煤与瓦斯突出控制因素加权灰色关联模型的建立与应用.doc

第30卷第1期 2005年 2月煤 炭 学 报 JOURNA L OF CHI NA C OA L S OCIETY V ol. 30 N o. 1 Feb. 2005 文章编号0253-99932005 01-0058-05 煤与瓦斯突出控制因素加权灰色 关联模型的建立与应用 伍爱友, 肖红飞, 王从陆, 何利文 湖南科技大学能源与安全工程学院, 湖南 湘潭 411201 摘 要通过分析煤与瓦斯突出的主要影响因素, , 利用灰色理论 建立煤与瓦斯突出综合评价加权灰色关联模型. , 与瓦斯突出情况的基础上, . 关键词煤与瓦斯突出; 控制因素; 中图分类号T D713 A of w eights and gray association model on coal and gas outburst controlled factors assessment W U Ai 2y ou , XI AO H ong 2fei , W ANG C ong 2lu , HE Li 2wen School o f Energy and Safety Engineering , Hunan Univer sity o f Science and Technology , Xiangtan 411201, China Abstract Using gray theory established a weights and gray ass ociation m odel in analyzing the m ostly in fection factors of coal and gas outburst , the rate of outburst contribution was used to calculate the weights of contamination. Exam pling T anjiashan coal the main in fluence factors of coal and gas outburst was marshalled based on statistics and analyzing it ’s outburst com plexion past years , it is shown that the analysis and calculation conclusion is cons onant with actual case. K ey w ords coal and gas outburst ; controlled factors ; gray ass ociated degree ; weights ; ass ociated order 在煤矿地下采掘过程中, 在极短的时间内几秒到几分钟 , 从煤岩 层内以极快的速度向采掘空 间内喷出煤岩 和瓦斯CH 4, C O 2 的现象, 称为煤与瓦斯突出. 它是另一类型的瓦斯特殊涌出, 也是煤矿地下开采过程中的一种动力现象[1]. 它所产生的高速瓦斯流含煤粉或岩粉 能够摧毁巷道设备, 破坏通风系统, 甚至造成风流逆转; 喷出的瓦斯由几百到几万m 3, 能使井巷充满瓦斯, 造成人员窒息, 引起瓦斯燃烧或爆炸; 喷出的岩、煤由几千吨到几万吨以上, 造成煤流埋人; 猛烈的动力效应可能导致冒顶和火灾事故的发生. 因此, 对煤与瓦斯突出的相关因素进行分析, 合理地评价与预防, 对煤炭工业健康持续发展具有重要意义. 目前, 进行煤与瓦斯突出的控制因素分析与评价的方法很多, 如清单法、神经网络法、模糊综合评价方法等[2,3], 但由于煤与瓦斯突出的影响因素错综复杂, 以上方法不具有唯一性和对称性, 丢失信息较多, 使得评价结果往往受控于个别项目而发生误判. 对现有评价方法进行有效补充和更深一步的研究具有十分积极的意义. 加权灰色关联度是灰色理论的核心内容之一, 是一种多因素的统计分析, 它以各因素的样本数据为依据, 用关联度来描述因素间关系的强弱、大小和顺序. 加权灰色关联分析对数据要求较低且 收稿日期2004-08-09 基金项目湖南省自然科学基金资助项目02JJ Y 2176 作者简介伍爱友1975- , 男, 湖南娄底人, 助教. T el 0732-8290040-8017, E -mail wayzxy11201631net 第1期伍爱友等煤与瓦斯突出控制因素加权灰色关联模型的建立与应用59 计算量小, 便于广泛应用. 本文将此理论进行有效补充, 用于煤与瓦斯突出因素的综合评价, 并以谭家山煤矿煤与瓦斯突出控制因素调查统计为实例进行分析和验证, 取得了较好的实际应用效果. 1 加权灰色关联模型的建立 加权灰色关联度分析方法的基本思路是根据序列曲线几何形状的相似程度来判断其关联度是否紧密. 为了真实反映各评价单元中评价因子的贡献程度, 适当地选取权重系数建立加权灰色模型. 曲线越接近, 相应序列之间的关联度就越大, 反之, 就越小. 对于一个抽象的系统或现象进行分析, 首先要选准反映系统行为特征的数据系列, 称为系统行为的映射量, 用映射量来间接地表征系统行为. 有了系统行为特征数据和相关因素数据, 即可做出各个序列的图形, 从直观上进行分析. 