焦世雄

(同煤集團 白洞煤業(yè)公司,山西 大同 037037)

層次分析法在煤礦沖擊地壓預測中的應用

焦世雄

(同煤集團 白洞煤業(yè)公司,山西 大同 037037)

根據沖擊地壓危險性評價的相關理論,采用系統決策法和灰色理論,建立組合預測數學模型,研究沖擊地壓所屬級別。充分利用大量歷史數據,選取煤層沖擊傾向性、采深、煤層穩(wěn)定性、煤層傾角、地質構造、巷道支護效果和卸壓情況等7個關鍵因素作為評判指標,將定性、定量因素標準化處理后分別采用層次分析法和灰色關聯分析法來確定7個因素的權重和灰色關聯度,建立層次灰色組合預測模型判定沖擊地壓等級。工程實例表明,研究結果與現場具有很好的一致性,說明該預測方法處理沖擊地壓分級這種具有一定主觀性和灰色性的問題是合理可行的。

沖擊地壓;預測;灰色關聯分析;層次分析法

沖擊地壓是影響煤礦安全生產的主要災害之一,是礦山采動誘發(fā)高強度煤巖體變性能瞬時釋放,在相應采動空間引起強烈圍巖震動和擠出的現象[1-3]。沖擊地壓發(fā)生時,煤巖體拋向巷道,同時發(fā)出劇烈聲響,造成工作面現場或變形能釋放范圍巷道、硐室內人員傷亡和設備損壞,是誘發(fā)其他煤礦災害如瓦斯與煤塵爆炸、冒頂、礦井水災和礦井火災的根源[4]。大同礦區(qū)在生產技術條件上,各種采煤工藝、采煤方法都出現過沖擊地壓,多次發(fā)生沖擊地壓事故。如忻州窯煤礦位于大同侏羅紀煤田東翼東北部,呈不對稱向斜構造,井田內斷層約有300余條,落差10 m以上正斷層8條,煤層埋藏深度280 m～370 m,沖擊地壓災害時有發(fā)生;其主采11#煤層5935巷發(fā)生沖擊地壓災害,實地調察結果如下:400 m～370 m范圍內巷道斷面縮小,高度最低處1.95 m,寬度最窄約1.60 m,有5根單體柱傾斜,2根單體柱壓彎;380 m至工作面范圍內的頂板下沉約0.50 m～0.70 m,兩幫煤體突出約0.30 m～0.50 m,造成了不小的經濟損失。為此,礦方成立了防沖減災辦公室并配備了專門的生產和技術隊伍,多年來積極采用各種方法防治沖擊地壓,并積累了大量試驗成果和觀測數據資料,為進一步開展沖擊地壓機理研究和治理奠定了良好基礎。

隨著煤礦開采裝備技術水平不斷提高,也采用了微震、聲發(fā)射等手段對沖擊地壓預報,但由于自然地質條件、開采技術等復雜性原因,沖擊地壓尚難以完全掌控[5];傳統預測只能靠經驗或定性方法。有學者應用BP-ANN、模糊理論、混沌時間序列、Fisher判別分析法及PSO-SVM模型等預測沖擊地壓取得了一定成果[6-9]。但均有不足之處:BP網絡隱層數難以確定,網絡訓練時間長、易陷入局部極值;模糊理論存在隸屬度、權重難以確定的缺陷;混沌時間序列法需要海量數據計算最大Lyapunov指數;Fisher判別分析要求大量準確歷史數據;SVM核函數及其參數選擇較為復雜。鑒于GCA法可有效解決“少樣本、貧信息”決策或預測問題[10],AHP法可系統性地準確計算評價指標體系中各影響因素的權重,本文將GCA法與AHP法相結合對沖擊地壓進行預測。

1 GCA法

1.1灰色關聯度系數

基于灰色關聯原理和灰色關聯差異信息空間LYgr,并考慮其領域性與規(guī)范區(qū)間性,灰色關聯度系數為:

ξi(k)=(xmin+ρxmax)/(Δ0i(k)+ρxmax).

(1)

作為評價標準的比較數列xi(k)往往是一個區(qū)間,如xi(k)=[ai(k),bi(k)],其中,ai(k),bi(k)為第k個指標的第i個級別的上限和下限。此時,

1.2灰色關聯度

2 AHP法

AHP法的具體步驟為:

1)明確問題。

2)建立問題層次結構。

3)構造兩兩比較判斷矩陣B,其元素bij≥0,bii=1,bij=1/bji,(i,j=1,2,…,n)。

4)層次排序與一致性檢驗:計算判斷矩陣B最大特征值λmax及其對應特征向量,若矩陣B滿足bik=bijbjk,其中,i,j,k=1,2,…,n。

5)確定權重Wi:采用乘積方根法求得的特征向量W=[w1,w2,…,wn]T,計算灰色關聯度ri,據此可判斷沖擊地壓類型。

3 GCA與AHP沖擊地壓預測模型

在對歷史數據進行系統分析的基礎上,采用AHP-GCA數學模型對該礦沖擊地壓危險性進行有效預測。

3.1沖擊地壓指標權重AHP分析

引起沖擊地壓的影響因素很多,主要有:自然地質條件、開采技術條件和生產組織管理等。根據國內外沖擊地壓機理研究成果和該礦積累的統計資料分析,影響因素有:煤層沖擊傾向性X1、采深X2、煤層穩(wěn)定性X3、煤層傾角X4、地質構造X5、巷道支護效果X6、卸壓情況X7等。

根據AHP法基本原理,建立的沖擊地壓預測層次結構模型如圖1所示;7個指標的權重通過有關試驗測定和現場專家調查,采用AHP法建立判斷矩陣B,經分析后再最終調整確定。選擇9標度法,構造的判別矩陣B為:

圖1 層次分析結構模型Fig.1 Hierarchical analysis model

.

