CN103912310A - 一种矿井动力灾害预测方法 - Google Patents

Abstract

本发明公开了一种矿井动力灾害预测方法，该矿井动力灾害预测方法包括：矿区自然地质动力条件分析从构造形式、构造运动、天然地震、地应力等自然地质条件对矿区灾害背景进行宏观分析，实现对矿区构造环境、应力环境和能量环境的初步评价；矿井动力灾害一级预测，以矿井自然条件为基础实现煤层发生动力灾害的危险评估，实现对全矿井相关煤层危险性的预测和区域划分；矿井动力灾害二级预测，在一级预测的基础上，充分考虑到工程活动效应和瓦斯抽采工程活动，实现工作面的预测。本发明实现了预测结果的数字化和可视化，为矿井动力灾害的防治提供指导，为有针对性的采取防治措施提供了科学依据，避免了盲目采取措施的经济浪费。

Description

一种矿井动力灾害预测方法

技术领域

本发明属于矿井动力灾害研究领域，尤其涉及一种矿井动力灾害预测方法。

背景技术

煤与瓦斯突出、冲击地压和矿震统称为矿井动力灾害，是煤矿中的主要动力灾害。我国是世界上矿井动力灾害最为严重的国家之一，同时具有2种以上动力灾害的矿井逐渐增多。未来10年内，我国将有相当数量矿井进入深部开采。深部开采是目前世界范围内采矿业面临的共同问题。世界主要产煤国家矿井开采深度逐年增加，美国、德国、英国等发达国家一些矿井的开采深度已达到1500m。在我国，随着国民经济和社会发展，对矿产资源的需求不断增加，浅部矿产资源正逐步走向枯竭，矿产资源开采深度日益增加。随着煤炭开采的发展和浅部可采储量的逐年减少，深部开采成为很多煤矿必须面临的问题。在深部开采条件下，由于煤岩结构的动力学特性与浅部开采明显不同，必然表现出其特有的工程动力响应，同时煤矿所特有的大面积开采和层状介质变形破坏的时效性特点，使得煤矿深部动力灾害的致灾机理更加复杂，监测预警和防治将更加困难。如何面对深部开采的复杂地质条件，及时解决深部开采所涉及的技术性问题，是每一位煤炭行业科研工作者和工程技术人员都应该考虑的重要课题，也是国家经济、社会和科学技术自身发展的重大需求。

目前矿井动力灾害预测手段准确率不高，防治措施的有效性也不十分理想。

发明内容

本发明的目的在于提供一种矿井动力灾害预测方法，旨在解决目前矿井动力灾害预测手段准确率不高，防治措施的有效性也不十分理想的问题。

本发明是这样实现的，一种矿井动力灾害预测方法包括矿区自然地质动力条件分析、矿井煤层动力灾害一级预测和矿井工作面动力灾害二级预测；

矿区自然地质动力条件分析从构造形式、构造运动、天然地震、地应力等自然地质条件对矿区灾害背景进行宏观分析，实现对矿区构造环境、应力环境和能量环境的初步评价，据此判定矿区是否具备发生矿井动力灾害的动力和能量条件；

矿井动力灾害一级预测以矿井自然条件为基础实现煤层发生动力灾害的危险评估，实现对全矿井相关煤层危险性的预测和区域划分，一级预测时间范围是全矿井服务期间，区域范围整个井田；

矿井动力灾害二级预测是在一级预测的基础上，充分考虑到工程活动效应和瓦斯抽采工程活动，实现工作面的预测，矿井动力灾害二级预测的时间范围3-5年，区域范围为回采工作面。

进一步，所述的矿区自然地质动力条件分析包括：矿区构造控制特征及应力场演化分析、地形曲率对煤与瓦斯突出影响的分析、矿井动力灾害和天然地震的相关性的分析、煤与瓦斯突出系统的能量分析。

