摘要：針對淮河能源集團當前開采深部A組煤，受底板水害嚴重威脅而缺乏有效的智能化、全覆蓋預警技術的問題，提出了構建基于水文、充水水源及底板破壞實時監測物聯網的多源信息大數據智能預警云平臺而指導礦區內突水災害事故預防的技術思路。以張集煤礦回采A組煤的1612A工作面為工程背景，構建了觀測水源、水位、水壓、水質、水溫等參數變化的水文監測物聯網數據傳輸系統，實時數據采集、數據傳輸、數據分析處理。而針對底板破壞深度則構建了微震實時監測物聯網，傳感器拾取底板破裂信號通過井上、井下的光纖環網傳輸到地面數據信號處理終端，實時監測反演底板破壞、導水裂隙通道分布。將回采、地質和監測數據各類因素考慮在內，建立了基于神經網絡和深度學習的預警模型，確定了煤礦安全評價的主控指標以及評判指標，搜集全國大量礦井數據對模型進行了機器學習訓練。集成數據采集、管理配置、設備監測、中控大屏、多維分析和故障預警5個模塊，由網絡集成技術和數據整合技術實現無縫連接，建立了煤礦底板突水災害大數據預警云平臺系統。將學習后的預警模型嵌入系統，基于整合的多源數據進行底板突水危險性評估與預警，與微震數據互饋分析實時發布決策信息。最后，選定淮南等礦區內的5組礦井數據進行了評估驗證，并對1612A工作面回采進行了預警分析。結果表明，選定的礦井計算預測結果合理;張集礦工作面發生突水災害的概率較小，監測期內未發生預警信息;證實了大數據云平臺在煤礦底板水害防治應用的可行性，為淮河能源集團開采深部煤層預防底板水害提供了新的技術支撐。

　　關鍵詞：底板水害;水文監測;微震監測;大數據;預測預警平臺

　　我國是多煤少油的國家，煤炭在我國能源體系中一直占據主導地位。社會經濟的日益迅猛發展增大了對煤炭資源的需求，未來相當長的一段時間之內其地位仍然不會發生變化[1-3]。隨淺部煤炭資源逐漸枯竭，礦井開采深度日益增大，生產安全問題一直制約煤礦發展，深部巖體的理論與現場預警技術是未來領域內的重要研究對象[4-6]。進入本世紀以來，隨著新理論和新技術的應用，煤礦生產過程中的安全事故已經顯著下降，傷亡人數也極大降低。這些數據顯現出科技發展在礦山安全生產具備廣泛的應用前景。但當前所面臨的煤礦安全問題仍然嚴峻，為實現礦山事故未來“零傷亡”和“零事故”，需要不斷更新設備、技術以期更好的服務于礦井生產。

　　企業安全生產評職知識：煤礦安全論文文獻如何檢索

　　各個礦區的復合煤礦動力災害事故已經造成了嚴重的經濟和社會影響，原有的預測手段過多的依賴于人的主觀能動性，缺乏實時、及時的反饋，擺脫個體人思維的影響有利于實現礦井智能化安全生產，那么利用新型技術“智能化”“多源化”“大數據”是實現煤礦事故零死亡的重要手段。當前，煤礦智能化的開采已經逐漸應用于煤礦的生產中[7-9]。將物聯網、云計算等技術在煤礦領域應用[10]，實現大數據智能化的實時預警也將是保障煤礦安全的重要技術[11-14]。針對煤礦災害事故，應基于傳感器的物聯網采集災害前兆信息，與多網融合傳輸技術進行實時在線監測，采用多源前兆信息的方法智能判識、精準預警[15,16]。

　　煤礦生產應逐步建立深部巖體監測預警的判識準則，并將水文等多源數據通過井上井下光纖監測網實現企業在線監測預警[17]。尤其是對深部巖體采動破壞的監測，傳統僅對地應力的監測是不可取的。現有的微震監測技術已經逐漸應用到煤礦動力災害的監測預警中，微震監測已經廣泛引用于深部地壓災害的預防工作。通過建立煤巖動力災害的連續微震監測預警體系，可以實現從早期綜合分析預測到實時監測的目的[18]。微震聯合其他監測方法識別分析動力災害前兆信息而建立多元預警方法，取得了一定的效果[19-22]。

　　但新區和老區的灰巖水文地質條件有顯著不同，誤揭陷落柱不僅有可能造成工作面被淹，甚至采區、水平均有可能被淹。陷落柱多是隱伏的，不易發現，當前隱伏陷落柱已經成為治理灰巖水的最大難題。2017年潘二礦井下12123工作面底板抽巷聯絡巷誤揭陷落柱再次引發涌水事故，造成部分巷道工作面被淹。因此，針對淮南礦區A組煤的底板灰巖水害防治，迫切需要智能化預警技術，借助大數據技術對水文監測、微震監測、防治水治理、防治水探測等信息進行采集和數據處理分析，通過大數據挖掘技術和機器學習智能方法，構建突水災害智能預測預警平臺，實現礦區突水災害智能預測預警。

