仲曉星， 王建濤， 周昆

(1.中國礦業(yè)大學(xué) 煤礦瓦斯與火災(zāi)防治教育部重點(diǎn)實(shí)驗(yàn)室， 江蘇 徐州 221116；2.中國礦業(yè)大學(xué) 安全工程學(xué)院， 江蘇 徐州 221116)

0 引言

煤炭是我國的主體能源，對國民經(jīng)濟(jì)發(fā)展具有不可替代的作用[1-2]。煤自燃是煤炭開采過程中面臨的主要災(zāi)害之一，不僅會燒毀大量煤炭資源，造成巨大經(jīng)濟(jì)損失，而且會產(chǎn)生大量有毒有害氣體，嚴(yán)重威脅煤炭開采作業(yè)人員的生命安全[3]。煤炭開采過程中，煤自燃特征參數(shù)快速準(zhǔn)確監(jiān)測、危險程度及時預(yù)警對于煤自燃防治極其重要。

近年來，隨著我國煤自燃監(jiān)測預(yù)警等防滅火技術(shù)不斷發(fā)展，礦井煤自燃災(zāi)害在一定程度上得到了控制，但煤炭開采技術(shù)和工藝的進(jìn)步也對煤自燃防治提出了新的要求[4]。2020年2月，國家八部委聯(lián)合印發(fā)的《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》提出，到2025年大型煤礦和災(zāi)害嚴(yán)重煤礦基本實(shí)現(xiàn)智能化，到2035年各類煤礦基本實(shí)現(xiàn)智能化[5]。2021年，國家能源局、國家礦山安全監(jiān)察局制定了《煤礦智能化建設(shè)指南(2021年版)》，明確提出建設(shè)煤礦智能火災(zāi)監(jiān)控系統(tǒng)的要求[6]?？梢姡鹤匀挤乐握爸悄鼙O(jiān)測、精準(zhǔn)預(yù)警、科學(xué)防治”的方向發(fā)展[7-8]。

為促進(jìn)礦井煤自燃監(jiān)測預(yù)警技術(shù)進(jìn)一步發(fā)展，加快提升煤自燃監(jiān)測預(yù)警能力，推動構(gòu)建煤自燃智能化監(jiān)測預(yù)警體系，實(shí)現(xiàn)煤自燃信息動態(tài)感知與智能預(yù)警，本文綜述了煤自燃前兆信息監(jiān)測技術(shù)和預(yù)測預(yù)報方法的研究與應(yīng)用現(xiàn)狀，分析了現(xiàn)有技術(shù)方法原理及存在的問題，并對其發(fā)展趨勢進(jìn)行了展望，以期為后續(xù)相關(guān)研究提供借鑒與參考。

1 煤自燃前兆信息監(jiān)測技術(shù)研究現(xiàn)狀

1.1 溫度信息監(jiān)測技術(shù)

溫度是反映煤自燃危險程度最為直觀的前兆信息。目前，常用的測溫方法主要有壁面紅外測溫法(紅外測溫儀、紅外熱像儀)[9]和傳感器預(yù)埋測溫法(熱電偶、半導(dǎo)體、分布式光纖)[10]。壁面紅外測溫法是指在無障礙物遮擋條件下利用紅外測溫儀或紅外熱像儀直接讀取煤巖體溫度，適用于監(jiān)測井巷壁面等外露煤體的溫度；傳感器預(yù)埋測溫法是指因被測煤體難以直接接觸而預(yù)先將測溫傳感器布設(shè)于待測煤巖體附近以備后續(xù)溫度監(jiān)測，適用于監(jiān)測采空區(qū)等隱蔽區(qū)域內(nèi)部的溫度。