进一步，所述的矿井动力灾害一级预测考虑自然因素，运用多因素模式识别方法，将研究区域划分为有限个预测单元，在空间数据管理的基础上，分析影响矿井动力灾害的主要因素，通过相应的研究方法确定各影响因素的量值，运用多因素模式识别技术进行综合智能分析，通过对已发生矿井动力灾害区域分析，分析多个影响因素与矿井动力灾害之间的内组合模式与确定的矿井动力灾害预测模式对比分析，应用神经网络和模糊推理方法确定与预测区域的内在联系，即通过开采区域多因素的组合确定预测模式，将未开采区域的多因素各单元的危险性概率，根据各单元危险性，按确定的危险性概率临界值划分井田的矿井动力灾害危险区域，对井田的矿井动力灾害危险性做出评估。

进一步，所述的矿井动力灾害二级预测的具体步骤包括：

步骤一、确定预测区域，按照矿井开采规划，确定主采煤层矿井动力灾害二级预测范围，具体到回采工作面；

步骤二、选择影响因素，影响因素包括自然因素和人为因素，自然因素包括：原岩应力、煤层厚度、断裂构造、原始瓦斯参数、煤岩物理力学性质，人为因素包括：保护层开采、工作面回采导致的采动应力、瓦斯抽采导致瓦斯含量的变化，钻孔瓦斯涌出初速度q和钻屑量S等工作面检测指标；

步骤三、划分预测单元，一级预测基础上，对规划回采工作面进行二级单元的划分；

步骤四、矿井动力灾害危险性预测，运用多因素模式识别技术进行综合智能分析，通过对已发生突出区域分析，确定多个影响因素的组合模式及与矿井动力灾害之间的内在联系，将确定的模式与已开采区域的矿井动力灾害模式对比分析，应用BP人工神经网络算法预测区域各单元的危险性概率，根据各单元危险性，按不同的危险性概率临界值，划分井田的矿井动力灾害危险危险性区域，对预测区域的矿井动力灾害危险性做出评估。

进一步，所述的应用BP人工神经网络算法预测区域各单元的危险性概率的具体步骤包括：

步骤一、运用地质动力区划、地应力测量、现场测试等手段获取各影响因素原始数据；

步骤二、对各影响因素按以下步骤提取主成分：

第一步、将原始数据标准化；

第二步、求相关系数矩阵R；

第三步、求矩阵R的特征值和相应的特征向量及贡献率，并提取主要成分；

第四步、根据上述表达式对标准化后的数据进行主成分分析计算；

步骤三、建立神经网络预测模型。

效果汇总

本发明在一级预测的基础上，首先对矿井动力灾害一级预测的影响因素及指标进行分析和提取，继续细化构造形式和特征等自然地质动力因素，实现预测结果的数字化和可视化，为矿井动力灾害的防治提供指导，为有针对性的采取防治措施提供了科学依据，避免了盲目采取措施的经济浪费。

附图说明

图1是本发明实施例提供的矿井动力灾害预测方法流程图；

图2是本发明实施例提供的煤与瓦斯突出等矿井动力灾害和天然地震(MS＞2.1)时序对比；

图3是本发明实施例提供的煤与瓦斯突出等矿井动力灾害和天然地震(MS＞2.1)震级对比；

图4是本发明实施例提供的煤与瓦斯突出等矿井动力灾害和天然地震(MS＞2.1)频次对比；

图5是本发明实施例提供的东矿区煤与瓦斯年突出煤量和天然地震年释放能量对比直方图；

图6是本发明实施例提供的东矿区煤与瓦突出年突出瓦斯量和天然地震年释放能量比对直方图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面以平顶山矿区的矿井动力灾害预测为例，对本发明的工作原理做进一步说明：