　　1工程概況

　　淮河能源集團(淮南礦業集團)張集煤礦于1996年7月1日開工建設，2001年11月8日建成投產，至今已有18年的開采歷史，核定年生產能力1240萬t。張集礦井設計采用立井、集中大巷和主要石門，分區開拓、出煤、通風、建設。目前該礦開采A組煤，全區采用傾斜長壁和走向長壁相結合的方式，一次采全高綜合機械化采煤方法，頂板管理為全陷落法。該礦1612A工作面位于西三1煤上采區第二個塊段，為本采區第二個回采工作面。工作面北至1611A工作面;南部為1613A工作面;東起西風井1煤工廣煤柱線及采區系統巷道保護煤柱、西至礦井邊界F22斷層保護煤柱。工作面標高為-509～-575.2m。

　　工作面傾斜長度約200m，工作面可推進長度約1569m，傾角9°，平均厚度7.2m，容重1.33t/m3，可采儲量337.1萬t，沿1煤層頂板進行分層開采約5.5m。采場內布置兩條工作面順槽-軌道巷和運輸巷，同時在底板巖層內保留有1條底抽巷，在臨近1613A工作面傾向下端的底板巖層內存在有1條疏水巷：-600m疏水巷。依據采場掘進巷道的實際揭露資料，以及地面鉆探和三維地震資料綜合分析。工作面掘進范圍內煤巖層總體近似為一單斜構造;地層走向70°～130°，傾向160°～220°，傾角平均9°，在構造發育附近煤巖層產狀可能有一定變化。

　　軌、運順揭露的斷層主要有鄰近巷道實際揭露的及三維地震解釋的斷層19條。在1612A工作面內未發現有陷落柱，但在臨近未采的1613A工作面的正下方探測到存在1個垂向的導水通道(疑似陷落柱)，采動期間可能會對其存在擾動。工作面回采中的主要充水性因素有1煤頂、底板的砂巖裂隙水和底板灰巖水。砂巖裂隙水是工作面的直接充水水源，由于裂隙發育程度的不均一性導致煤系地層的富水性差異。

　　從抽水實驗資料分析，煤系砂巖裂隙水富水性弱，并以靜儲量為主，但在構造發育地帶可能會發生儲存水量突然潰出現象。工作面底板法距約18.3m以下發育有太原組灰巖含水層(I組)，工作面掘進期間在斷層帶及裂隙發育處，可能溝通灰巖含水層，導致底板灰巖水大量涌出，威脅巷道安全，是工作面掘進期間重要充水性因素。在工作面底板法距約110m以下為奧陶系承壓含水層，承壓水初始水壓力約為5.9MPa。臨近的已回采工作面(1611A)過斷層期間在斷層帶附近上下盤頂板出現過滴淋水現象，最大水量8.5m3/h，該區域斷層帶對頂板砂巖含水層有一定的導通性，同時過斷層期間可能導通底板灰巖含水層，存在斷層導水影響生產的可能性。

　　2底板水害監測系統建設

　　2.1水文監測系統

　　工作面回采過程中會產生應力擾動造成圍巖破斷，進而在煤層底板內形成“下三帶”底板導水破壞帶、有效隔水層保護帶和承壓水導升帶[30,31]。若采動底板的導水裂隙貫通隔水層連通了含水層，則會造成觀測孔內水位、水壓、水質、水溫等水文參數的波動變化。基于對大量歷史水文變化數據的認識，依據現有的地質水文參數的變化可對底板涌水進行預測。為此，依據地面鉆孔、工作面順槽和-600m疏水巷在張集煤礦搭建了井上、井下水文監測物聯網平臺，實時監控水文變化。井上部分為地面水文長觀孔的水位、水溫監測，由KJ402-FA水文分站采集水壓、水溫和水質數據，通過GSM或GPRS網絡將數據傳送到監控主機，進行數據處理。

　　工作面底板水壓、水溫和水質測點使用GPW10/100礦用本安型液位傳感器和進行數據采集傳輸，各監測點之間鋪設通訊電纜連接。井下各監測分站可以通過礦用通訊電纜接入KJ402-J數據傳輸接口將RS485信號轉換成RJ45接入交換機，通過井下光纖環網與地面監測主站進行數據通信，如圖3所示。所建立的水文監測系統實時數據采集、數據傳輸、數據分析處理。在每個監測點有水文監測分站和傳感器采集水文數據信息。通過GSM或GPRS網絡將采集到的數據傳送到系統水文數據庫并進行匯總、統計。在監測主機查詢、分析、處理水文數據，各個終端可通過煤礦企業網實現水文數據的查詢與統計分析。