分布式光纖測溫系統(tǒng)(Distributed Temperature Sensing，DTS)具有測點(diǎn)分布廣、傳輸距離長、信息容量多、測定精度大、穩(wěn)定可靠性高，以及抗腐蝕、耐高壓、抗電磁干擾等優(yōu)點(diǎn)，逐漸成為煤自燃溫度監(jiān)測優(yōu)先發(fā)展的技術(shù)[11]。煤礦常用的DTS包括激光器、波分復(fù)用器、傳感光纖、探測器、采集卡和數(shù)據(jù)處理系統(tǒng)[12]。DTS依據(jù)光時域反射原理和拉曼散射效應(yīng)對溫度的敏感性實(shí)現(xiàn)溫度監(jiān)測，其基本原理在于以激光器作為光源發(fā)射脈沖激光，經(jīng)波分復(fù)用器將載有不同信號的激光合成一束后進(jìn)入傳感光纖，于內(nèi)部傳輸過程中經(jīng)拉曼散射產(chǎn)生斯托克斯光和反斯托克斯光，二者再次經(jīng)波分復(fù)用器進(jìn)入探測器將光信號轉(zhuǎn)換為電信號，利用采集卡高速采集電信號并進(jìn)行累加平均，最后通過數(shù)據(jù)處理系統(tǒng)對其解調(diào)，進(jìn)而獲得溫度信息。實(shí)際應(yīng)用時，DTS的感溫光纜外包保護(hù)套裝，敷設(shè)于巷道和工作面，連接于井下分布式測溫分站(用于溫度信號解調(diào)、顯示與存儲)，最后通過礦用工業(yè)以太環(huán)網(wǎng)傳輸至地面監(jiān)測系統(tǒng)并進(jìn)行溫度數(shù)據(jù)的后續(xù)處理。為了更加全面地反映采空區(qū)(采用插值法等對采空區(qū)內(nèi)部溫度場進(jìn)行重構(gòu))等區(qū)域的溫度信息分布情況及其變化規(guī)律，感溫光纜一般呈沿線(兩巷)或“L”形進(jìn)行布設(shè)(圖1)，隨著工作面向前推進(jìn)，感溫光纜逐漸埋入采空區(qū)內(nèi)部。當(dāng)某個區(qū)域出現(xiàn)煤自燃危險，該處及其附近的溫度便會升高，據(jù)此建立煤自然發(fā)火趨勢圖，進(jìn)而判定危險狀態(tài)。

圖1 煤礦DTS布置Fig.1 DTS distribution in coal mines

1.2 指標(biāo)氣體測定技術(shù)

由于煤是熱的不良導(dǎo)體，憑借溫度難以充分反映如采空區(qū)等隱蔽空間區(qū)域的整體危險狀態(tài)。煤自燃消耗O2并釋放氣體產(chǎn)物,基于此，指標(biāo)氣體成為判定煤自燃危險狀態(tài)的另一關(guān)鍵前兆信息，主要包括CO，CO2，CH4，C2H6，C3H8，C2H4，C2H2，H2等[13]。煤礦企業(yè)主要采用氣相色譜法[14]和吸收光譜法[15]對煤自燃指標(biāo)氣體進(jìn)行定量檢測，其中氣相色譜儀作為束管監(jiān)測系統(tǒng)的核心終端已被煤礦企業(yè)廣泛使用[16]。外標(biāo)法是氣相色譜法普遍采用的定量標(biāo)定方法，其原理在于利用提前制備的特定濃度標(biāo)準(zhǔn)樣品生成工作曲線(樣品量或濃度對峰面積或峰高作圖)，要求在進(jìn)樣量等參數(shù)保持完全一致的條件下對采集的指標(biāo)氣體進(jìn)行檢測，至各組分出峰且完全分離后輸出指標(biāo)氣體定量測定結(jié)果。

