程 波 顏文學 楊 亮 何顯能

(1.瓦斯災害監(jiān)控與應急技術國家重點實驗室，重慶市沙坪壩區(qū)，400037；2.中煤科工集團重慶研究院有限公司，重慶市沙坪壩區(qū)，400037)

煤礦瓦斯涌出量預測是礦井編制瓦斯災害治理規(guī)劃的基礎，不僅決定了井下瓦斯抽采鉆孔施工與管道敷設的工程量，同時與地面泵站的建設規(guī)模息息相關。在制定煤礦通風方案時，瓦斯涌出量預測結果亦是其中的重要依據。目前，我國煤炭行業(yè)普遍采用《礦井瓦斯涌出量預測方法》(AQ1018-2006)中推薦的礦山統(tǒng)計法與分源預測法實施瓦斯涌出量的預測分析。但由于我國煤層瓦斯賦存與煤炭開采條件大相徑庭，造成現有瓦斯涌出量預測方法在工程應用中存在不完善的問題，該方法的發(fā)展需要突破許多的理論、技術瓶頸。

鑒于此，本文首先分析了煤礦瓦斯涌出量的主要因素，重點介紹了當前我國煤炭行業(yè)普遍采用的《礦井瓦斯涌出量預測方法》(AQ1018-2006)在工程應用中存在的不足，并著重對近年來新興的基于煤層瓦斯流動理論、趨勢預測的涌出量預測方法理論進行了系統(tǒng)的梳理，對未來的發(fā)展方向與有待于進一步研究的問題進行了總結。

1 煤礦瓦斯涌出量主要影響因素

處于原巖應力狀態(tài)的煤體，瓦斯氣體以吸附與游離的形態(tài)賦存于煤體的孔隙、裂隙系統(tǒng)內，且處于一定的動態(tài)平衡狀態(tài)[1]。受煤礦井下采掘作業(yè)的影響，煤體內富集瓦斯的平衡狀態(tài)將破壞，致使瓦斯氣體自煤體內以滲流或擴散的形式進入采掘空間[2]。影響煤礦瓦斯涌出量的因素眾多，除煤層自身的瓦斯地質條件以外，還與采掘作業(yè)的強度密切相關。煤層自身的瓦斯地質條件包含煤層瓦斯含量、煤層透氣性系數、瓦斯擴散特性、煤層厚度、圍巖特征等。煤層瓦斯含量越高、煤層透氣系數較大時，表明煤體內瓦斯的富集程度越高，瓦斯運移的阻力越小，勢必其瓦斯涌出量越大。同時，在煤礦井下采掘作業(yè)過程中，由煤炭開采或者井下巷道掘進所引發(fā)的采動影響，將使得煤層的圍巖發(fā)生變形、破裂，從而導致鄰近層的瓦斯發(fā)生“越流”，并進入井下的采掘空間[1-2]。不同巖性的圍巖組合，其在煤炭開采或巷道掘進中將造成不同程度的卸壓瓦斯涌出。

同時，開采或掘進產生的煤炭，其內部賦存的瓦斯，將以擴散的形式進入到采掘空間內。因此，煤礦瓦斯涌出量還與礦井的煤炭開采能力、掘進工藝有關。

2 礦山統(tǒng)計法與分源預測法

礦山統(tǒng)計法與分源預測法是《礦井瓦斯涌出量預測方法》(AQ1018-2006)中列舉的兩種不同的瓦斯涌出量預測方法。礦山統(tǒng)計法是根據本礦井或者相鄰礦井在開采過程中的實際瓦斯涌出數據的分析，獲得瓦斯涌出量與礦井開采深度之間關聯(lián)的映射規(guī)律。分源預測法是依據煤礦井下采掘的時空條件，將瓦斯涌出量的來源進行科學劃分，進一步獲得礦井瓦斯涌出量的方法。筆者針對以上兩種瓦斯涌出量預測方法的特點及適用條件進行分析。

2.1 礦山統(tǒng)計法

礦山統(tǒng)計法的本質在于通過礦井或者相鄰礦井的瓦斯涌出數據分析，尋求瓦斯涌出量與礦井開采深度之間關聯(lián)映射規(guī)律的方法。該種方法的應用前提，首先假定了礦井的瓦斯涌出量與開采深度之間屬一一對應的映射函數關系，即：

(1)

