王如猛，王少強

(1.山東科技大學 礦業(yè)與安全學院,山東 青島 266590；2.山東科技大學 礦山災害預防控制教育部重點實驗室，山東 青島 266590)

基于PCA-BP的煤層底板突水預測研究與防治

王如猛1,2，王少強1,2

(1.山東科技大學 礦業(yè)與安全學院,山東 青島 266590；2.山東科技大學 礦山災害預防控制教育部重點實驗室，山東 青島 266590)

為了提高煤層底板透水預測的效率和準確性，將主成分分析(PCA)與神經(jīng)網(wǎng)絡(BP)相結合，對煤層底板透水進行預測。根據(jù)搜集到的煤層底板透水的影響因素及其相關數(shù)據(jù)。通過收集不同礦井透水資料，綜合考慮多種影響煤層底板透水的因素，利用主成分分析(PCA)法提取影響因素的主成分，建立PCA-BP煤層底板透水預測模型。選取典型的礦井透水樣本進行工程實踐驗證，結果表明本預測模型符合實際情況。

PCA-BP；底板突水；主成分分析；神經(jīng)網(wǎng)絡；影響因素；工程實踐

0 引言

煤層底板突水是一種受控于多因素影響且具有非常復雜形成機理的非線性動力現(xiàn)象，面對量多、復雜、可變的煤層底板突水主控指標體系。隨著煤礦開采強度和深度的不斷增加，含水層水壓急劇增加，深度資源開采所面臨的底板突水問題也日益嚴重，為了弄清底板突水機理和有效地預防底板突水問題，底板突水的預測將是今后的重點，國內(nèi)外專家和學者進行了大量的研究，其中代表性的預防方法有突水系數(shù)法、“下三帶”理論、原位張裂與零位破壞理論、板模型理論和關鍵層理論等，雖然這些方法在現(xiàn)場的應用中取得了一定的效果，但是由于礦井地質(zhì)條件的復雜多變性，傳統(tǒng)的單一因素預測方法具有很大的局限性。為此，一些學者提出了應用多因素共同作用來預測煤層底板突水的方法，如朱宗奎應用GIS多源信息融合技術構建的煤層底板突水危險性評價的無綱量信息融合模型，張文泉應用灰色關聯(lián)度分析理論來預測底板破壞深度，董東林應用BN和GIS相結合的方法建立起煤層底板突水危險性評價模型等，但是上述方法還是存在一定的局限性。應用遺傳算法優(yōu)化PCA主成分分析和BP神經(jīng)網(wǎng)絡相結合的方法，提出PCA-BP煤層底板突水預測模型，這種方法可以減少輸出變量的相關性，解決了傳統(tǒng)的BP神經(jīng)網(wǎng)絡易陷入局部最優(yōu)解的問題，優(yōu)化了閾值和權值，可以提高預測煤層底板突水的準確性。

1 理論基礎與方法簡介

1.1 PCA主成分分析

PCA主成分分析(Principal Component Analysis)通常是在研究涉及較多變量且變量之間的相關性問題時，去除其中含有重疊信息的變量，將較多的原始變量轉化為較少的幾個綜合指標，使復雜問題簡單化，抓住研究問題的主要矛盾，從而提高研究分析問題的效率。其中N為樣本數(shù)量，P為指標變量維數(shù)。

PCA主成分分析的計算步驟：

(2) 對標準化矩陣Xij求相關系數(shù)矩陣R=rijxp=XTX/(n-1)。

(3) 求相關系數(shù)矩陣R的特征值λj和特征向量αj。

1.2 BP神經(jīng)網(wǎng)絡理論原理

BP神經(jīng)網(wǎng)絡(Back Propagation)是一種多層前饋網(wǎng)絡，一般由輸入層、中間層和輸出層三層神經(jīng)元組成，在信息的傳遞階段中，既有信息的正向傳遞又有誤差的反向傳遞。在信號的正向傳遞階段中，輸入層接收輸入信息，傳遞給中間層各神經(jīng)元，逐層處理后傳遞給輸出層，當實際輸出與期望有偏差時，進出誤差的反向傳遞階段，誤差通過輸出層，按誤差梯度下降的方式修正各層權值，向中間層、輸入層逐層反傳，一直進行到網(wǎng)絡輸出的誤差減少到可以接受的程度。