吸收光譜法具有壽命長、選擇性好、靈敏度強(qiáng)和檢測精度高等優(yōu)點(diǎn)，是煤礦優(yōu)先發(fā)展的氣體測定技術(shù)[17]，其原理在于特定的氣體分子在紫外/可見光波長范圍(0.2～0.78 μm)發(fā)生電子躍遷、在近紅外波長范圍(0.78～2.5 μm)和中紅外波長范圍(2.5～14 μm)發(fā)生分子轉(zhuǎn)動和振動而表現(xiàn)出特定的吸收特性。部分煤自燃指標(biāo)氣體在近紅外波段的吸收譜線如圖2所示[18]?？衫梦展庾V法進(jìn)行氣體濃度測定，氣體對紅外輻射的吸收遵循Lambert-Beer定律[19]。吸收光譜法主要有使用寬帶光源的傅里葉變換紅外(Fourier Transform Infrared，F(xiàn)TIR)光譜和非分散紅外(Non-Dispersive Infrared，NDIR)光譜技術(shù)[20]，以及使用窄帶光源的紅外激光光譜檢測技術(shù)〔如可調(diào)諧半導(dǎo)體激光吸收光譜(Tunable Diode Laser Absorption Spectroscopy，TDLAS)技術(shù)〕[19]，其中以NDIR和TDLAS技術(shù)的發(fā)展應(yīng)用最為廣泛?；贜DIR技術(shù)的氣體傳感器主要部件有寬帶光源、測量氣室、紅外探測器及與之配套的窄帶濾波器[21]。該窄帶濾波器主要用來消除光束中所有不需要的波長[22]，只允許待測氣體的特征吸收波長到達(dá)探測器，從而檢測經(jīng)過氣體路徑長度之后的光強(qiáng)衰減[20]。與使用寬帶光源的NDIR技術(shù)相比，紅外激光光譜檢測技術(shù)采用單色性較高的紅外激光作為光源，因而具有更高的分辨率，不需要使用額外的分光器件，更易于實(shí)現(xiàn)小型化，同時高功率密度激光光源更便于實(shí)現(xiàn)長光程檢測[19]。在過去的許多年中，隨著近紅外激光技術(shù)的發(fā)展，基于近紅外激光光譜氣體檢測技術(shù)得到了長足發(fā)展，以TDLAS技術(shù)為甚，其主要利用可調(diào)諧半導(dǎo)體激光器的窄線寬和波長隨注入電流改變的特性，實(shí)現(xiàn)對氣體分子的單個或幾個因距離很近而難以分辨的吸收譜線進(jìn)行測量，能夠同時在線監(jiān)測CO，CO2，CH4，C2H6，C2H4，C2H2濃度，具有靈敏度強(qiáng)、分辨率高、檢測速度快等優(yōu)點(diǎn)，具有良好的應(yīng)用前景[17-18]。

圖2 部分煤自燃指標(biāo)氣體在近紅外波段的吸收譜線Fig.2 Absorption spectrum of partial index gases for coal spontaneous combustion in near infrared band

2 煤自燃預(yù)測預(yù)報方法研究現(xiàn)狀

2.1 基于指標(biāo)體系的預(yù)測預(yù)報方法

根據(jù)《煤礦安全規(guī)程》規(guī)定，開采容易自燃和自燃煤層時，必須開展自然發(fā)火監(jiān)測工作，建立自然發(fā)火監(jiān)測系統(tǒng)，確定煤層自然發(fā)火標(biāo)志氣體及臨界值，健全自然發(fā)火預(yù)測預(yù)報及管理制度。煤自燃過程中不同階段會產(chǎn)生不同的氣相產(chǎn)物，煤礦企業(yè)據(jù)此建立其適用的煤層自然發(fā)火預(yù)測預(yù)報指標(biāo)體系。根據(jù)氣體生成原因，可劃分為氧化氣體(CO，CO2)和熱解氣體(CH4，C2H6，C3H8，C2H4，C2H2等)。因其初現(xiàn)溫度和濃度與煤溫之間存在良好的對應(yīng)關(guān)系，故可根據(jù)各類氣體的識別狀態(tài)(濃度或變化趨勢)判定煤自燃危險狀況，即煤自燃標(biāo)志性氣體分析法。然而，利用單一指標(biāo)分析煤自燃危險狀態(tài)易受到漏風(fēng)稀釋、外來氣源干擾等因素影響，導(dǎo)致氣體檢測值(濃度或初現(xiàn)溫度)與所設(shè)定的閾值不符而出現(xiàn)漏報、誤報情況。隨著氣體檢測技術(shù)的發(fā)展，對煤自燃指標(biāo)氣體成分測定的速度和精度得以提升。為了克服單一指標(biāo)分析的不足，雙氣體或多氣體等復(fù)合指標(biāo)(即復(fù)合指標(biāo)預(yù)測預(yù)報方法[23]，見表1)不斷被提出并得到廣泛應(yīng)用，極大地豐富了煤自燃預(yù)測預(yù)報指標(biāo)體系，有力地推動了煤自燃危險程度判定方法進(jìn)步。余明高等[24]結(jié)合標(biāo)志氣體優(yōu)選原則，提出了立體瓦斯抽采條件下煤自燃預(yù)測預(yù)報標(biāo)志氣體的優(yōu)化選擇方法。史全林等[25]通過指標(biāo)氣體優(yōu)選實(shí)驗(yàn)確定了煤自燃早期預(yù)測預(yù)報氣體，并分析了指標(biāo)氣體隨工作面動態(tài)推進(jìn)過程中的變化規(guī)律。陳曉坤[26]將實(shí)驗(yàn)數(shù)據(jù)與現(xiàn)場觀測數(shù)據(jù)相結(jié)合，提出了基于指標(biāo)體系的煤自燃多源信息融合預(yù)警方法。王福生等[27]運(yùn)用灰色關(guān)聯(lián)法綜合分析各復(fù)合指標(biāo)與煤溫的關(guān)系，確定指標(biāo)預(yù)報優(yōu)先級，構(gòu)建了全礦井各煤層的煤自燃多參數(shù)預(yù)測預(yù)報指標(biāo)體系。費(fèi)金彪[28]、Zhang Duo等[29]對容易自燃煤層危險等級進(jìn)行劃分，以此為依據(jù)構(gòu)建了多指標(biāo)融合協(xié)同的煤自燃分級預(yù)警體系，并結(jié)合現(xiàn)場實(shí)際對其有效性進(jìn)行了量化分析。