式中：q——礦井相對瓦斯涌出量；

H——開采深度；

H0——瓦斯風化帶深度；

α——相對瓦斯涌出量隨開采深度的變化梯度。

但實際煤礦瓦斯的涌出是多種因素共同作用的結果，單純將瓦斯涌出量與開采深度相聯(lián)系，不能真實客觀地反映煤礦瓦斯涌出量隨煤炭開采的演化特征。因此，礦山統(tǒng)計法在實際中的適用范圍受到一定的限制，目前行業(yè)相關技術人員大多采用《礦井瓦斯涌出量預測方法》(AQ1018-2006)推薦的分源預測法。

2.2 分源預測法

分源預測法與礦山統(tǒng)計法相比，較好地闡釋了煤礦瓦斯涌出量與各主要影響因素之間的關聯(lián)。該方法在我國煤礦瓦斯災害治理與通風管理中發(fā)揮了重要作用。但我國諸多高瓦斯或煤與瓦斯突出礦井的煤層瓦斯地質與采掘作業(yè)方式差別很大[2]，致使在應用分源預測法的過程中，仍然存在與現場工程實際不適用的情況[4-5]。例如：針對開采煤層的瓦斯涌出，分源預測法中列舉了薄及中厚煤層不分層開采與厚煤層分層開采兩種情況，但實際我國已有諸多的厚-特厚高瓦斯煤層采用放頂煤回采的工藝，并且《礦井瓦斯涌出量預測方法》(AQ1018-2006)中僅列舉了厚煤層分層數小于或者等于4層煤開采的涌出量預測方法，但目前我國國家能源投資集團新疆能源公司烏東礦區(qū)屬急傾斜特厚煤層多分層開采條件，其分層數目大于4層煤[6]，該類礦井在采用分源預測法時，存在選擇空白的難題。

此外，對于煤的殘余瓦斯含量Wc的取值，筆者認為《礦井瓦斯涌出量預測方法》(AQ1018-2006)中對其數值的選定尚需進一步商榷?！兜V井瓦斯涌出量預測方法》(AQ1018-2006)附錄C中，將煤的殘余瓦斯含量Wc的取值選定分為高變質煤瓦斯含量大于10 m3/(t·r)與小于10 m3/(t·r)兩種情況。筆者認為：煤的殘余瓦斯含量實際為煤炭在運出礦井后，其內部所殘余的瓦斯含量，該數值與煤炭的塊度、運輸時間有關?，F場的諸多實踐表明：在應用《礦井瓦斯涌出量預測方法》(AQ1018-2006)中列舉的殘余瓦斯含量計算公式進行計算時，時常發(fā)生計算值近乎于0的情況，這勢必與實際不符。現場諸多技術人員在面臨該問題時，實際大多將瓦斯含量計算方程中的瓦斯壓力數值設定為0.1 MPa，進而將計算的結果認定為煤的殘余瓦斯含量。因此，筆者建議在煤的殘余瓦斯含量取值方法時應建立統(tǒng)一的標準，便于現場作業(yè)的科學管理。

另外，針對巷道掘進過程落煤的瓦斯涌出量預測，《礦井瓦斯涌出量預測方法》(AQ1018-2006)采用：

q4=S·v·γ·(W0-Wc)

(2)

式中：q4——煤巷掘進落煤的瓦斯涌出量；

S——掘進巷道的斷面積；

v——巷道的平均掘進速度；

γ——煤的密度。

單從式(2)所闡釋的物理意義來分析，《礦井瓦斯涌出量預測方法》(AQ1018-2006)實際將掘進作業(yè)產生的落煤在煤礦井下采掘空間內逸散的瓦斯量，認定為落煤瓦斯涌出量。在煤巷掘進作業(yè)時，應用式(2)計算的數值可很好地反映落煤瓦斯的涌出特征；但在半煤巖巷道掘進過程中，應用式(2)計算落煤瓦斯涌出量時，若采用掘進巷道的斷面積，則與其初衷的物理意義不符。筆者認為應將式(2)中引用的S定義為“掘進巷道見煤的斷面面積”更為合理。