本发明是这样实现的，一种矿井动力灾害预测方法包括矿区自然地质动力条件分析、矿井煤层动力灾害一级预测和矿井工作面动力灾害二级预测；

矿区自然地质动力条件分析从构造形式、构造运动、天然地震、地应力等自然地质条件对矿区灾害背景进行宏观分析，实现对矿区构造环境、应力环境和能量环境的初步评价，据此判定矿区是否具备发生矿井动力灾害的动力和能量条件；

矿井动力灾害一级预测以矿井自然条件为基础实现煤层发生动力灾害的危险评估，实现对全矿井相关煤层危险性的预测和区域划分，一级预测时间范围是全矿井服务期间，区域范围整个井田；

矿井动力灾害二级预测是在一级预测的基础上，充分考虑到工程活动效应和瓦斯抽采工程活动，实现工作面的预测，矿井动力灾害二级预测的时间范围3-5年，区域范围为回采工作面。

进一步，所述的矿区自然地质动力条件分析包括：矿区构造控制特征及应力场演化分析、地形曲率对煤与瓦斯突出影响的分析、矿井动力灾害和天然地震的相关性的分析、煤与瓦斯突出系统的能量分析。

1、矿区构造控制特征及应力场演化分析：

通过研究矿区的构造特征分析，平顶山矿区地质构造形迹主要以NW向为主，NE向次之。NW向地质构造表现为压扭性质，以挤压、剪切作用为主，NE向以拉张、剪切作用为主。平顶山东部矿区的八矿、十矿、十二矿，位于NW向断裂、褶曲控制的构造复杂区，NW向小构造比NE向小构造附近的构造煤发育，构造附近发生煤与瓦斯突出的次数比较多。

平顶山东部矿区地应力测量结果表明：平顶山东矿区地应力场属于水平应力场，地应力以水平压应力为主导。通过对平顶山八矿和十二矿的地应力测量结果进行线性回归拟合，得到了主应力与测点深度的拟合曲线，并得到了其关系式。

最大主应力：σ_hmax＝0.0462H+4

中间主应力：σ_v＝0.0266H

最小主应力：σ_hmin＝0.0196H

为了分析平顶山东部矿区地应力场与其周边矿井以及华北亚板块其他矿区的地应力场的关系，分别选择了平顶山六矿、平顶山一矿、鹤壁六矿、淮南谢一矿、淮南潘一矿、薛湖矿、赵各庄矿和寺河矿的19个测点的地应力值进行了统计分析。通过线性回归拟合，得到了主应力与测点深度的关系曲线，并得到了其关系式。

最大主应力：σ_hmax＝0.0329H+4

中间主应力：σ_v＝0.0254H

最小主应力：σ_hmin＝0.0201H

通过对平顶山东部矿区地应力场和周边矿井以及华北亚板块其他矿区的地应力场进行对比分析可以发现，对于同一深度，平顶山东部矿区的最大主应力值大于华北亚板块其他地区的地应力值，而中间主应力和最小主应力则与其他地区的应力值基本相同。

2、地形曲率对煤与瓦斯突出影响的分析：

(1)地形曲率变化对煤与瓦斯突出影响

平顶山东矿区四周凹陷，中间凸起，全局俯视呈“N”字形地貌，可见其在地质构造历史时期构造活动强烈，具备发生煤与瓦斯突出等矿井动力灾害的动力环境。处在构造阶地区域的四矿、六矿、八矿、十矿、十二矿、十三矿都具备煤与瓦斯突出等矿井动力灾害的条件，具备发生灾害的能量基础。而每次地质构造运动产生的不同构造应力场作用和板块构造的碰撞，区域构造应力的挤压或拉张引起的地层隆起或拗陷，以及形成的一系列不同级别的断裂、褶皱，均控制着区域地质环境及其不同矿区、矿井、采区的煤层、围岩发生不同程度的变形破坏，并同时引起水文、地应力的变化，从而控制着煤层瓦斯的赋存和变化。