表1 部分煤自燃預(yù)測預(yù)報氣體指標(biāo)Table 1 Partial gas indexes for forecasting coal spontaneous combustion

2.2 基于統(tǒng)計分析的預(yù)測預(yù)報方法

為了進(jìn)一步精細(xì)化判定煤自燃氧化程度，基于實(shí)驗(yàn)分析所得的氣體指標(biāo)與煤溫之間的非線性特征[40]，結(jié)合煤自燃氧化階段劃分[28,41-42]，學(xué)者們提出基于統(tǒng)計分析的煤自燃預(yù)測預(yù)報方法，即對氣體指標(biāo)與煤溫進(jìn)行一元或多元回歸分析等，構(gòu)建函數(shù)化或統(tǒng)計模型用以判定煤自燃狀態(tài)。仲曉星等[41]根據(jù)CO濃度隨煤溫的變化特征，提出了基于程序升溫條件下的煤自燃臨界溫度測試方法。沈云鴿等[43]分析不同自燃傾向性煤自燃氧化特性，得出了氧化時間隨煤溫的變化關(guān)系及氣體指標(biāo)隨煤溫的變化規(guī)律。周西華等[44]研究了不同氧濃度條件下O2和CO濃度及其變化速率隨煤溫的變化關(guān)系。朱紅青等[45]分析氣煤自燃標(biāo)志性氣體產(chǎn)生規(guī)律，研究了煤自燃特征參數(shù)在不同溫度范圍下的變化特征。Dong Xianwei等[46]研究不同變質(zhì)程度煤自燃升溫氧化過程中指標(biāo)氣體產(chǎn)生量隨煤溫的變化規(guī)律，確定了氣體濃度-煤溫的趨勢表征形式。基于氣體指標(biāo)隨煤溫的變化特征，學(xué)者們建立了基于統(tǒng)計分析的預(yù)測模型用以判定煤自燃程度。王福生等[47]基于程序升溫氧化實(shí)驗(yàn)，以CO濃度和烯烷比作為指標(biāo)，分別采用指數(shù)和線性擬合法建立了煤自燃各階段適用的溫度預(yù)測模型。朱令起等[48]優(yōu)選指數(shù)函數(shù)作為最佳擬合方法，提出了低溫條件下以CO2與CO濃度比值為指標(biāo)的煙煤自然發(fā)火預(yù)測模型的統(tǒng)一形式。Wang Junfeng等[49]分析煤自燃氧化過程中耗氧量與氣態(tài)產(chǎn)物釋放量的關(guān)系，建立了以耗氧速率與氣相產(chǎn)物釋放率比值為指標(biāo)的多元線性回歸煤自燃狀態(tài)評價模型。文虎等[50]根據(jù)煤自燃升溫氧化實(shí)驗(yàn)獲得的氣體變化規(guī)律，選取不同類型回歸模型構(gòu)建各指標(biāo)氣體與煤溫之間的回歸方程，依據(jù)回歸方程導(dǎo)數(shù)(即變化靈敏度)確定了煤自燃階段性指標(biāo)氣體。王磊等[51]以CO絕對發(fā)生量為指標(biāo)，引入平均殘差法對預(yù)測值進(jìn)行修正，構(gòu)建了煤自燃灰色馬爾科夫預(yù)測模型。

