水库下采煤导水裂隙带高度预测.pdf

第17卷第3期 2008年3月 中 国 矿 业 CHINA MININGMAGAZINE Vol. 17 , No. 3 March 2008 水库下采煤导水裂隙带高度预测 徐智敏,孙亚军 中国矿业大学,江苏 徐州221008 摘 要本文采用人工神经网络技术,对新安煤矿小浪底水库下采煤导水裂隙带发育高度进行预测 研究,选取了顶板岩性、顶板抗压强度、覆岩类型、倾角、覆岩厚度、泥岩比、煤层采厚等因素作为导 水裂隙带预测模型的影响因子,建立了导水裂隙带高度的预测模型,准确判断了煤层开采后导水裂隙带 的发育高度。本文的研究成果为新安煤矿合理设计小浪底水库下采煤的开采方式方法,提供了重要的参 数依据和技术支撑。 关键词导水裂隙带; BP神经网络;水库下采煤 中图分类号 TD807/ P744 文献标识码 B 文章编号 1004 - 4051 2008 03 - 0096 - 04 Height prediction of the water conducted zone for mining under reservoir XU Zhi2min , SUN Ya2jun China University of Mining and Technology , Xuzhou 221008 , China Abstract Based on the Artificial Neural Network technology , this paper analyzed the height prediction of the water conducted zone for mining under Xiaolangdi reservoir , selected lithology、compressive strength、types、thickness and the scale of mudstone in the overburden rock , obliquity and mining thick2 ness of the coal seam as the main influence factors to establish the water conducted zone height prediction model , which forecasted the results effectively1The achievements of this study provided Xin’an coal mine with some important parameters and technological supports for rational design of the mining ways and means1 Key words water conducted zone; BP neural network; mining under reservoir 收稿日期 2007 - 12 - 08 基金 项 目国 家 重 点 基 础 研 究 发 展 计 划“973”计 划 2007CB209401 ;国家自然科学基金重点项目 50634050 ;国家 自然科学基金项目40372123资助 作者简介徐智敏1981 - ,男,四川简阳人,中国矿业大学地 质工程博士研究生。 在处理水体下采煤问题时,主要考虑煤层采动 形成的裂隙是否相互连通,以及相互连通的裂隙是 否波及到水体。因此,研究水体下采煤覆岩破坏规 律,尤其是采动形成的导水裂隙带发育高度及其分 布形态至关重要。煤层开采后引起覆岩破坏以及在 覆岩破坏区形成导水通道等,早已被广大研究人员 所认识,并投入大量研究,提出了覆岩破坏范围的 圈定办法,得出了“上三带”的分布状态和规律, 给出了裂隙带发展最大高度的经验公式,提出了水 下采煤的安全技术措施等[1]。导水裂隙带的发育高 度及形态研究,是矿井开采过程中合理确定开采边 界及开采上限的基础,是矿井水体下采煤安全生产 的关键。 