在地质动力区划划分活动断裂研究基础之上，利用1:5万地形图的高程点，等高线等已知信息，采用纵剖面曲率算法，对平顶山矿区曲率值进行计算，平顶山矿区地形曲率值变化较大，矿区外围区域地形曲率值变化差异小，地形曲率值接近于0；矿区区域地形曲率值变化较大，其中曲率最大值为K＝3.5×10^-4；曲率最小值为K＝-4.5×10^-4。

以主井井口位置为参考对象，平顶山矿区十三对矿井中，其中十二矿、十矿、八矿、六矿、四矿、一矿处于曲率最大值区域内，曲率值区间K=[5.98×10^-5～12.8×10^-5]；十三矿、十一矿、九矿、七矿、五矿、三矿和二矿的井口位置处于曲率值变化较小的区域内，曲率值区间K=[5.34×10^-11～1.08×10^-10]，但是随着开采范围的扩大，深度的增加，井田内相应区域必将受其地形曲率变化的影响。

(2)地形曲率半径与煤与瓦斯突出次数关系

在地形曲率空间分布特征研究的基础上，利用主曲率半径R的计算公式R＝1/k，可以计算得到平顶山东矿区曲率值对应的曲率半径，并绘制曲率半径R的分布特征图。

平顶山东矿区发生的煤与瓦斯突出主要分布在正曲率半径区间内，东矿区戊、己煤层发生的96次煤与瓦斯突出，其中发生在正曲率半径范围内的有77次，占突出总次数的80.21%，而发生在负曲率半径区间内的突出次数19次，占突出总次数的19.79%。。由以上分析结果可知，平顶山东矿区煤与瓦斯突出主要发生在正曲率地形地貌区域，此类地形地貌受区域构造应力场影响显著，利于能量的积聚和储存，当能量积聚达到煤岩体发生破坏的临界能量时受外界开采扰动等因素的影响就会发生煤与瓦斯突出。负曲率地形地貌对应的地形凸起区域不利于积聚和储存煤与瓦斯突出发生的能量，发生煤与瓦斯突出的次数相对较少，少数发生因为凸起区域构造应力场中垂直应力增大。通过对平顶山东矿区井下地应力实测及分析，东矿区区域构造应力场以水平压应力为主，最大水平主应力的量值要比邻区应力量值要高，可见平顶山东矿区煤与瓦斯突出主要受区域构造应力场的影响，突出主要发生在正曲率范围内。

3、矿井动力灾害和天然地震的相关性的分析：

(1)时间相关性

平顶山东矿区煤与瓦斯突出等矿井动力灾害与天然地震(MS＞2.1)的时序对比见图2。时间进程上的同步性在1993年及以前表现明显的。期间4个煤与瓦斯突出等矿井动力灾害异常年份分别与四次天然地震(MS＞2.1)出现(或连续多次)的时段对应。时间进程上的同步性在1994～2008年期间表现不明显。

(2)空间相关性

近30多年来，平顶山东矿区位置与天然地震在震级、频次空间分布上的关系见图3、图4。

(3)强度相关性

综合了震级、频次两因素的地震年释放能量体现了地震活动的强度。煤与瓦斯突出等矿井动力灾害的强度由突出煤体量和涌出瓦斯量表现。根据平顶山及邻区天然地震年释放能量和平顶山东矿区煤与瓦斯突出等矿井动力灾害年突出煤体量和年突出瓦斯量数据绘制图5和图6。

煤与瓦斯突出等矿井动力灾害和天然地震年活动强度变化在1993年及以前基本保持相同态势，即在天然地震释放能量大的年份，煤与瓦斯突出等矿井动力灾害年强度也处于高峰年份。表明在1993年及以前构造活动及应力场变化是诱发煤与瓦斯突出等矿井动力灾害的主导因素。