2.3 基于智能算法的預(yù)測預(yù)報方法

隨著計算機(jī)與信息科學(xué)技術(shù)的進(jìn)步，煤自燃預(yù)測預(yù)報方法正朝著智能化的方向發(fā)展。針對統(tǒng)計分析法受變量數(shù)目限制較大等問題，為進(jìn)一步提升煤自燃預(yù)警的準(zhǔn)確性、泛化性及求解效率，基于預(yù)測指標(biāo)與煤自燃程度之間的復(fù)雜非線性關(guān)系，從有限的煤自燃觀測數(shù)據(jù)中學(xué)習(xí)出具有一般性的規(guī)律(即預(yù)測模型)，進(jìn)而將其應(yīng)用到未觀測樣本上，學(xué)者們提出以多指標(biāo)為輸入、危險度為輸出，采用群智能算法、機(jī)器學(xué)習(xí)等進(jìn)行煤自燃預(yù)測預(yù)報。

楊忠超等[52]綜合分析煤炭開采過程中的影響因素，以其作為輸入變量，將煤層自然發(fā)火情況(無發(fā)火征兆、有征兆和發(fā)生自燃3個等級)作為輸出，提出一種基于反向傳播神經(jīng)網(wǎng)絡(luò)(Back Propagation Nerual Network,BPNN)的煤自燃預(yù)測預(yù)報方法。侯媛彬[53]以最小浮煤厚度作為煤自燃預(yù)警閾值，提出一種基于粗糙集神經(jīng)網(wǎng)絡(luò)(Rough Set Neural Network，RSNN)的煤自燃預(yù)測方法。王亞軍[54]引入時間序列模式，建立了適合于采空區(qū)煤自燃早期和中長期預(yù)測預(yù)報的BPNN模型和TD-BPNN模型。徐楊等[55]在采用自組織特征映射網(wǎng)(Self-Organizing Feature Map，SOFM)對采空區(qū)煤自然發(fā)火與否進(jìn)行識別的基礎(chǔ)上，建立了以抽放孔氣體和位置為指標(biāo)的煤自燃BPNN預(yù)測模型。周福寶等[56]提出了一種基于BPNN的煤礦火區(qū)啟封后復(fù)燃的多參數(shù)預(yù)測方法。為了克服BPNN易陷入局部最優(yōu)解、收斂慢等問題，靳玉萍[57]提出基于代數(shù)神經(jīng)網(wǎng)絡(luò)的煤自燃預(yù)測模型。隨著指標(biāo)氣體檢測精度和效率的提高，以氣體指標(biāo)作為輸入變量，學(xué)習(xí)向量量化(Learning Vector Quantization，LVQ)神經(jīng)網(wǎng)絡(luò)[58]、改進(jìn)粒子群小波神經(jīng)網(wǎng)絡(luò)[59]等逐漸得到應(yīng)用。

針對人工神經(jīng)網(wǎng)絡(luò)在樣本數(shù)據(jù)采集量少的情況下預(yù)測準(zhǔn)確性差且容易出現(xiàn)“過擬合”等問題，適合于小樣本學(xué)習(xí)的支持向量機(jī)〔Support Vector Machine, SVM，包括分類機(jī)(Support Vector Classification，SVC)[60]和回歸機(jī)(Support Vector Regression，SVR)[61]〕算法逐漸應(yīng)用于煤自燃預(yù)測預(yù)報。高原等[62]以氧濃度、推進(jìn)度、漏風(fēng)強(qiáng)度等參數(shù)為輸入指標(biāo)，將實(shí)際自燃情況劃分為極易自燃、易自燃和安全3個等級，采用SVC建立煤自燃預(yù)測模型對自然發(fā)火狀態(tài)進(jìn)行分類識別。為了提高SVM模型的預(yù)測準(zhǔn)確度，學(xué)者們采用優(yōu)化算法對SVM超參數(shù)進(jìn)行優(yōu)化。鄧軍等[63]以現(xiàn)場實(shí)測的氣體和溫度數(shù)據(jù)構(gòu)造樣本，采用粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法優(yōu)化SVR超參數(shù)，構(gòu)建煤自燃溫度的PSO-SVR預(yù)測模型，并對比分析了標(biāo)準(zhǔn)SVR模型、BPNN模型和多元線性回歸(Multiple Linear Regression，MLR)模型的性能，證明了優(yōu)化后SVR模型的有效性。此外，基于實(shí)驗(yàn)室測試樣本數(shù)據(jù)，超球體SVM[64]、相關(guān)向量機(jī)(Relevance Vector Machine,RVM)[65]及SVM相關(guān)改進(jìn)變體[66-67]等被用于煤自燃程度預(yù)測。針對煤自燃預(yù)測指標(biāo)維數(shù)大、樣本不平衡問題，主成分分析[68]、粗糙集[69-70]、過采樣算法[71]等被用于實(shí)現(xiàn)數(shù)據(jù)的維度約簡及樣本平衡。此外，為了進(jìn)一步提升模型預(yù)測性能，AdaBoost[72]、隨機(jī)森林[73-74]等集成學(xué)習(xí)方法逐漸應(yīng)用于煤自燃程度預(yù)測，并與其他算法進(jìn)行對比[75]，從模型泛化性、魯棒性和準(zhǔn)確性等方面證明了該方法的優(yōu)越性。

