华丰煤矿地音监测防冲技术及实践

 煤矿深部开采矿井的主要灾害之一冲击地压,对矿井高产高效和人员、设备安全造直接威胁。为了进一步摸清冲击地压发生的前兆信息,基于ARES-5/E地音监测系统在国内煤矿的普及应用,介绍了该系统的监测预报原理、地音探测器的布置方式,研究了地音监测与微震监测、在冲击地压预报中的实时和短时预报的技术优势。通过对地音监测的监测结果数据统计分析,反映了煤岩体在采场采动、上覆岩层运动时,煤岩层的微破裂程度,遭到破坏的能量释放过程。监测结果表明：地音监测能够对冲击事件的发生起到提前预测的作用,地音监测技术的现场使用,以及与微震监测技术的联合应用,将成为冲击危险预测预报更行之有效的手段。     

基于多变量监测时序的冲击地压复杂性分析

论文基于多变量时间序列相空间重构来计算数据的关联维数,以研究冲击地压监测数据的复杂程度。考虑到冲击地压监测数据含有噪声而且长度有限,对传统G-P算法进行了扩展改进,给出了改进算法求解多变量时间序列的关联维数的原理,并用于Lorenz混沌系统检验了改进算法的有效性。收集了不同冲击情况下多种监测类型的冲击地压时间序列数据,用改进G-P算法求解这些监测数据的关联维数值。研究结果表明:冲击地压监测数据具有混沌特性,而且数据关联维数越大,复杂程度越高,对应矿井的冲击破坏性越强。这为基于混沌理论预测冲击危险性提供了新方法和依据。     

基于多变量混沌时间序列的冲击地压预测

考虑到冲击地压的混沌特征及其监测数据含噪且长度有限,基于多变量时间序列重构和GRNN模型来预测冲击地压监测变量。给出了多变量时间序列相空间重构理论和GRNN混沌预测原理,并提出采用遗传算法同时确定最佳重构参数和GRNN的光滑因子以保证预测精度。在Matlab2010a仿真环境下,将本文方法用于Lorenz系统以验证对含噪且长度有限的混沌序列的适用性,最后对微震能量和电磁辐射两类数据进行预测研究。结果表明：即使历史数据有限,多变量混沌序列预测方法也能提前预测出多个监测变量,从而实现冲击地压预报。     

基于微震和地音监测的冲击危险性综合评价技术研究

采用微震和地音监测系统对千秋煤矿煤岩震动信息进行了联合监测,研究确定了千秋煤矿评价冲击危险性的微震和地音指标。根据微震和地音系统不同的监测对象和监测区域,建立了千秋煤矿基于微震和地音监测的冲击危险性联合评价模型,提高了冲击地压的预测水平。     

地音监测系统在顶板巨厚岩层活动规律研究中的应用

顶板巨厚岩层的运动和破断对于冲击地压的发生具有重大的影响,为了研究顶板巨厚岩层的活动规律,介绍了地音监测技术的发展历程和原理,采用地音监测实时数据及地音能量和频次与地表下沉的变化规律,对华丰煤矿顶板巨厚砾岩活动进行了观测和研究。研究表明采用地音监测系统可以对顶板巨厚岩层的运动实时监测,并对其破断进行预测,对有效控制冲击地压事件的发生有很大的帮助。     

微震和地音综合监测在冲击地压防治中的应用

在分析了微震和地音监测技术各自优势的基础上,结合ARAMIS M/E微震监测系统与ARES-5/E地音监测系统在华丰煤矿的应用效果,提出了综合微震和地音监测技术的冲击地压防治方法。理论分析表明,微震监测技术配合地音监测技术,不仅在时间上对冲击危险起到了即时预测,而且在空间上对冲击危险起到了从局部预测到区域预测的分级预测效果,还可以实现煤岩体破裂过程中能量从集聚至释放整个过程的全程监测。实践表明,ARES-5/E地音监测系统能够对冲击事件的发生起到提前预测;应用微震和地音综合监测技术,能够结合2种技术的优势,在冲击地压的防治中取得效果。     

