影响气化通道稳定性；断层发育也会导致气化炉密封性差，降低气化安全性。

b.“四性”指标与总目标的关联特征明显，对UCG总体地质可行性的敏感性排序依次为建炉可行性、过程易控性、气化安全性、开发经济性。所有地质参数中对UCG 评价总目标贡献最大的为煤的坚固性系数。此外，主控地质因素还有8 个，分别是煤层厚度、煤厚变异系数、夹矸厚度系数、褶皱系数、断层指数、煤层埋深、奥亚膨胀度和黏结指数，涉及煤层、构造、煤质3 类地质要素，体现在建炉可行性、过程易控性2 个方面。

c.在贵州省实际地质条件背景下，UCG 可行性对煤的坚固性系数最为敏感，UCG 项目成功与否的关键在于建炉可行性，后期气化炉选址应高度重视构造发育特征及其对煤层条件的影响。

d.目前来说，国内暂未出台UCG 相关规范，缺少统一的UCG 选址评价准则。虽然本次采集的数据样本均来源于贵州省内，而主成分分析的结果可能随地区地质条件不同而变化，但实际上多数地质因素与“四性”指标均有关联，且地质参数之间存在一定程度的联系乃至重叠，以“四性”认识为基础建立统一的UCG 地质风险评价准则或将成为可能，而其中又以不同地质条件下各类地质参数权重的确定最难统一，亟待进一步研究完善。

符号注释：

Md为日消耗煤量，t；t为气化时间，d；a为煤量采出率校正因子。