3 煤自燃監(jiān)測預(yù)警技術(shù)存在的問題

目前，我國礦井煤自燃監(jiān)測預(yù)警技術(shù)已取得長足發(fā)展，但仍存在諸多問題：

(1) 煤自燃前兆信息一體化監(jiān)測受井下環(huán)境干擾大。利用氣相色譜儀的傳統(tǒng)人工采樣檢測方法效率低且存在時間滯后性。井下束管采樣、地面色譜分析的束管監(jiān)測系統(tǒng)存在可靠性差、測試周期長、管路破漏難以尋源等問題?；谖展庾V的氣體檢測技術(shù)易受水蒸氣及煤塵顆粒的干擾，且受限于光源問題，目前基于該技術(shù)的檢測裝置代價高昂且大多集中在近紅外波段。此外，由于CH4濃度達(dá)到一定值時，其吸收譜帶會覆蓋其他煤自燃?xì)怏w的吸收譜帶，導(dǎo)致煤自燃多組分氣體檢測存在較大誤差。壁面紅外測溫法要求待測煤巖體無障礙物遮擋。熱電偶測溫法和半導(dǎo)體測溫法要求所使用的監(jiān)測傳感器須與被測煤巖體相點(diǎn)接觸，需設(shè)置的監(jiān)測點(diǎn)數(shù)量大，且由于煤的熱傳導(dǎo)能力差，致使該技術(shù)僅能探測設(shè)置點(diǎn)局部范圍的溫度情況，靈敏度較低，且傳感器經(jīng)常因放頂而遭到毀壞，維護(hù)困難。

(2) 預(yù)警指標(biāo)體系和模型構(gòu)建側(cè)重實(shí)驗(yàn)，難以與現(xiàn)場實(shí)際有效銜接。無論采用單一標(biāo)志性氣體還是復(fù)合指標(biāo)對煤自燃危險程度進(jìn)行預(yù)測預(yù)報，相應(yīng)建立的煤自燃預(yù)測預(yù)報指標(biāo)體系皆是通過在實(shí)驗(yàn)室開展小型煤自燃模擬實(shí)驗(yàn)獲得的預(yù)測指標(biāo)范圍與危險程度之間的對應(yīng)關(guān)系。然而，煤礦實(shí)際供風(fēng)條件、采空區(qū)漏風(fēng)狀況等具有復(fù)雜性，在實(shí)驗(yàn)室條件下難以對其進(jìn)行有效模擬，致使其衍生出來的煤自然發(fā)火特征難以與現(xiàn)場有效關(guān)聯(lián)。換言之，因現(xiàn)場預(yù)警閾值難以確定，在實(shí)際應(yīng)用時，即使指標(biāo)值滿足指標(biāo)體系所圈定的范圍，由于采空區(qū)內(nèi)部的不可接觸性，使得實(shí)際危險狀態(tài)仍不能被切實(shí)準(zhǔn)確判定。此外，基于實(shí)驗(yàn)所得數(shù)據(jù)，采用統(tǒng)計分析和智能算法所建立的煤自燃程度預(yù)測模型同樣與現(xiàn)場實(shí)際有很大偏差。

(3) 煤自然發(fā)火有效樣本少，預(yù)測時效缺乏超前性。在信息方面：煤炭開采過程中多為不發(fā)火狀態(tài)，使得以現(xiàn)場監(jiān)測方式得到的預(yù)測模型訓(xùn)練樣本多為安全狀態(tài)樣本，發(fā)火和未發(fā)火樣本數(shù)據(jù)量極不平衡，導(dǎo)致所建立的預(yù)測模型無法有效學(xué)習(xí)煤自然發(fā)火規(guī)律。此外，采空區(qū)的隱蔽性特征致使無法準(zhǔn)確標(biāo)記采空區(qū)內(nèi)部煤自燃危險程度。在狀態(tài)方面：目前多以靜態(tài)采空區(qū)作為研究對象，所使用的煤自燃預(yù)測模型訓(xùn)練樣本均屬靜態(tài)，所建立的預(yù)測模型難以適用于煤礦動態(tài)開采所監(jiān)測的時序性數(shù)據(jù)。在時效方面：利用智能算法建立的基于靜態(tài)歷史樣本的預(yù)測模型僅能夠根據(jù)當(dāng)前的煤炭開采情況判定當(dāng)前的煤自燃危險程度(即時預(yù)報)，缺乏超前預(yù)警性能，且無法實(shí)現(xiàn)煤自燃風(fēng)險態(tài)勢研判。