基于最大Lyapunov指数的冲击地压预测模型

冲击地压的拟合预测方法是对监测数据在未来一定时期的变化和走势规律进行预测，传统的数理统计预测模型把冲击地压监测序列认为是由于外在随机因素引起的，而冲击地压观测时序大多是一个貌似随机的非线性混沌序列，随机过程理论并不完全适合冲击地压时序的预测．最大Lyapunov指数作为量化动力系统对初始轨道的指数发散和估计系统的混沌量，是系统的一个很好的预报参数，本文在对观测序列相空间重构的基础上，基于最大Lyapunov指数对冲击地压工作面观测时序建立了预测模型，并与传统的数理统计预测方法进行了对比分析．通过对冲击危险区域的电磁辐射日平均值序列及顶板下沉速度序列等实例的预测运算和分析，得到冲击地压的最大Lyapunov指数预测模型达到了较高的预测精度，是完全可行的．     

微震预警冲击地压的时间序列方法

基于工作面微震事件释能规律的统计分析,研究了微震能量随时间推移而变化的趋势,认为高能量微震事件是冲击地压发生的必要条件。以大同忻州窑煤矿为例,采用时间序列模型中的ARIMA季节性模型和门限自回归模型分别对未来微震事件释放能量进行预测,比较了两种方法的优缺点及适用条件;构建了微震能量方差变化的特征函数,基于此特征函数提出了冲击危险模式的识别方法。研究表明：周期性较为明显的高能量微震事件,ARIMA季节性模型能有效地预测未来微震释能趋势,而门限自回归模型适用于预测高能微震周期性非显著的释能趋势;微震能量方差变化特征函数判别准则能够对冲击地压进行有效预警。     

露天矿一类时间参数的ARIMA模型预测

道路运行时间、电铲装车时间等一类时间参数的预测是露天矿卡车调度系统中的一个重要问题。本文提出了采用非平稳时间序列ARIMA模型对该类时间参数进行预测,建模时采用AIC准则估计模型阶次,采用一揽子检验方法检验建模结果,并以露天矿现场实测的道路运行时间为例,对该预测方法进行了验证。研究表明,ARIMA模型能够较好地预测一类时间参数并保证足够的精度。     

物理指标与数据特征融合驱动的冲击地压时序预测方法

煤矿智能化建设的大背景下，如何高效的从冲击地压海量监测数据提取有效信息与提高预测预警准确率是未来的研究重点与难点。为解决目前基于物理指标冲击地压预测方法泛化能力较差、对海量数据特征挖掘不充分的困境，结合深度学习技术，初步尝试建立了物理指标与数据特征融合驱动的冲击地压时序预测方法。以陕西彬长矿区某强冲击危险工作面为背景，分析了多次大能量事件发生前物理指标的变化特征，并统计剖析了仅使用物理指标驱动的冲击地压危险预测指标的短板与不足；提出采用物理指标与数据特征融合驱动的冲击地压时序预测方法，预测模型包括数据预处理、特征提取以及预警模型构建3个模块，数据预处理将原有微震监测数据处理为具有特定时间窗的前兆模式序列，特征提取主要包括基于物理指标的显式特征以及基于卷积神经网络的数据隐式特征提取，提出基于注意力机制的显式特征和隐式特征的深度融合方法，并通过全连接网络实现预测模型分类，实现对不同冲击危险等级的大能量事件进行预测。模型测试结果表明：预测时长为未来1 d、未来2 d以及未来3 d时预测F1分别可达0.956、0.950以及0.854，现场可根据需求选用预测时长；工程应用时模型可对大能量事件准...     

基于地球物理响应的冲击地压危险源辨识研究

 为了探索煤矿井下冲击地压的合理监测预测方法,使得我国煤矿冲击地压事故提前预警效率得到提高,简要对比分析了岩石力学方法与地球物理方法;建立了冲击地压发生模型,理论分析得出了冲击地压危险源的层次化分布特征,并确定了冲击地压危险源层次化辨识思路与地球物理辨识方法;在千秋煤矿开展了井田范围微震方法监测、工作面范围地音方法监测以及局部危险点电磁辐射方法监测试验研究。研究结果表明,地球物理监测方法表现出共同特点,即冲击事件前均能监测到前兆,表现为异常的微震事件、地音事件、电磁辐射事件,这些信息为辨识到的冲击地压危险源;与岩石力学监测方法相比,在时间上,地球物理方法能更为超前冲击地压显现,而辨识到冲击地压危险源;在空间上,地球物理方法能够实现远程的、大范围的、立体的冲击地压危险源辨识。如果进一步研究不同监测尺度的地球物理监测方法联合预警指标,将会使得冲击地压预报上一个新台阶。     