煤与瓦斯突出等矿井动力灾害和天然地震年活动强度变化在1994～2008年间保持不相同态势。1994～2008年天然地震年释放能量保持大致呈下降趋势，而煤与瓦斯突出等矿井动力灾害年强度无论从突出煤体量还是涌出瓦斯量来看都大致呈上升趋势。分析原因主要有二：一则随着采深加大，采掘扰动对小范围局部应力场的调节起主要作用，其影响能力在一定程度上已经超过大范围区域构造应力场的自身调节作用；二是煤层瓦斯在900m左右以浅随埋深的增加而呈现出增大的趋势(据统计)，高瓦斯影响较大。2007年天然地震释放能量的强度不大，在1981～2010年间里属于中等水平，反映的是，构造活动较为平静、应力场强化不明显。但2007年煤与瓦斯突出突出煤体量却达到了东矿区突出发生历史上的最高水平，说明此次突出构造活动及应力场变化对其影响不大，高瓦斯和采动应力应是造成突出的主要因素。

煤与瓦斯突出等矿井动力灾害和天然地震年活动强度变化在2009年及以后基本保持相同态势，2009年及以后出现了天然地震年释放能量趋势上升的迹象，2009年地震年释放能量达到了近17年来的最大值，对应的煤与瓦斯突出的突出煤体量和涌出瓦斯量都较大。说明了随着区域构造活动的强化，构造活动及应力场变化对煤与瓦斯突出的影响程度增大。

4、煤与瓦斯突出系统的能量分析：

(1)平顶山煤与瓦斯突出的能量计算

为了便于分析，在计算过程中，忽略煤层顶底板弹性潜能对突出做功，同时也不考虑突出煤瓦斯流撞击巷道壁、支架和其它障碍物的摩擦热、震动、声响等能量损耗。这样，煤与瓦斯突出突出所需要的能量主要表现为煤体的破碎功和碎煤在巷道中的移动功。通过分析确定平顶山东矿区煤与瓦斯突出的临界能量为10⁶J。

(2)煤与瓦斯突出系统的尺度

通过计算得出煤与瓦斯突出系统尺度半径见表1。

通过拟合，得到了不同深度范围内煤与瓦斯突出系统半径与煤与瓦斯突出能量之间的关系。可知，煤与瓦斯突出系统的半径随煤与瓦斯突出能量的增大而增大，系统半径与煤与瓦斯突出的能量正相关，两者之间呈对数关系。

$R=24.7081\ln \hat{U}-367.37$

式中：R-系统的尺度半径；

-系统能量。

表1煤与瓦斯突出系统尺度半径

通过对自然地质动力条件的分析可以得到以下结论：平顶山矿区突出的地质特征是区内断块隆起，四周凹陷，形成了以郏县正断层、襄郏正断层、叶鲁正断层为界的四周凹陷带，表明构造活动强烈，具备发生矿井动力灾害的构造条件。南北向边界走滑运动较弱这一状况与其构造环境和应力环境有关。区域内的应力场以近东西向拉张和近南北向压缩为主，但是华北块体北邻的东北块体又相对稳定，造成了南北向运动不明显。平顶山矿区中部凸起，全区俯视呈“N”字形地貌，在地质新构造历史时期活动强烈，积聚了较大的变形能量，具备发生煤与瓦斯突出等矿井动力灾害的动力条件。

时间上，平顶山东矿区煤与瓦斯突出等矿井动力灾害的发生和天然地震(MS＞2.1)呈阶段性同步特征。这种现象在1993年及以前、2009年及以后天然地震活跃阶段表现明显。空间上，平顶山东矿区处于天然地震震级等值线的高值区和频度等值线的高值区附近，揭示了平顶山东矿区具有易于发生矿井动力灾害的应力(能量)条件。强度上，在1993年及以前、2009年及以后阶段平顶山东矿区煤与瓦斯突出等矿井动力灾害和天然地震呈现出阶段性相关特征。