4 煤自燃監(jiān)測預(yù)警智能化發(fā)展趨勢及研究展望

隨著傳感、網(wǎng)絡(luò)通信、人工智能等計算機(jī)與信息科學(xué)技術(shù)水平的日益提升，科學(xué)研究正朝著高智能化方向快速發(fā)展，為煤自燃動態(tài)感知與智能預(yù)警技術(shù)研發(fā)提供了良好的技術(shù)支撐。由于煤礦井下構(gòu)造環(huán)境復(fù)雜，致使現(xiàn)場煤自燃有效參數(shù)難于收集，多源信息變化規(guī)律尚不明確，實(shí)驗(yàn)所得指標(biāo)體系和預(yù)測模型難于現(xiàn)場實(shí)際應(yīng)用，煤自燃智能化監(jiān)測預(yù)警技術(shù)亟待提升。為此，提出以下研究展望：

(1) 建立煤自燃超前預(yù)警與即時預(yù)報聯(lián)合預(yù)測模式。建立工作面推進(jìn)下采空區(qū)及封閉區(qū)域煤自燃預(yù)測模型的訓(xùn)練樣本不斷變化、實(shí)時更新，利用智能算法學(xué)習(xí)基于時間序列的動態(tài)樣本是實(shí)現(xiàn)超前預(yù)警的關(guān)鍵基礎(chǔ)；同時，以往采空區(qū)煤自燃靜態(tài)預(yù)測模型采用的指標(biāo)缺乏時序銜接性，不適用于動態(tài)預(yù)警，確定含時序性的有效預(yù)警指標(biāo)是超前預(yù)警樣本數(shù)據(jù)采集的重要載體，同時也可作為及時調(diào)整開采參數(shù)的指導(dǎo)參考；在實(shí)驗(yàn)分析基礎(chǔ)上，構(gòu)建以工程應(yīng)用為導(dǎo)向的煤自燃危險程度精細(xì)化判定準(zhǔn)則是樣本標(biāo)記的主要依據(jù)；基于含時序性指標(biāo)和樣本數(shù)據(jù)優(yōu)選最適合的機(jī)器學(xué)習(xí)算法是提升預(yù)測準(zhǔn)確性的重要依托。設(shè)計適用于煤自燃危險程度超前預(yù)警的時序性新型深度神經(jīng)網(wǎng)絡(luò)架構(gòu)、學(xué)習(xí)方法與性能評估方法，有監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)方法相結(jié)合，建立煤自燃危險程度超前預(yù)警與態(tài)勢研判機(jī)制，形成煤自燃危險態(tài)勢超前預(yù)警(動)與發(fā)火程度即時預(yù)報(靜)聯(lián)合預(yù)測模式。

(2) 發(fā)展機(jī)理建模與機(jī)器學(xué)習(xí)相結(jié)合的多源信息融合分析方法。針對礦井煤自燃預(yù)測中出現(xiàn)的小樣本、不平衡、多維數(shù)、異構(gòu)等數(shù)據(jù)特征，采用數(shù)值模擬技術(shù)確定監(jiān)測點(diǎn)最佳布設(shè)方案，構(gòu)造工作面動態(tài)推進(jìn)全過程的全因素、多場景、高仿真煤自然發(fā)火案例庫，建立虛擬源域煤自燃預(yù)測模型，建立數(shù)值模擬與現(xiàn)場實(shí)景之間及不同開采工藝礦井之間的預(yù)測模型遷移適配機(jī)制；設(shè)計異常信息自反饋學(xué)習(xí)體系，實(shí)現(xiàn)煤礦井下復(fù)雜環(huán)境的預(yù)測模型動態(tài)自適應(yīng)。此外，建立與現(xiàn)場實(shí)景相吻合的煤自燃氧化升溫時空演化數(shù)值模擬是獲取預(yù)測模型有效初始訓(xùn)練樣本的前提，因此亟需開展數(shù)值模擬動態(tài)隨機(jī)優(yōu)化方法研究，為建立煤礦數(shù)字孿生體系提供技術(shù)支撐，實(shí)現(xiàn)煤礦開采過程中的煤自燃信息的實(shí)時虛實(shí)交互。