矿井粉尘浓度预测模型的建立及应用研究

为了对矿井粉尘浓度进行准确预测,有效防治矿井粉尘灾害,以某矿粉尘浓度时间序列为基础,提出了差分自回归移动平均预测模型。基于粉尘浓度是非平稳随机数列且ARIMA预测模型可对非平稳数据进行处理的特点,采用SPSS统计分析软件,建立ARIMA粉尘浓度预测模型。首先对粉尘浓度数据进行平稳化处理,根据自相关和偏自相关系数以及BIC准则确定模型参数,初步选定ARIMA(1,2,1)模型,再通过残差自相关和偏自相关函数对模型进行检验,进一步验证了模型的合理性。利用该模型对粉尘浓度进行预测,结果表明:相对误差最大为8.34%,最小为2.40%,相对误差都控制在10%以内,ARIMA模型能够用于矿井粉尘浓度的预测且预测效果较好。     

杏山铁矿冲击地压预测的优化GM(1,1)模型

冲击地压作为矿山开采中最严重的自然灾害之一,给矿山生产安全及作业人员生命安全带来了严重威胁。为对冲击地压进行实时有效的预测及防治,首先在非等间隔序列GM(1,1)模型的基础上,通过残差修正的方法对模型进行了优化,然后基于残差优化模型,结合现场监测数据,进行了杏山铁矿冲击地压预测的研究。研究结果表明:相比修正前模型,残差优化模型预测精度更高、预测效果更优;对于杏山铁矿-143 m水平工作面,随时间推移,围岩应力缓慢增加,但近期仍不会达到预警临界值,无冲击地压危险。     

基于LSTM模型的冲击地压预测方法研究

预防冲击地压是煤矿开采过程中面临的重大难题，近些年来随着煤矿开采逐渐由浅层转向深层，我国煤矿发生冲击地压的次数随之增加。冲击地压严重威胁着煤矿工作人员的生命安全，并造成巨大的经济损失，因此对冲击地压预测研究尤为重要。传统预测方法只能分析冲击地压发生前少量前兆信息，无法做到根据历史信息预测未来冲击地压相关信号变化趋势。为了探究冲击地压预测方法，选用来自发生过冲击地压煤矿的岩石，利用TYJ-500KN微机控制电液伺服岩石剪切流变试验系统与SH-II声发射系统进行冲击地压相似模拟实验。将实验采集的抗压强度信号和声发射信号进行信息融合，利用具有记忆属性的长短期记忆神经网络(LSTM)预测数据。研究结果显示，预测数据与实际分析数据曲线拟合度高，数据中均方根误差最大值小于0.6,LSTM模型用于冲击地压预测具有良好的前景。     

法国煤矿微震网和地音监测技术

法国煤炭开采历史较长,是世界上发生煤和瓦斯突出和冲击地压比较严重的国家之一。随着开采深度的增加(现在采深已达到1200m),冲击地压日趋严重,给生产和人身安全带来了极大的威胁,引起了法国煤管局的高度重视,又重新进行了大规模的防治冲击地压的研究。目前,法国煤与瓦斯突出及冲击地压的预测预报方法主要有:根据参与突出发生和发展的三个因素(煤体的地应力、煤层中的瓦斯、煤的构造)来预测;应用微震监测网和地音监测系统来预测。前一种是用来预测煤与瓦斯突出危险性的,后一种目前主要用来对发生冲击地压的矿井进行连续监测。     