　　3大數據預測預警平臺

　　3.1基于神經網絡的預警模型

　　基于大量的參數數據，神經網絡與深度學習模型目前廣泛用于巖體破壞變形預警[35-37]。BP神經網絡是一種按照誤差逆向傳播算法訓練的多層前饋神經網絡，其具有任意復雜的模式分類能力和優良的多維函數映射能力，解決了簡單感知器不能解決一些問題。從結構上講，該模式具有輸入層、隱藏層和輸出層。從本質上講，BP算法就是以網絡誤差平方為目標函數、采用梯度下降法來計算目標函數的最小值。其雖然存在較多局部極小的情況下易陷入局部極小點、學習精度要求高的情況下學習速度較慢的不足，但是基于并行分布理論的BP算法實踐證明神經網絡運算能力很強，可以解決許多具體問題。

　　4預測預警應用

　　4.1預警模型訓練學習與驗證

　　基于全國公開的礦井生產資料，利用所獲取的全國45組數據參數對所構建的神經網絡預警模型進行了訓練學習，預測各個礦井的突水預警值和誤差，與實際值進行對比而不斷修正，實現了良好的預測性，對地質構造類指標采用邏輯型數據描述(即有為1，無為0)，則不同工況和開采條件下的數據實現統一性而訓練的模型與1612A工作面實現結合。同時，以搜集獲取的淮南、淮北煤田等典型5組煤礦底板涌水資料對模型進行了驗證檢驗。通過訓練后的預警系統取得了較為滿意預測結果，5組礦井工作面的預測結果。

　　根據礦井涌水量多少劃定突水概率可以看出，突水幾率預測的準確度要高于突水量預測的準確度，突水幾率預測的準確度已經基本滿足預測要求，而突水涌水量預測的準確度雖然有較大提高，但仍然不很理想，原因在于礦井底板突水涌水量的影響因素更為復雜，礦井底板突水涌水量的預測問題仍需進一步研究。工作面底板突水幾率預測誤差均在30%以內，已經遠低于大部分其他預測方法，這說明神經網絡預測系統具有良好的煤礦工作面底板突水幾率預測能力， 這進一步驗證該煤礦底板突水災害大數據智能預測預警系統的優勢所在。

　　5結論

　　(1)為解決淮南礦區開采A組煤所遇到的技術瓶頸，以張集煤礦1612A工作面開采A組煤為背景，考慮其生產地質條件，搭建了水文監測與微震監測物聯網平臺，通過光纖環網實時監測工作面的水壓、水質、水溫等水文信息以及預測回采過程中的底板破壞深度，并將所監測得到的多源數據進行匯總，確定了底板水害預測的24個主控指標以及評判指標。(2)將神經網絡模型嵌入系統搭建了大數據智能分析平臺，建立了基于微震監測系統、水文監測系統、三維可視化系統的云平臺，由網絡集成技術和數據整合技術實現無縫連接，其最后整合的統一結果在突水預測預警分析中心集中顯示、分析，通過深度學習對工作面底板突水的危險性進行評價。(3)對基于神經網絡模型所建立的煤礦底板突水災害大數據智能動態預警方法，經過多組礦井驗證后獲得較理想的預警效果，對于煤礦底板突水幾率的預測性具有良好的穩定性。

　　參考文獻

　　[1]袁亮.我國煤炭資源高效回收及節能戰略研究[M].北京:科學出版社,2017:80-85.

　　[2]何滿潮,謝和平,彭蘇萍,等.深部開采巖體力學研究[J].巖石力學與工程學報,2005,24(16):2803-2813.HEManchao,XIEHeping,PENGSuping,etal.Studyonrockmechanicsindeepminingengineering[J].ChineseJournalofRockMechanicsandEngineering,2005,24(16):2803-2813.

　　[3]袁亮.我國深部煤與瓦斯共采戰略思考[J].煤炭學報,2016,41(1):1-6.YUANLiang.Strategicthinkingofsimultaneousexploitationofcoalandgasindeepmining[J].JournalofChinaCoalSociety,2016,41(1):1-6.

　　[4]謝和平.深部巖體力學與開采理論研究進展[J].煤炭學報,2019,44(5):1283-1305.XIEHeping.ResearchreviewofthestatekeyresearchdevelopmentprogramofChina:Deeprockmechanicsandminingtheory[J].JournalofChinaCoalSociety,2019,44(5):1283-1305.

　　[5]JuYang,ZhuYan,XieHeping,NieXiaodong,ZhangYong,LuChang,GaoFeng.Fluidizedminingandin-situtransformationofdeepundergroundcoalresources:anovelapproachtoensuringsafe,environmentallyfriendly,low-carbon,andcleanutilisation.InternationalJournalofCoalScience&Technology2019,6(2):184–196

　　作者：余國鋒1,2，袁亮1,2,3，任波2,3，李連崇4，程關文4，韓云春2，牟文強4，王四戌4，魏廷雙5，鄭群2，馬濟國5