现阶段对导水裂隙带高度的预测方法,概括起 来主要分为现场测试、相似模拟试验物理和数 值、理论分析法三大类[2]。而理论分析以及相似 模拟试验均有某些局限性或不足,这是由于受构 造、采矿方法、岩体力学性质、水文条件等因素的 影响,模型的简化构建因人而异,导致预测结果存 在较大的偏差[3][4]。因此,在进行导水裂隙带发育 高度的定量研究时,需要采用多种方法进行配合和 检查。以非线性大规模并行分布处理为主流的神经 网络理论,突破了传统的线性分析方法的局限,拓 宽了研究参数的属性,在有限现场观测资料的基础 上,能够综合考虑顶板岩性、顶板抗压强度、覆岩 类型、倾角、覆岩厚度、泥岩比、煤层采厚等多种 对导水裂隙带发育存在直接影响的因素,可以在一 定程度上弥补导水裂隙带高度观测资料的不足,这 第3期徐智敏等水库下采煤导水裂隙带高度预测 将大大提高导水裂隙带发育高度预测的准确性。 本文将采用基于非线性理论的人工神经网络技 术,结合矿井水文地质学的相关理论,通过Mat2 lab实现煤层覆岩破坏高度的预测,客观地描述顶 板导水裂隙带高度与煤层开采厚度及顶板岩体力学 性质的关系,具有良好的现实意义和理论价值。 1 人工神经网络原理简介 人工神经网络Artificial Neural Network 简称神经网络ANN ,是基于现代生物学研究人 脑组织的成果基础上,用大量的处理单元广泛连接 成复杂网络,来模拟人老脑的学习、记忆、推理、 归纳能力,它为解决复杂问题提供了一种简单有效 的方法。神经网络很容易解决多个参数问题,与传 统的方法相比,它具有以下特点① 具有较强的容 错性和鲁棒性,允许带一定噪声的数据的输入;② 具有自适应学习能力,善于在有限的样本数据中, 提取出模式变换的统计规律;③ 对信息进行大规模 并行处理,运行速度快。 在结构上,可以把一个神经网络划分为输入 层、输出层和隐含层。输入层的每个节点对应一个 个的预测变量。输出层的节点对应目标变量,可有 多个。在输入层和输出层之间是隐含层对神经网 络使用者来说不可见 , 隐含层的层数和每层节点 的个数决定了神经网络的复杂度,不同的神经网络 有不同的逻辑结构。一般比较常用的是BP神经网 络模型。 BP Back Propagation ,反向传播算法全称 为误 差 反 传 递 算 法 Error BackPropagation Training ,输入层到隐含层、隐含层到输出层的 关系如下 Hidden[ j ] f ∑ n i 1 wijai-θj1 Out[ l] f ∑ n i 1 wjtbj- ri2 式中,ai 第i点输入; bj 第j个隐含层节点输出; wij 输入层到隐含层的权值; vij 隐含层到输出层的权值; θ 隐含层的阈值。 算法的思路如下首先给定随机的初始权值, 用式1、式2计算。计算输出值与理想值之 间的误差,如不符合要求,则沿着误差最大的方向 反传回去,对各层权值进行调整,直至误差达到要 求。为了使权值调整方向是误差减少方向,构造一 个误差函数Ek , 只要使连接权按误差函数梯度 方向修正,就能保证不会向增大方向调整,设绝对 误差的均方值为 Ek ∑ q l 1 out[ l]k- cl 2/ 23 式中,cl为第l个输出层节点的目标输出。 则输出层到隐含层权值调整量 ΔVβ- gradv Ekβd k jbj,β为演习率。隐含层到输出层 之间的权调整值为 ΔWijα ∑ q i 1 Vjid k if′ s ′j a k j 4 式中,α为演习率[5]。 2 实例研究 由于矿井水文地质条件的特殊性和复杂性,很 难用准确的数学模型对矿井开采后形成的导水裂隙 带高度进行有效的预测,而比较可行的方法,就是 通过分析矿区已有导水裂隙带高度的观测资料,并 建立一个矿井导水裂隙带的发育规律与矿区地质及 水文地质条件之间的映射关系。