111 灰色关联系数 设煤的突出强度为母因素Y 0参考序列 , Y i 其中i 1, 2, , m . 母因素的观测值Y 0{y 01 , y 02 , , y 0n }; i {i y i , , y i n }.由于 在实际工作当中, 数据的量纲可能不一样, , , 因此, 需要进行原始数据交换. 所谓原始数据交换, , 以获得可比较的数据列, 设X 0, X i i 1, 2, , m , 则有 X 00, x 0 , 0n }, X i {x i 1 , x i 2 , , x i n }, x 0k n n , x i k t 1 ∑y 0t n n . 1 t 1 ∑y t i 则x 0与x i 在第k 点的关联系数ξ0i k 为 ξ0i k min min |x 0k -x i k |ρmax max |x 0k -x i k | |x 0k -x i k |ρmax max |x 0k -x i k | i k k , 式中, |x 0k -x i k |Δi k 称为第k 点X 0与X i 的绝对差; min |x 0k -x i k |为第1级最小差; min min |x 0k -x i k |为第2级最小差; max max |x 0k -x i k |为两级最大差; ρ为分辨系数, 是0 i k i k 与1之间的数, ρ取值不同, ξ0i k 亦不同, 从而关联度r 0i 也不同, 但一般不会影响关联序. r 0i 随ρ的增大而增大. ρ越小, 分辨率越高, 可以证明, 当ρ≤01546时, 分辨率最高, 因此, 一般取ρ015[4]. 112 权重系数的确定 根据各待评价单元中评价因子的贡献程度以专家赋值的方法确定 [5], 采用如下权重系数公式为 w j k ∑ u j k u j , 2 式中, w j k 为第j 个待评价单元第k 个1≤k ≤n 评价因子的权重系数; u j 为第j 个评价单元的权重系数; u j k 为第j 个评价单元第k 个评价因子的专家权重系数. 113 加权灰色关联度的确定 若考虑各关联度系数的权重, 便可得x i k 与x 0k 之间的加权灰色关联度, 即 r 0i n n k 1 ∑w k ξ0 j i k . 3 2 谭家山矿煤与瓦斯突出主控因素确定及结果分析 211 煤与瓦斯突出主控因素的确定 煤与瓦斯突出的机理存在许多假说, 但基本公认的是综合假说, 即煤与瓦斯突出是由地质指标地应力 、瓦斯和煤的力学性质动力特征 以及其物理测试参数三者综合作用的结果[6]. 60 煤 炭 学 报 2005年第30卷 1 煤层地质条件 地质构造是控制突出发生的主导地质因素, 在发生突出的地段内, 突出危险性随 采掘深度与煤层厚度特别是软分层厚度 的增加而增加, 受煤自重影响, 倾角越大的煤层越容易出现突 出. 反映煤层煤体结构的指标主要是煤的普氏系数f 和瓦斯放散速度Δv. f 与煤的物理强度有关, 瓦斯放散速度Δv 表示充有瓦斯的煤放散瓦斯快慢的程度, 它与煤的微孔隙结构、孔隙表面性质和孔隙大小有关. 2 瓦斯动力特征 煤与瓦斯突出前总是伴随一些动力现象, 这些现象是预测煤与瓦斯突出的依据之一. 在各种煤与瓦斯突出预兆中, 通常有如下规律巷道顶板来压、掉渣、片帮; 响煤炮、闷雷声; 瓦斯浓度忽大忽小, 瓦斯压力增大; 喷孔、顶钻、卡钻等. 瓦斯动力特征是地应力和瓦斯压力在控制煤与瓦斯突出方面的外在显现, 将瓦斯动力特征分为4类即巷道来压、煤炮声、瓦斯变化、喷孔顶钻夹钻. 3 突出预测指标 以谭家山矿煤与瓦斯突出预测指标为例, 瓦斯衰减系数作为预测指标. 钻孔瓦斯涌出初速度v 、瓦斯含量、透气性等多项引起煤与瓦斯突出的主要因素, . 根据谭家山矿现场瓦斯突出的实际情况, 15, 包括地质指标、瓦斯动力特征、突出工作面的预测参数, 见表]212 表1 煤与瓦斯突出控制的研究指标 根据以上指标划分见表20, i . 定性指标变量 包括地质构造、、软分层变化、煤层倾角变化、突出预兆中的响煤炮、片帮掉渣、喷孔、顶钻夹钻、瓦斯变化; 定量指标变量 包括开采深度、煤层厚度、软分层厚度、煤层倾角、煤的坚固性系数、瓦斯放散初速度、钻孔瓦斯涌出初速度等. 其中定性指标值依据数量化理论转化为二态变量, 即用“015”和“1”表示突出时某个定性指标的“存在”与“不存在”; 定量指标值以其突出时的测试值为准. 由于以上15个因素的量纲不同, 为了获得可比较的数列, 采用式1 将数据无量纲化, 得到参考数x 0列与比较数列x i 表2 . 利用公式|x 0k -x i k |Δi k 求出第k 点X 0与X i 的绝对差; 由此可以看出, min min |x 0k -i k T able 1 Study inds of coal and gas outburst 指 标 参 数开采深度u 11 煤层厚度u 12 软分层厚度u 13 煤层倾角u 14 参数值 011501150115011501200105010501050105012001200130013001500150 地质指标u 1 014 地质构造u 15 煤层厚度变化u 16 软分层变化u 17 煤层倾角变化u 18 普氏系数u 19 片帮掉渣u 210 瓦斯动力特征u 2 013 煤炮声u 211 瓦斯变化u 212 喷孔顶钻夹钻u 213 x i k |01001, max max |x 0k -x i k |11993. i k 测试参数u 3 013 放散速度u 314 涌出速度u 315 213 加权灰色关联度的计算 由表2的数据分析, 可以得灰色关联系数为 ξ≈0i k Δx 0, i k 01511993Δx 0, i k 1. 