3 基于煤層瓦斯流動理論與瓦斯地質方法的涌出量預測方法

在描述煤巷掘進過程中瓦斯涌出規(guī)律的數學物理模型中，應用最廣泛的是線性滲流模型[7-9]。此外，研究人員還提出了其他模型，比如多物理場耦合作用模型、非線性滲流模型等[2]，其核心是以瓦斯在煤體內的流動特征為基礎。但由于以該類模型構建煤巷掘進過程中瓦斯涌出規(guī)律的數學物理方程解算過程極其復雜，因而在實際應用中較少采用。所以本文主要介紹線性滲流模型。線性滲流模型認為，在煤層瓦斯流動的過程中，瓦斯流動速度與瓦斯壓力梯度之間服從線性函數的關系。我國學者以此為基礎，將煤巷掘進過程煤壁的瓦斯涌出定義為無限長邊界的非穩(wěn)定流動，推導了相應的煤層瓦斯壓力分布的分析解[7-8]，進一步獲得了相應條件下煤層瓦斯的涌出量。但文獻[7-8]中建立的煤巷掘進瓦斯涌出方程是以某一特定空間為基礎，未涉及煤巷掘進速度對瓦斯涌出特征的影響。文獻[9]則考慮了煤巷掘進速度對煤巷掘進瓦斯涌出量的影響，采用積分的方法建立了掘進巷道瓦斯涌出連續(xù)預測模型。但煤巷掘進過程中瓦斯的涌出實際是多因素綜合作用的結果，隨著煤巷掘進作業(yè)的進行，暴露于大氣內的煤壁面積不斷增大，瓦斯不斷進入采掘空間，因而煤體內的瓦斯含量不斷降低，煤體的滲透特性隨之發(fā)生變化[2]。但上述掘進巷道瓦斯涌出預測模型均未考慮煤體滲透特性變化的影響。

雖然基于線性滲流的煤巷瓦斯涌出量預測模型未充分考慮各因素對煤巷掘進瓦斯涌出特征的影響，但是它能夠對煤層厚度、瓦斯含量等因素與瓦斯涌出量之間的關聯(lián)提供較好的解釋。另外一些研究人員以煤礦瓦斯地質理論為基礎，通過篩選影響瓦斯涌出量變化的主要地質因素，綜合考慮包括開采深度在內的多種影響因素，利用數量化理論，建立預測瓦斯涌出量的多因素數學地質模型[10]，并在淮南礦區(qū)取得了較好的應用效果。瓦斯含量及涌出量預測數學地質模型的建立首先依賴于大量煤礦井下實測瓦斯含量數據與地質因素關聯(lián)的分析，而后通過數據的對比，剔除相關性差的地質因素。

筆者認為：該種方法需獲取大量的井下實測數據作為基礎，若基礎數據較少，則該數學地質模型無法精準反映瓦斯含量或瓦斯涌出量與各地質主控因素之間的關系。且瓦斯涌出量的大小除了與地質主控因素相關以外，還與煤炭的開采強度或煤巷掘進作業(yè)的效率相關，但數學地質模型尚未考慮開采或掘進因素的影響。

4 基于數據分析的涌出量預測方法

由于煤礦井下瓦斯涌出的物理過程非常復雜，至今都很難用數學物理學方法對這個過程進行精準建模。以下筆者將介紹一種不過分依賴物理方法的模型——基于數據分析的涌出量預測模型[11-18]。

煤礦瓦斯?jié)舛缺O(jiān)控技術的快速發(fā)展，積累了大量高質量的瓦斯涌出量數據，為基于數據分析的瓦斯涌出量預測提供了有效訓練的可能?；跀祿治龅耐咚褂砍隽款A測模型的核心是構建各自變量與瓦斯涌出量之間關聯(lián)的數學函數。前面描述的基于煤層瓦斯流動理論的涌出量預測方法就是通過數學物理方法推導出瓦斯涌出量的表達形式，而基于數據分析的預測方法則是利用數據學習模型結合基于大規(guī)模數據的訓練，以代替數學物理方法得到的有效預測模型。很多研究人員嘗試使用數據學習方法來解決瓦斯涌出量預測問題[11-18]。基于數據分析的預測方法目前可分為兩大類：一是為逐步回歸分析預測方法，比如瓦斯涌出量預測多元回歸模型、BP神經網絡分源預測模型、基于ACC-ENN算法的煤礦瓦斯涌出量動態(tài)預測模型等[11-13]；二是為基于深度學習的預測方法，包括固有模態(tài)SVM、基于LMD-SVM 的瓦斯涌出量預測模型等[14-18]。本文主要介紹這兩大類的瓦斯涌出量預測方法。