地应力是以水平压应力为主导。对于同一深度，平顶山东部矿区的最大主应力值大于华北亚板块其他地区的地应力值，而中间主应力和最小主应力则与其他地区的应力值基本相同。矿井动力灾害的发生要受动力系统制约，确定平顶山东矿区煤与瓦斯突出的临界能量为106J。

进一步，所述的矿井动力灾害一级预测考虑自然因素，运用多因素模式识别方法，将研究区域划分为有限个预测单元，在空间数据管理的基础上，分析影响矿井动力灾害的主要因素，通过相应的研究方法确定各影响因素的量值，运用多因素模式识别技术进行综合智能分析，通过对已发生矿井动力灾害区域分析，分析多个影响因素与矿井动力灾害之间的内组合模式与确定的矿井动力灾害预测模式对比分析，应用神经网络和模糊推理方法确定与预测区域的内在联系，即通过开采区域多因素的组合确定预测模式，将未开采区域的多因素各单元的危险性概率，根据各单元危险性，按确定的危险性概率临界值划分井田的矿井动力灾害危险区域，对井田的矿井动力灾害危险性做出评估。

以平顶山八矿戊9-10煤层动力灾害一级预测为例：

在矿井动力灾害自然地质动力条件分析的基础上，应用多因素模式识别概率预测方法，实现平顶山八矿戊9-10煤层的分单元概率预测。局部放大可以清楚地显示矿井动力灾害危险性分布情况与巷道的对应关系，矿井动力灾害危险性是对特定网格单元发生灾害可能性的定量描述。由于数据量大，对图形显示方式设置按比例尺显示，即只有当到达一定比例尺时，巷道才会显示，这样可以有效地实现图形显示的层次性。设定标签显示方式，可以清楚地显示每一网格单元危险性概率值，对特定网格单元危险性进行定量描述。

矿井各煤层矿井动力灾害区域预测的结果，可用数据库方式表示，可以生成等值线图、分层着色图、三维图、各类统计图，与采掘工程平面图结合生成单元预测图。在现场工程应用中，可以显示出每个预测单元发生动力灾害的危险性概率，从而确定危险性概率与巷道的对应关系，对预测单元进行定量描述，这是统一预测和现场工程应用的基础。可以通过软件系统实现数据的浏览、查询、检索、统计等；可以通过绘图仪输出矿用标准图纸。

将井田划分为5个等级区域：按照危险性概率值0.39、0.59、0.78、0.84作为临界值，可将平顶山八矿戊9-10煤层矿井动力灾害危险性划分为5级。

对比单一因素对矿井动力灾害危险性的影响可以发现，该煤层危险区主要分布在高应力区，构造对矿井动力灾害的控制作用也较为明显。平顶山八矿戊9-10煤层矿井动力灾害危险性概率值最大值为0.9，最小值为0.15，最大值位于井田北部高应力区，最大主应力值30MPa，最小值位于井田南部低应力区，最小主应力值14MPa。

进一步，所述的矿井动力灾害二级预测的具体步骤包括：

步骤一、确定预测区域，按照矿井开采规划，确定主采煤层矿井动力灾害二级预测范围，具体到回采工作面；

步骤二、选择影响因素，影响因素包括自然因素和人为因素，自然因素包括：原岩应力、煤层厚度、断裂构造、原始瓦斯参数、煤岩物理力学性质，人为因素包括：保护层开采、工作面回采导致的采动应力、瓦斯抽采导致瓦斯含量的变化，钻孔瓦斯涌出初速度q和钻屑量S等工作面检测指标；

步骤三、划分预测单元，一级预测基础上，对规划回采工作面进行二级单元的划分；

步骤四、矿井动力灾害危险性预测，运用多因素模式识别技术进行综合智能分析，通过对已发生突出区域分析，确定多个影响因素的组合模式及与矿井动力灾害之间的内在联系，将确定的模式与已开采区域的矿井动力灾害模式对比分析，应用BP人工神经网络算法预测区域各单元的危险性概率，根据各单元危险性，按不同的危险性概率临界值，划分井田的矿井动力灾害危险危险性区域，对预测区域的矿井动力灾害危险性做出评估。