1.3 PCA-BP神經(jīng)網(wǎng)絡原理及其步驟

(1) 對原始的數(shù)據(jù)構建樣矩陣，進行樣本數(shù)據(jù)主成分分析，并對其進行標準化處理。求出樣本數(shù)據(jù)的相關系數(shù)矩陣，計算出其特征值和特征向量，選出貢獻率大于85%的前幾位特征值對應的特征向量，并計算出其主成分的分值。

(2) 通過網(wǎng)絡訓練，構建模型。用上面的主成分分值作為學習樣本，輸入BP神經(jīng)網(wǎng)絡進行訓練。

(3) 按照前兩步方法，收集煤層底板突水樣本參數(shù)數(shù)據(jù)，并對其進行主成分分析，將其得分輸入到已經(jīng)建立好的網(wǎng)絡模型中，按照已有的學習經(jīng)驗對樣本進行辨識。

2 煤層底板突水影響因素分析

2.1 影響因素的確定

煤層底板突水受到多方面的影響，為了提高模型預測突水的準確性，使其具有全面性和可靠性，從地質(zhì)構造、水文地質(zhì)條件、含水層和隔水層特征等方面來選取數(shù)據(jù)參數(shù)，其中地質(zhì)構造在煤層底板突水中占主要的控制因素，工程采動和斷裂構造不僅破壞了底板的完整性，而且破壞了巖石的強度，降低了底板巖體抗外界影響的強度，削弱了隔水層抗變形能力，斷裂帶附近和交叉處附近一般都是底板突水多發(fā)的地帶，并且斷裂的構造活動影響著突水的強度和次數(shù)。 礦山壓力是底板突水的觸發(fā)與誘導因素，在其中起到橋梁連接的作用。水文地質(zhì)條件通過底板含水層的富水性和水壓大小來體現(xiàn)，水量和水壓是底板突水的力學條件，決定著底板突水規(guī)模的大小，底板含水層的富水性和水壓是底板突水的物質(zhì)基礎和前提條件，決定突水量的大小和速度。而底板隔水層對底板突水起抑制作用，隔水層的厚度決定著底板隔水能力的大小。在特定的水文地質(zhì)條件下，開采礦壓和地質(zhì)構造對底板突水起關鍵的作用。

從實際情況統(tǒng)計來看，底板突水的成因主要有4個方面[3-6]：

(1) 高水壓是引發(fā)突水的重要條件。位于煤層底板的含水層，采掘工作面一般不能直接揭露，中間一般有不透水或弱透水巖層。當水壓很大時，對裂隙產(chǎn)生楔劈作用，逐漸形成強滲通道，裂隙全部充水，形成突水。

(2) 構造面及其物理狀態(tài)對透水起決定作用。構造面(斷層、裂隙、褶皺面等)是煤層底板的主要通道，即“透水必有隙，有隙不一定透水”。

(3) 工程采動對地板造成了破壞。

(4) 隔水層底板巖層厚度對透水也產(chǎn)生制約作用，隔水底板由于向下的自身重力作用和阻抗能力，對承壓水起壓蓋作用，隔水層越厚，阻力越大，反之越小。

2.2 突水原始數(shù)據(jù)的收集

通過查閱底板突水危險性的有關資料，基于施龍青的基于PCA_Fuzzy_PSO_SVC的底板突水危險性評價和李建林的脆弱性指數(shù)法在煤層底板突水預測中的應用與建議文獻提供的資料，收集到的底板突水的相關原始數(shù)據(jù)[1-2]，得到各影響因素的原始數(shù)據(jù)見表1。

表1 影響煤層底板透水的各種因素原始數(shù)據(jù)

2.3 突水原始數(shù)據(jù)的標準化處理

因為原始數(shù)據(jù)綱量和數(shù)量級各不相同，數(shù)值過大和過小都會對預測的結果產(chǎn)生較大的影響，因此首先要對數(shù)據(jù)進行標準化處理，應用SPSS 24對原始數(shù)據(jù)進行標準化處理結果見表2。

表2 影響煤層底板透水的各種因素數(shù)據(jù)標準化處理結果

2.4 突水影響因素的主成分分析

利用SPSS 24軟件對標準處理后的數(shù)據(jù)進行處理，求出特征向量、方差貢獻率以及累積貢獻率，并對其提取主成分PCA分析，對數(shù)據(jù)進行降維處理，提取了4個主成分評價因素，結果見表3。第一主成分的特征值為2.986，占其方差貢獻率的42.652%，其主要作用，所提取主成分的累積貢獻率為87.466%，原來的7個影響因素指標簡化為現(xiàn)在的4個影響因素指標。