4 将表2两级绝对差数据代入式4 , 即可得出关联系数ξ0i k . 由于关联系数数目很多, 信息不便于集 中, 不便于比较, 为此, 一般将x 0与x i 的n 个关联系数取平均值, 即原始灰色关联度. 各评价单元权重u j 及评价因子权重u j k 由专家赋值, 见表1. 权重系数的计算按照式2 , 以式3 为计算依据, 即可得到加权灰色关联度与关联序. 数据见表3. 214 结果分析 将关联度由大到小依次排序, 关联序反映出各指标因子对母因素的影响力依次减弱, 从而可以筛选出主要指标, 去掉作用不明显的指标. 表3的关联序分析表明, 谭家山矿控制煤与瓦斯突出的前4位主控因 第1期伍爱友等煤与瓦斯突出控制因素加权灰色关联模型的建立与应用 表2 谭家山矿煤与瓦斯突出相关控制因素统计分析 T able 2 Statistics and analysis correlative factors of T anjiash an mine ’s coal and gas outburst 61 因素 y 0 x 0y 1x 1 测点1 7001358582110080165041401998016402171154311185161001812014541101142911071110113330197501501666013080150176901411013701126019180150166601308110111760181811011333019750150171401356121511017016592180185101493 测点2 156017995901102201005315017940100111401800010881410017110163011011429015341101501666017391101153801123012701931013811101133301534110111760137701501666011330150171401085141511180012343141103301377 测点3 550128249001849015673150179401512210111430186119100196401682015010111105101501666013840150176911256013811310110281101133311051015015880130611011333110510150171401423121711033017513100191201630 测点4 4502130556601980113192150156711738213113140199191001457118480101714015016661163911011333019720150176911536018001621116840150166611639110111761112901501666116391101142901876131611109111963191118511120 测点5 4782144944601773116765101113411315118019711147831101157411011020015016661178311011333111160150176911680012101724117251101133311116015015881186101501666117831101142911020121511017113721150145611993 测点6 62013185740199401676616114971117911201686011210150171401396015016660134811011333111050150176901451012601897015790150166601348110111760185801501666013480151142911111101901887015693151106401746 测点7 215111015831110001001410019070119411501857110861101142901328110113330123211011333012320150176901332013611241011400150166601435110111760107511011333012320150171401387121611025010042160179001311 测点8 1450174357001987012445141122401481110111472017290150171401029015016660107701501666010771101153801795011901655010881101133301590015015880115511011333015900150171401029101801879011362190188101138 测点9 