基于模式识别的矿井动力灾害二级预测的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密，曲线越接近，相应序列之间的关联度就越大，反之就越小。对一个抽象的系统或现象进行分析，首先要选准反应系统行为的数据序列，这称为找系统行为的映射量，用映射量来间接地表征系统行为。有了系统行为特征数据和相关因素的数据，即可对众多的关联度量化模型进行分析研究。关联度分析与计算弥补了采用数理分析方法的不足。它对样本量的多少和样本有无规律等同样适用，且计算量小而方便，不会出现数量化结果与定性分析结果不符的情况。联度分析的关键是选准反映系统行为特征的数据序列，即寻找反映系统行为的映射量，然后用映射量来分析研究系统的行为规律。

选取反映矿井动力灾害系统行为特征的数据序列，用映射量来间接地表征系统行为。选取构造形式、构造特征、地应力值、顶板岩性、瓦斯压力、瓦斯含量、地形曲率、能量等区域性参数和煤钻屑瓦斯解吸指标△h2、K1值、钻孔瓦斯涌出初速度q和钻屑量S等局部指标，根据选取的指标建立系统映射量：

X_i∈X

式中：X为系统因素集，X_i为系统因素；i为指标序号，i＝1，2，3，在序号i上的预测指标分别为Si、qi、△h_2i等。

Xi为系统因素，其在指标序号k上的观测数据为x_i(k)，k=1，2，…，n，则，X_i=(x_i(1)，x_i(2)，…，x_i(n))为因素X_i的行为指标序列。

动力灾害预测系统的相关指标因素序列为：

X₁=(x₁(1)，x₁(2)，x₁(3))

X_i=(x_i(1)，x_i(2)，x_i(3))

X_n=(x_n(1)，x_n(2)，x_n(3))

动力灾害出预测系统的相关指标因素序列为：

X₀=(x₀(1)，x₀(2)，x₀(3))

对于给定实数γ·(x₀(k)，x_i(k))，若实数

$\mathrm{\γ}\·(X_0,X_i)=\frac{1}{n}\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{\γ}(x_o\left(k\right),x_i\left(k\right))$

满足以下4个条件：

(1)0＜γ(X₀,X_i)≤1， $\mathrm{\γ}(X_0,X_i)=1\⇐X_0=X_i$

(2)对于X_i，X_j∈X＝{X_s|s＝0,1,2，…，m；m≥2}，有

γ(X_i，X_j)≠γ(X_j，X_i)(i≠j)

(3)对于X_i，X_j∈X，有

$\mathrm{\γ}(X_i,X_j)=\mathrm{\γ}(X_j,X_i)\⇔X=\{X_i,X_j\}$

(4)|x₀(k)-x_i(k)|越小，γ(x₀(k)，x_i(k))越大

γ(X₀，X_i)为X_i与X₀的灰色关联度，γ(x₀(k)，x_i(k))为X_i与X₀在k点的关联系数。

进一步，所述的应用BP人工神经网络算法预测区域各单元的危险性概率的具体步骤包括：

步骤一、运用地质动力区划、地应力测量、现场测试等手段获取各影响因素原始数据；

部分数据见表2。

表2各种影响因素原始数据

步骤二、对各影响因素按以下步骤提取主成分：

①将原始数据标准化。由于各影响因素之间的数量级和纲量不同，数据之间具有比较大的差异性，因此在主成分分析之前有必要对原始数据进行标准化。标准化后的数据见表3。

表3标准化后的数据

②求相关系数矩阵R。结果见表4。

表4各指标相关系数矩阵

③求矩阵R的特征值和相应的特征向量及贡献率，并提取主要成分。

④根据上述表达式对标准化后的数据进行主成分分析计算。

步骤三、建立神经网络预测模型。

将主成分分析计算后的样本前16组数据作为训练样本，组后3组数据作为检验样本。采用Matlab软件创建BP神经网络，以三个主成分作为输出向量，以强度作为目标向量，选用函数tansig和logsig作为隐含层和输入层神经元的转移函数，选用函数trainlm作为训练函数。