BP网络恰好体现 了这方面的优点,不需要建立精确的数学模型,就 能够实现从输入空间到输出空间的非线性映射,因 此BP网络适用于矿井导水裂隙带高度发育规律的 预测。 211 研究矿井概况 河南省义马煤业集团新安煤矿于1988年底建 成投产,开采范围50km2,设计年生产能力150万 t ,服务年限83年。开采煤层为二叠系山西组二1 煤层,煤种为贫瘦煤,煤层厚度为0～18188m ,平 均为4122m。该矿靠近黄河小浪底水库,小浪底水 库蓄水前,二叠系砂岩裂隙水对矿井充水几乎没有 影响。小浪底水库蓄水后,水位高程达 275m , 新安井田40 的面积将位于库盆之下,水体下可 采煤炭储量高达8000万t ,同时,矿区相当范围 的二叠系砂岩地层被淹没在库水之下,直接接受库 区水的补给,富水和补给条件得到改善。小浪底水 库的蓄水严重恶化了新安煤矿的开采条件,使其存 在严重的突水危险,其威胁的严重程度国内外罕 见。 本研究在新安矿水库下试采过程中,进行了大 量的覆岩破坏观测工作,在采用并行网络电法CT 技术、超声波成像技术等物探手段结合钻探验证, 取得在新安矿特定开采条件下的导水裂隙带发育高 度观测数据的基础上,采用BP神经网络模型,运 用矿井水文地质学的相关理论,通过Matlab实现 对新安煤矿水库下采煤导水裂隙带发育高度的预 计,为新安煤矿今后合理确定小浪底水库下开采的 79 中 国 矿 业第17卷 方式方法和制定相应的矿井防治水措施,提供重要 的参数依据。 212 预测模型设计 参数选取及处理。本文主要利用人工神经网络 的自适应和学习功能,实现函数的逐次序逼近,最 终得到满意的预测模型。本模型有三层结构,输入 层有7个神经网元,隐含层8个,输出层1个,选 取影响导水裂隙带高度主要影响因数有顶板岩 性、顶板抗压强度、覆岩类型、倾角、覆岩厚度、 泥岩比、煤层采厚等作为输入,采动形成的导水裂 隙带高度为神经元网络的输出层。训练样本数据如 表1所示。 表1 新安矿实测地质资料及导水裂隙带发育高度统计表 序号顶板岩性 顶板抗压强度 MPa 覆岩类型倾角覆岩厚度m泥岩比 煤层采厚m 导水裂隙带 高度m 1粉砂岩76144中硬11268105571773196911 2中砂岩114123硬102981343813541070113 3中砂岩85146中硬6557185571463164514 4中砂岩94189中硬55561455812371196154 5中砂岩98145硬4548114311954126518 6中砂岩71175硬45451191710331143141 7细砂岩108171中硬35551315118451887146 8细砂岩105143中硬556213352178716103173 9中砂岩88101中硬10206175717651585138 10中砂岩87152中硬65591585416441570132 11中砂岩92128中硬655214658145714104124 12细砂岩98165中硬45471614717951177116 由于模型是非线性的,初始值对于学习能否达 到局部最小和是否能够收敛的结果关系很大,故初 始权值取[0 , 1]之间的随机数,因此在网络实现 之前,需要将原始数据进行归一处理。对顶板岩性 与覆岩类型的数值量化如表2所示。 表2 变量量化表变量类型变量名称变 量取值顶板岩性粉砂岩 变量类型变量名称变量取值 顶板岩性 粉砂岩 中砂岩 细砂岩 0 015 1 覆岩类型 中硬 硬 0 1 同时,对顶板抗压强度、倾角、覆岩厚度、泥 岩比、煤层采厚等参数分别采用公式5分别进 行归一处理 xnS Xn-Xmin Xmin-Xmin 5 式中,Xn 各类参数第n个数据; xn 各类参数第n个归一处理后数据; Xmin、Xmax 矿区各类参数最小值和最大 值。 待上述各数据都进行完归一处理后,便得到了 模型的样本集。 模型训练。对多层网络进行训练时,首先要提 供一组训练样本,其中的每个样本由输入样本与理 想输出对组成。根据因素量化的结果,提取各因素 对应的数值,组成一个由输入-输出模式对构成的 样本序列。