(3) 構(gòu)建礦井一站式、可視化、智能化煤自燃監(jiān)測預(yù)警平臺。開發(fā)與礦井煤自燃智能預(yù)警相適配的指標(biāo)參數(shù)智能監(jiān)測設(shè)備是保障預(yù)測結(jié)果準(zhǔn)確可靠的基礎(chǔ)性關(guān)鍵條件。針對井下煤塵多、濕度大對探測器信號干擾問題，研發(fā)透氣性好、機(jī)械強(qiáng)度大、材料利用率高的除塵降濕裝置；針對井下多氣體組分譜線混疊干擾問題，研究光譜信號處理與譜線解調(diào)分離方法；研發(fā)集指標(biāo)氣體、溫度、濕度、壓差、風(fēng)速等多參量的原位一體化長期免校準(zhǔn)的實(shí)時監(jiān)測、動態(tài)感知裝置；發(fā)展采空區(qū)分布式光纖測溫系統(tǒng)的網(wǎng)絡(luò)化、密集式布置，實(shí)現(xiàn)煤自燃征兆信息的動態(tài)對應(yīng)、實(shí)時校對、樣本標(biāo)記及溫度場分布信息可視化呈現(xiàn)；聯(lián)合井下光纖環(huán)網(wǎng)、5G通信技術(shù)，實(shí)現(xiàn)礦井煤自然發(fā)火數(shù)據(jù)的實(shí)時監(jiān)測與上傳；發(fā)展煤層自然發(fā)火數(shù)據(jù)邊緣處理技術(shù),建立健全數(shù)據(jù)管理系統(tǒng)，實(shí)現(xiàn)監(jiān)測數(shù)據(jù)的轉(zhuǎn)換、緩存、抽取、清洗等，內(nèi)嵌煤自燃危險程度智能化動-靜預(yù)測模型，構(gòu)建礦井煤層自然發(fā)火智能化精準(zhǔn)監(jiān)測預(yù)警平臺,如圖3所示。

圖3 煤層自然發(fā)火危險程度智能化監(jiān)測預(yù)警平臺架構(gòu)Fig.3 Intelligent monitoring and early warning platform framework for danger degree of spontaneous combustion in coal seam

5 結(jié)語

現(xiàn)階段礦井煤自燃監(jiān)測預(yù)警技術(shù)已取得一定研究進(jìn)展，但尚處于智能化開發(fā)初級階段，發(fā)展?jié)摿εc挑戰(zhàn)并存。為了進(jìn)一步適應(yīng)煤礦智能化開采需求，今后可從煤自燃前兆信息多參量原位一體化感知裝置、傳感與網(wǎng)絡(luò)通信等技術(shù)的聯(lián)合應(yīng)用、煤層自然發(fā)火數(shù)據(jù)管理系統(tǒng)、煤自燃氧化升溫時空演化數(shù)值模擬動態(tài)隨機(jī)優(yōu)化方法、煤自燃危險程度智能化超前預(yù)警與態(tài)勢研判機(jī)制、煤自燃超前預(yù)警與即時預(yù)報聯(lián)合預(yù)測模式、數(shù)值模擬與現(xiàn)場實(shí)景之間及不同開采工藝礦井之間的預(yù)測模型遷移適配機(jī)制、機(jī)理建模與機(jī)器學(xué)習(xí)相結(jié)合的多源信息融合分析方法等方面做進(jìn)一步深入研究，實(shí)現(xiàn)礦井煤自然發(fā)火監(jiān)測設(shè)備協(xié)同化、數(shù)據(jù)采集實(shí)時化、信息分析動態(tài)化、預(yù)測預(yù)報精準(zhǔn)化、危險預(yù)警超前化、風(fēng)險態(tài)勢可視化，有效促進(jìn)煤自燃監(jiān)測預(yù)警技術(shù)智能化發(fā)展，著力提高煤自燃監(jiān)測預(yù)警能力，全面提升煤礦智能化和信息化水平，深度助力礦井煤炭防患于未“燃”，以保障我國煤礦安全高效生產(chǎn)，減少人員傷亡和財產(chǎn)損失，降低防滅火處理成本，提高煤礦企業(yè)經(jīng)濟(jì)效益。