冲击地压预测的煤岩变形局部化方法

冲击地压预测是冲击地压防治的前提和基础，是冲击地压研究中的一个重要内容，针对目前冲击地压前兆和冲击地压孕育过程之间内在的本质联系不清问题，从煤岩变形破坏的固有特征及冲击地压的失稳问题本质出发，借鉴经典力学中的能量原理，提出了以煤岩变形局部化为前兆的冲击地压预测方法。根据虚位移原理和稳定性理论，推导并得到了冲击地压发生临界条件和煤岩变形局部化发生条件，分析煤岩变形局部化与冲击地压内在联系。采用梯度塑性理论，通过引入内部长度参数，构建煤岩变形局部化模型，分析了变形局部化带宽带的影响因素。给出了测量内部长度参数的实验方法，对变形破坏向某一区域集中，且集中区具有一定尺度的现象进行理论解析。根据变形局部化的时空演化特点，引入描述变形局部化的空间聚集性、梯度显著性和曲率显著性指标，从“时间演化”属性和“结构演化”属性对变形局部化状态进行识别。对变形局部化预测方法进行初步的应用研究，分别采用实验的声发射数据和现场的微震数据，预测煤岩试件破坏区域和煤矿冲击地压危险区域。研究表明：煤岩变形局部化开始条件和冲击地压发生的临界条件相同，即冲击地压孕育演化过程和煤岩变形局部化的过程具有一致性；煤岩变形局部化带...     

基于多源信息融合的冲击地压态势评估方法

冲击地压态势评估是煤矿安全监测预警领域的热点及难题之一。本文以微震、电磁辐射及声发射等实时监测数据为基础,将态势评估理论引入冲击地压预测领域,建立了基于监测系统日志审计与实时修正算法相结合的冲击态势评估模型,通过改进D-S证据理论提出一种冲击地压态势量化方法。利用该方法计算得到连续时段的冲击地压态势值后,分别基于一阶灰色模型GM(1,1)及ARMA模型对冲击地压态势值进行预测并对比分析。实例结果及相关分析表明,所提冲击地压态势预测方法合理有效,能动态地反映冲击地压的发展趋势。     

冲击地压发生的影响因素与微震监测可视化研究

济宁三号煤矿深部开采深度超过600 m时，开始出现了冲击地压事故，并且随着开采深度的持续增加，这种灾害越来越严重，往往导致重大的人员伤亡和财产损失。“煤—围岩”系统构造的复杂性、地质构造的不确定性等因素，使得冲击地压发生机理十分复杂、影响因素颇多。根据该矿的地质条件，系统研究了地质构造诱发冲击地压的机理，分析了“断层蠕动”效应及褶皱受力状态，认为煤层的开采深度对冲击地压的发生起主导影响；同时，也分析了最大主应力及工作面回采时次生应力的变化情况，为冲击地压重点区域的监测提供数据支持。利用微震监测系统与Surfer软件对冲击地压的重点发生区域进行预测，预测结果能清晰地阐述该矿冲击地压的发生规律，为冲击地压灾害的防治提供了依据和理论指导。     

SAK地音监测系统

SAK地音监测系统是预测煤矿冲击地压的一种设备。目前,波兰已经普遍使用这种系统。多年来,由于采取了预测预报及预防性防治措施,使冲击地压造成的损失逐年下降。1949～1970年的平均冲击地压次数为129次;1971～1982年的平均冲击次数为20.8次,减少了83％;从回采面破坏的长度也相应减少806m,巷道破坏长度减少956m。这些表明,波兰对冲击地压的研究和防治是有效的。为此,煤炭部引进了SAK地音监测系统的制造技术,不久将正式生产产品。     

冲击地压预测预警的机器学习方法

传统冲击地压预警预测通常利用地球物理方法监测冲击地压的一些前兆信号,采用人为定义和提取参数的综合指数法对冲击地压发生的可能性进行评估。目前,研究人员尝试采用数据驱动方法,利用机器学习技术,克服传统冲击地压长期预测所带来的问题,通过分析国内外相关文献,对长期预测和短期预警方法及存在的问题、机器学习方法、冲击地压短期预警及长期预测的应用进展进行概述,同时分析了传统的经验驱动和机理驱动与机器学习的数据驱动在冲击地压预测预警方面的联系与差异,最后,总结机器学习在该领域存在的问题及挑战,并对未来冲击地压预测预防的技术进行展望。