表3 主成分分析結果

2.5 主成分因子分析荷載矩陣

根據(jù)主成分分析的原理，利用SPSS24求出主成分因子分析荷載矩陣見表4。根據(jù)表4給出的PCA矩陣模型，寫出出評價指標釆高Y1、含水層水壓Y2、隔水層厚度Y3、底板采動破壞深度Y4與原始變量指標：釆高X1、含水層水壓X2、隔水層等效厚度X3、底板采動破壞深度X4、斷層規(guī)模指數(shù)X5、煤層傾角X6、斷層距離工作面距離X7之間的線性關系為： Y1=0.569X1+0.662X2+0.747X3+0.835X4+0.871X5-0.406X6+0.213X7Y2=-0.391X1+0.469X2+0.255X3-0.076X4+0.254X5+0.779X6-0.563X7

Y3=-0.601X1-0.158X2+0.331X3+0.287X4-0.103X5+0.222X6+0.658X7

Y4=0.023X1+0.494X2-0.211X3-0.318X4+0.010X5+0.124X6+0.477X7

表4 主成分因子分析載荷矩陣結果

3 基于PCA-BP的神經(jīng)網(wǎng)絡預測模型

根據(jù)收集的相關資料得到表5，表5中樣本編號21～25作為檢驗樣本，運用本方法進行工程實際驗證，檢驗樣本結果見表5。

4 結論

(1) 為了提高底板突水的精確性，運用主成分分析降維的方法，對影響底板突水的影響因素變量進行了分析，得出釆高、含水層水壓、隔水層厚度、底板采動破壞深度四個相關性較高的變量。

(2) 工程實踐結果說明，建立的PCA-BP的神經(jīng)網(wǎng)絡預測模型的預測結果和實際情況相符合。

[1] 施龍青,譚希鵬,王娟，等. 基于PCA_Fuzzy_PSO_SVC的底板突水危險性評價[J]. 煤炭學報,2015,40(01):167-171.

[2] 李建林,張洪云,王心義，等. 脆弱性指數(shù)法在煤層底板突水預測中的應用與建議[J]. 煤炭學報,2014,39(04):725-730.

[3] 許延春,李見波. 注漿加固工作面底板突水“孔隙-裂隙升降型”力學模型[J]. 中國礦業(yè)大學學報,2014,43(01):49-55.

[4] 武強,李博,劉守強，等. 基于分區(qū)變權模型的煤層底板突水脆弱性評價—以開灤蔚州典型礦區(qū)為例[J]. 煤炭學報,2013,38(09)：1516-1521.

[5] 武強,張波,趙文德，等. 煤層底板突水評價的新型實用方法Ⅴ:基于GIS的ANN型、證據(jù)權型、Logistic回歸型脆弱性指數(shù)法的比較[J]. 煤炭學報,2013,38(01):21-26.

[6] 韓進,施龍青,翟培合，等. 多屬性決策及D-S證據(jù)理論在底板突水決策中的應用[J]. 巖石力學與工程學報,2009,28(S2)：3727-3732.

ResearchandPreventionandControlofCoalSeamFloorWater-irruptionPredictionBasedonPCAandBP

WANG Ru-Meng1,2，WANG Shao-Qiang1,2

(1.SchoolofMiningandSaftyEngineering，ShandongUniversityofScienceandTechnology，Qingdao, 266590，China；2.KeyLaboratoryofMineHazardPreventionandControl,MinistryofEducation,ShandongUniversityofScienceandTechnology，Qingdao, 266590，China)

In order to improve the efficiency and accuracy of the water permeation prediction of coal seam floor, the principal component analysis (PCA) is combined with the neural network (BP) to predict the permeability of coal seam floor. According to the collected influence factors and related data of the coal seam floor. By collecting different data of mine permeability, considering various factors that affect coal floor waterirruption, using principal component analysis (PCA) method to extract the main component of influencing factors, PCA - BP coal floor water prediction model is established. The results show that the prediction model conforms to the actual situation.

PCA-BP; floor water irruption; principal component analysis; neural networks; influencing factors; engineering practice

2017-05-18

王如猛(1990-)，男，山東濱州人，山東科技大學在讀碩士研究生，研究方向：礦山災害與防治。E-mail:1547197072@qq.com

TD745

A

1672-7169(2017)04-0029-05