24011230557019650126541301975012552111120001030171001863013670150171401516110113330110301501666015640150176901461012401828014021101133301103110111760105411011333011030150171401516111601944012866141194501715 测点10 810141581511412019974191111101696019015140109931001523111080150171401499015016660145111011333019181101153811123014411517111020150166601251110111760176101501666012511101142911104111201911014962190188101466 Δx 0, 1k y 2x 2 Δx 0, 2k y 3x 3 Δx 0, 3k y 4x 4 Δx 0, 4k y 5x 5 Δx 0, 5k y 6x 6 Δx 0, 6k y 7x 7 Δx 0, 7k y 8x 8 Δx 0, 8k y 9x 9 Δx 0, 9k y 10 x 10 Δx 0, 10k y 11x 11 Δx 0, 11k y 12x 12 Δx 0, 12k y 13x 13 Δx 0, 13k y 14x 14 Δx 0, 14k y 15x 15 Δx 0, 15k 注y 0为突出强度; y 1为开采深度, m ; y 2为煤层厚度, m ; y 3为软分层厚度, m ; y 4为煤层倾角; y 5为地质构造; y 6为煤层厚度变化; y 7为软分层厚度变化; y 8为煤层倾角变化; y 9为煤的普氏系数; y 10为片帮掉渣; y 11为响煤炮; y 12为瓦斯变化; y 13为喷孔顶钻夹钻; y 14为 瓦斯放散速度Δv ; y 15为瓦斯涌出速度v , L/m in ; x 0为初值变化后的无量纲参考数列; x 1～x 15为初值变化后的无量纲比较数列; Δx 0, 1k ～Δx 0, 15k 为第k 点参考数列X 0与比较数列X i 的绝对差. 62 煤 炭 学 报 表3 谭家山矿煤与瓦斯突出控制因素加权灰色关联度与关联序 T able 3 Weights and gray associated degree and order of the controlled factors of T anjiash an mine ’s coal and gas outburst 2005年第30卷 控制因素关联度关联序 y 1y 2y 3y 4y 5y 6Y 7y 8y 9y 10y 11y 12y 13y 14y 15 016545 0162610 017042 0157914 017281 016447 016428 0157215 0158813 016339 0160412 016496 0161811 016754 016903 素是地质构造、软分层厚度、瓦斯涌出速度、放散速度等. 实践证明, 在谭家山矿生产中, 控制该矿的突 出主要因素正是地质构造、软分层厚度以及煤与瓦斯突出的放散速度及涌出速度, 因此, 运用加权灰色关联分析法优选的方案结果是可靠和符合实际的. 位, 同时, 瓦斯的动力特征也是突出的标志, 3 结 论 , 影响该矿煤与瓦斯突出的关键因素是地质构造及软分层厚度, . 煤与瓦斯突出预测参数涉及到许多模糊性、应用加权灰色关联方法进行煤与瓦斯突出控制因素分析, , 同时可以根据实际情况与专家的分析研究经验, 通过, 解决了各因素在不同矿井煤与瓦斯突出的主次性问题. 对各控制因素的加权处理, 使得评价结果更实际、更客观, 这是较一般灰色关联分析的重要优越性之一. 该方法对煤与瓦斯突出控制的指导性建议在于首先应对开采煤层的地质构造进行突出危险性预测. 对确认的突出危险区域, 应采取区域性防治突出的技术措施, 对突出的危险工作面危险地质构造面 , 必须采取防治突出技术措施. 与此同时, 在进行危险性预测时, 应该密切注意煤与瓦斯突出前的一些动力指标, 如片帮掉渣、响煤炮、闷雷声等. 参考文献 [1] 张国枢. 通风安全学[M].北京中国矿业大学出版社, 2000. 198～203. [2] 徐精彩, 王井华. 煤自燃极限参数的神经网络预测方法[J].煤炭学报, 2002, 274 366～370. [3] 石平五. 发展科学监测体系, 制止矿山重大事故[J].煤炭学报, 2002, 273 226～228. [4] 李玉文, 关兆红, 任彩银. 灰色关联度分析在建设项目环境影响评价中的应用[J].环境污染治理技术与设备, 2003, 410 91～94. [5] 伍爱友, 蔡康旭. 矿井内因火灾危险性的模糊评价[J].煤炭科学技术, 2004, 327 34～38. [6] 李念友, 郭德勇, 范满长. 灰色关联度分析在煤与瓦斯突出控制因素分析中的应用[J].煤炭科学技术, 2004, 32 2 67～69. [7] 郭德勇, 韩德馨, 王新义. 煤与瓦斯突出构造物理环境及其应用[J].北京科技大学学报, 2002, 126 26～31. [8] 全国注册安全工程师职业资格考试辅导教材编审委员会编. 安全生产技术下 2004. 20～32. [M].北京煤炭工业出版社,