利用人工神经网络的自适应性和学习功 能,以简单函数的多次迭代,实现对映射函数的逐 次逼近,最终得到满意的预测模型。当训练达到精 度要求时,训练结束。当有新的观测数据时,可以 将其量化后加入样本集对模型进行重新训练,以不 断提高预测模型的准确性。 213 预测结果 待上述模型训练结束后,将表3中的两工作面 的地质及开采参数归一化处理后,代入上述模型进 行预测,预测结果及相对误差如表3所示 89 第3期徐智敏等水库下采煤导水裂隙带高度预测 表3 导水裂隙带高度的预测结果 序号 顶板 岩性 顶板抗压 强度MPa 覆岩 类型 倾角 覆岩厚度 m 泥岩比 煤层采厚 m 导水裂隙带高度m相对误差 实测预测 1中砂岩103154中硬10304151541433196918671513128 2中砂岩73106硬4547168331741882831291157 214 结果分析 从表3的预测结果来看,对新安矿导水裂隙带 发育高度预测值与实测值基本一致。计算误差与因 素选取相关,因矿区地质及水文地质条件的复杂 性,造成量化后的预测样本与矿井实际条件存在一 定的偏差。尽管如此,计算结果显示,导水裂隙带 的预测结果和实际观测值能够较好地吻合,表明本 文所建立地BP神经网络预测模型是正确的,计算 数据是合理的,这无疑能够对新安矿今后进行大规 模水库下煤炭资源的开采,提供可靠的参数依据和 技术支撑。 3 结 论 通过本文基于BP神经网络方法,对新安矿小 浪底水库下采煤导水裂隙带发育高度的预测研究, 主要得出了以下结论 1以非线性大规模并行分布处理为主流的 神经网络模型,突破了传统的线性分析方法的局 限,其特征参数和结论参数可以唯一地确定,因 而,所建立的导水裂隙带发育高度的推理方法的结 果,也具有唯一性。 2研究表明,选取顶板岩性、顶板抗压强 度、覆岩类型、倾角、覆岩厚度、泥岩比、煤层采 厚等7个影响因子,运用基于非线性理论的BP神 经网络模型,进行矿井导水裂隙带发育高度的预测 是可行的。 3从计算结果看出,预测模型的可靠性与 适用性,和训练样本集的大小密切有关,因此,还 应将实际工程中所取得的新的观测数据,不断添加 到训练样本集中,从而不断提高预测精度,将该方 法发展成为一种可靠且实用的新方法。 参考文献 〔1〕 刘天泉.矿山岩体采动影响与控制工程学及其应用[J ].煤 炭学报, 1995 , 2 1 - 5. 〔2〕 王双美.导水裂隙带高度研究方法概述[J ].水文地质工程 地质, 2006 , 5 126 - 128. 〔3〕 丁德馨,王云刚,等.基于自适应神经模糊推理的导水裂缝 带高度研究[J ].采矿技术, 2005 , 3 15 - 18. 〔4〕 陈佩佩,刘鸿泉,等.基于人工神经网络技术的综放导水裂 隙带高度预计[J ].煤炭学报, 2005 , 8 438 - 442. 〔5〕 魏海坤.神经网络结构设计的理论与方法[ M].北京国 防工业出版社, 2005. 英美公司认为菲律宾博永安铜金矿项目不具有经济可行性 菲律宾菲莱克斯矿业公司对英美公司有关博永安铜金矿项目的观点提出质疑,并正洽谈购入该项目。 英美公司斥资5 , 000万美元对该项目展开先期可行性研究,研究显示该项目不具有经济可行性。菲 莱克斯矿业公司称该项目成本可能高达10亿美元。 菲克莱斯矿业公司称其旗下控股81 的菲莱克斯黄金公司Philex Gold Inc对先期可行性研究各种 假设和结论的看法与英美公司不同。菲莱克斯矿业公司向菲律宾证交所发布公告称鉴于先期可行性研究结 果,合资伙伴英美公司会将博永安铜金矿项目返还给公司。研究显示博永安铜金矿项目当前资源库存在 2118亿t左右,铜品位为0151 ,黄金品位为0177g/ t ,其中可以作为矿产资源的仅为8 , 700万t ,铜品 位为0168 ,黄金品位为1106g/ t。研究还显示博永安铜金矿项目氧化矿物的复杂性以及短暂的开采周期 使得其经济可行性令人置疑。 99