采用Matlab7.0編制程序,經計算判斷矩陣B最大特征值λmax=7.441 2,檢驗B的一致性指標CI=0.073 5;查表1,n=7時,平均隨機一致性指標RI=1.32,一致性比率CR=0.055 7<0.10。因此,判斷矩陣B有滿意的一致性。此時,認為B的特征向量W=[0.367 3,0.208 2,0.142 1,0.127 7,0.063 7,0.048 3,0.042 6]T的各個分量作為相應的各個因素的權重是合理的,可用于沖擊地壓的灰色關聯度分析。

3.2沖擊地壓GCA預測

根據國內外已有沖擊地壓危險性評價研究成果和多年來積累的數據資料,將該礦沖擊地壓等級分為Ⅰ無沖擊、Ⅱ弱沖擊、Ⅲ中等沖擊和Ⅳ強沖擊等四級。為便于計算,需要將定性和定量數據進行歸一化處理,標準化處理后的沖擊地壓分級標準，如表1所示。典型樣本及灰色關聯分析預測結果,如表2所示。

表1 標準化后的沖擊地壓分級標準Table 1 Grading of the standardized rock burst

表2 沖擊地壓樣本及灰色關聯分析預測結果Table 2 Prediction of rock burst sample and grey relational analysis

無量綱處理沖擊地壓樣本,采用GCA法計算出7個指標的權重Wi和灰色關聯系數ξi(k),得到樣本的灰色關聯度ri。分析每一個樣本的灰色關聯度數列r,由最大關聯度法則可知,灰色關聯度ri越大,則與對應分級標準集合的符合程度越好,從而可以判定或預測各個樣本的沖擊地壓類型。將預測結果與實測結果進行比較,可知GCA-AHP沖擊地壓預測方法的準確率為82%。

4 實例應用

據地質資料,某工作面位于井田向斜西翼,北西高、南東低,呈單斜構造、局部呈小向斜構造,煤層厚度4.9 m～9 m,均厚7.5 m,傾角6°～8°,平均傾角7°,埋深300 m～350 m,平均埋深310 m;面內有四條小規(guī)模正斷層,地質構造較復雜。煤層及直接頂之上27 m～39 m為深灰色砂質頁巖-灰白色粗砂巖,以石英長石為主,含少量云母,暗色礦物及煤屑,水平層理,泥質膠結。底板為灰色砂質頁巖互層,灰色細砂巖,厚2 m～5 m,成分石英、長石,少量云母,暗色礦物及FeS球狀結核,泥質膠結,較堅實。煤層微含水,局部頂板有滴水及淋水現象。5935巷采用錨桿吊鋼帶掛金屬網和錨索聯合支護,整體支護效果良好。在防沖卸壓方面,除了采用常見的煤層鉆孔注水、開卸壓槽等措施外,還在試驗段應用爆破技術進行鄰面斷頂,以減小工作面鄰空順槽煤柱外側懸板的長度,降低煤柱內應力集中程度。沖擊地壓影響因素標準化后的預測數列為X0=[1.0,0.45,0.75,0.47,1.0,0.57,0.75]T,經計算,其灰色關聯度為r=[0.466 8,0.647 6,0.811 8,0.772 5]T。由沖擊地壓分級標準,該工作面總體呈中等沖擊類型。

電磁輻射強度和脈沖數可綜合反映煤體前方應力集中大小,可用電磁輻射法進行沖擊地壓卸壓效果監(jiān)測。根據煤巖沖擊破壞的KBD-5電磁輻射儀記錄數據,確定電磁輻射幅臨界值:強度為100 mv,頻次為900 Hz,據此預報沖擊地壓。

圖2 電磁輻射數據Fig 2 Electromagnetic radiation data

圖2為中巷道電磁輻射記錄,其最大強度值約為85 mV,最大脈沖數約為550 Hz,經判斷為中等沖擊事件。經實地調查,巷道測點120 m～140 m范圍發(fā)生沖擊地壓,約有6.0 m范圍頂板下沉,巷道斷面縮小,巷道高度最低處僅有1.6 m,寬度最窄約1.5 m,工作面幫有8根單體柱傾斜,鄰空幫有5根單體柱傾斜。從而,直接驗證了基于AHP的沖擊地壓GCA預測模型的有效性。

5 結論

1)充分發(fā)揮AHP法有效處理定性、定量復雜數據和GCA法準確預測功能的優(yōu)勢,建立了煤礦沖擊地壓預測的AHP-GCA組合數學模型。

2)該沖擊地壓危險性組合預測方法準確率為82%,精度滿足工程需要,為沖擊地壓預測的新途徑。

3)根據忻州窯煤礦實際情況,對試驗工作面進行了沖擊地壓預測實踐,由井下實際觀測和電磁輻射法實時監(jiān)測數據驗證了可通過AHP-GCA組合數學模型來實現沖擊地壓的有效預測。

[1] 張曉明,楊曉晨,盧鋼,等.下伏采空區(qū)的煤礦地表地震動力響應模擬[J].遼寧工程技術大學學報:自然科學版,2013,32(6):730-734.