4.1 逐步回歸分析預測方法

文獻[11]首先分析了影響工作面瓦斯涌出量的各主要地質因素、工程因素對其數值的影響，并甄選了煤層瓦斯含量、煤層透氣性系數和回采效率3個指標作為自變量，并應用多元回歸預測理論，建立了相應的計算模型。文獻[12]利用人工神經網絡分別預測開采煤層、鄰近煤層、采空區(qū)3種來源的瓦斯涌出量，其中在考慮如何量化層間巖性時，采用了圍巖硬度加權平均值作為輸入值。該方法屬于改進型的人工神經網絡預測方法。文獻[13]將蟻群聚類算法和神經網絡結合起來，充分利用蟻群聚類算法得到神經網絡的最優(yōu)權值和閾值。該方法應用蟻群聚類算法彌補了神經網絡學習速度慢、精度低的缺陷，具有更快的收斂速度和更高的預測精度。

以上預測方法的提出代替了基于數學物理方法構建的預測模型[11-13]，文獻[11-13]對影響瓦斯涌出量的因素進行了分類，使得該類模型更容易學習到一類數據中的規(guī)律，也是上述模型能夠提升精確度的關鍵。與此同時，這也給瓦斯涌出量的準確預測帶來了一定的復雜性。例如在上述模型進行訓練時[11-13]，每個模型均獲取大量可用的數據樣本，但是某些地質條件復雜的礦井卻無法獲得大量數據，在一定程度上限制了模型的擴展性。

4.2 基于深度學習的預測方法

基于逐步回歸分析預測方法取得了一定的成效，但隨著數學理論的發(fā)展，研究人員也將灰色系統(tǒng)理論應用到煤礦瓦斯涌出量預測問題上[14-18]。相比逐步回歸分析預測方法，基于深度學習的預測方法近年來被證明可以不用人為設計特征只需要大量數據，即可使得模型在數據中學習到所需要的參數和特征[14-18]。文獻[14-16]基于大量的瓦斯涌出量的樣本數據，通過分解得出其固有模態(tài)函數，而后每個固有模態(tài)分別利用SVM函數擬合方法進行外推預測，最終將不同固有模態(tài)的預測結果進行疊加重構合成，借以獲得瓦斯涌出量的預測結果。文獻[17]首先建立了改進的GM (1，1)模型，而后將其與馬爾柯夫模型相結合，構建了改進的灰色馬爾柯夫模型。文獻[18]將灰色預測與分源預測相結合，用灰色理論對回采工作面的相對瓦斯涌出量和掘進工作面的絕對瓦斯涌出量作長期預測，再將預測結果代入分源預測計算公式中，對礦井相對瓦斯涌出量進行預測。由于以上模型不依賴任何前提假設[14-18]，所以該類模型在瓦斯涌出量預測問題上具有很好的可擴展性。

研究人員將深度學習應用到瓦斯涌出量預測的問題上并取得很好的效果，展現了深度學習在該問題上應用的潛力[14-18]。但是基于深度學習的數學模型獲得的計算結果缺乏可解釋性，導致無法直接將數據分析得到的規(guī)律轉化成煤體內瓦斯涌出過程的物理規(guī)律。

5 結語

煤礦瓦斯涌出量的預測方法研究一直在發(fā)展，還有很多可以提升的空間。究其原因是由于煤礦井下瓦斯涌出的規(guī)律太過復雜，暫時無法完全了解并建模其中的規(guī)律?；诿簩油咚沽鲃永碚摗祵W地質模型和基于數據分析的預測方法對于煤礦瓦斯涌出量的預測各有長短：基于煤層瓦斯流動理論的預測方法注重于煤礦井下回采或掘進工作面瓦斯?jié)B透規(guī)律的探索與研究，但由于無法精細描述煤體內的瓦斯運移過程，所以模型需要一些前提假設的輔助；基于數學地質模型的預測方法立足于理清瓦斯含量與各地質主控因素之間的關聯(lián)，并進一步以此為基礎，尋求瓦斯涌出量與地質條件之間的映射規(guī)律；基于數據分析的預測方法更加注重瓦斯涌出量預測結果的準確性，它的主要目標是從已有的歷史數據中學習如何更準確地預測未知的瓦斯涌出量。

隨著技術的發(fā)展，尤其是人工智能學習技術的發(fā)展，以及大量煤礦井下瓦斯涌出量數據的積累，基于數據分析的計算結果準確性有較大提高。遺憾的是基于數據分析的預測結果缺乏可解釋性，導致無法直接將數據分析得到的規(guī)律轉化成煤體內瓦斯涌出過程的物理規(guī)律。所以，有機結合基于煤層瓦斯流動理論、瓦斯地質與數據分析的方法，將是未來的一個重要研究方向。