ZHANG Xiaoming,YANG Xiaochen,LU Gang,etal.Seismic Dynamic Response of Ground Surface above Goaf of Coal Mine[J].Journal of Liaoning Technical University:Natural Science,2013,32(6):730-734.

[2] 尹光志,譚欽文,魏作安.基于混沌優(yōu)化神經網絡的沖擊地壓預測模型[J].煤炭學報,2008,33(8):871-875.

YIN Guangzhi,TAN Qinwen,WEI Zuoan.The Prediction Model of Rockburst Based on Chaos Optimization Neural Network[J].Journal of China Coal Society,2008,33(8):871-875.

[3] 趙洪波,茹忠亮.沖擊地壓預測的PSO-SVM模型[J].巖石力學與工程學報.2007,26(SI):3479-3483.

ZHAO Hongbo,RU Zhongliang.The PSO-SVM Model of Rockburst Prediction[J].Chinese Journal of Rock Mechanics and Engineering, 2007,26(SI):3479-3483.

[4] 孫鳳琪.Adaboost 集成神經網絡在沖擊地壓預報中的應用[J].吉林大學學報:信息科學版,2009,27(1):79-84.

SUN Fengqi.The Application of Adaboost Neural Network to Burst Forecast[J].Journal of Jilin University:Information Science,2009,27(1): 79-84.

[5] 孫繁燁,耿也.基于 BP 神經網絡的商品庫存控制模型[J].遼寧工程技術大學學報:自然科學版,2013,32(6):817-821.

SUN Fanye,GEN Ye.The Merchandise Inventory Control Model Based on BP Neural Network[J].Journal of Liaoning Technical University:Natural Science,2013,32(6):817-821.

[6] 金佩劍,王恩元,劉曉斐,等.沖擊地壓危險性綜合評價的突變級數法研究[J].采礦與安全工程學報,2013,30(2):256-261.

JIN Peijian,WANG Enyuan,LIU Xiaofei,etal.The Progression Method of Rockburst Hazard Evaluation[J].Journal of Mining and Safety Engineering, 2013,30(2):256-261.

[7] 謝龍漢,尚濤.SPSS統計分析與數據挖掘[M].北京:電子工業(yè)出版社,2012.

[8] 尹光志,代高飛,閆河,等.沖擊地壓預測的遺傳神經網絡方法[J].巖土力學,2003,24(6):1016-1020.

YIN Guangzhi,DAI Gaofei,YAN He,etal.The Genetic Neural Network Method of Rockburst Prediction[J].Rock and Soil Mechanics,2003,24(6):1016-1020.

[9] 周健,史秀志.沖擊地壓危險性等級預測的Fisher 判別分析方法[J].煤炭學報,2010(35):22-27.

ZHOU Jian,SHI Xiuzhi.Application of Neural Networks to Study and Prediction Forecast Rockburst[J].Journal of China Coal Society,2010(35):22-27.

[10] 吳財芳,曾勇.神經網絡在沖擊地壓危險性預測預報研究中的應用[J].工程地質學報,2003,11(3):263-268.

WU Caifang,ZENG Yong.Application of Neural Networks to Rockburst Hazard Forecasting Research[J].Journal of Engineering Geology,2003, 11(3):263-268.

ApplicationofAnalyticHierarchyProcessinPredicationofRockBurstinMines

JIAOShixiong

(BaidongCoalCo.,Ltd.,DatongCoalMineGroup,Datong037037,China)

According to the theories of risk evaluation on rock burst,system decisions method and grey theory were used to establish a combined mathematical model to predict the grade of the rock burst.Taking advantage of large quantity of historical data,seven critical factors were selected as the evaluation indexes,including rock burst tendency,mining depth,coal seam stability,dip angle,geological structure,supporting effect and pressure relief.After the standardization of the qualitative and quantitative factors,analytic hierarchy process and grey relational analysis were used to determine the weight and grey relational degree of the seven factors to establish a hierarchy-grey prediction model to judge the grade of the rock burst.The engineering cases show that the results are in good consistency with the field.The results indicate that the prediction method is reasonable and feasible to solve the subjective and grey grading problem for the rock burst.

rock burst; prediction; grey relational analysis; analytic hierarchy process

1672-5050(2017)04-0053-04

10.3919/j.cnki.issn1672-5050sxmt.2017.08.016

2017-05-07

焦世雄(1992-),男,山西渾源人,大學本科,助理工程師,從事煤礦生產及技術管理工作。

TD324

A

(編輯:薄小玲)