本发明在一级预测的基础上，首先对矿井动力灾害一级预测的影响因素及指标进行分析和提取，继续细化构造形式和特征等自然地质动力因素，实现预测结果的数字化和可视化，为矿井动力灾害的防治提供指导，为有针对性的采取防治措施提供了科学依据，避免了盲目采取措施的经济浪费。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性的劳动即可做出的各种修改或变形仍在本发明的保护范围之内。

Claims (5)

1.一种矿井动力灾害预测方法，其特征在于，所述的矿井动力灾害预测方法包括矿区自然地质动力条件分析、矿井煤层动力灾害一级预测和矿井工作面动力灾害二级预测；

矿区自然地质动力条件分析从构造形式、构造运动、天然地震、地应力等自然地质条件对矿区灾害背景进行宏观分析，实现对矿区构造环境、应力环境和能量环境的初步评价，据此判定矿区是否具备发生矿井动力灾害的动力和能量条件；

矿井动力灾害一级预测以矿井自然条件为基础实现煤层发生动力灾害的危险评估，实现对全矿井相关煤层危险性的预测和区域划分，一级预测时间范围是全矿井服务期间，区域范围整个井田；

矿井动力灾害二级预测是在一级预测的基础上，充分考虑到工程活动效应和瓦斯抽采工程活动，实现工作面的预测，矿井动力灾害二级预测的时间范围3-5年，区域范围为回采工作面。

2.如权利要求1所述的矿井动力灾害预测方法，其特征在于，所述的矿区自然地质动力条件分析包括：矿区构造控制特征及应力场演化分析、地形曲率对煤与瓦斯突出影响的分析、矿井动力灾害和天然地震的相关性的分析、煤与瓦斯突出系统的能量分析。

3.如权利要求1所述的矿井动力灾害预测方法，其特征在于，所述的矿井动力灾害一级预测考虑自然因素，运用多因素模式识别方法，将研究区域划分为有限个预测单元，在空间数据管理的基础上，分析影响矿井动力灾害的主要因素，通过相应的研究方法确定各影响因素的量值，运用多因素模式识别技术进行综合智能分析，通过对已发生矿井动力灾害区域分析，分析多个影响因素与矿井动力灾害之间的内组合模式与确定的矿井动力灾害预测模式对比分析，应用神经网络和模糊推理方法确定与预测区域的内在联系，即通过开采区域多因素的组合确定预测模式，将未开采区域的多因素各单元的危险性概率，根据各单元危险性，按确定的危险性概率临界值划分井田的矿井动力灾害危险区域，对井田的矿井动力灾害危险性做出评估。

4.如权利要求1所述的矿井动力灾害预测方法，其特征在于，所述的矿井动力灾害二级预测的具体步骤包括：

步骤一、确定预测区域，按照矿井开采规划，确定主采煤层矿井动力灾害二级预测范围，具体到回采工作面；

步骤二、选择影响因素，影响因素包括自然因素和人为因素，自然因素包括：原岩应力、煤层厚度、断裂构造、原始瓦斯参数、煤岩物理力学性质，人为因素包括：保护层开采、工作面回采导致的采动应力、瓦斯抽采导致瓦斯含量的变化，钻孔瓦斯涌出初速度q和钻屑量S等工作面检测指标；

步骤三、划分预测单元，一级预测基础上，对规划回采工作面进行二级单元的划分；

步骤四、矿井动力灾害危险性预测，运用多因素模式识别技术进行综合智能分析，通过对已发生突出区域分析，确定多个影响因素的组合模式及与矿井动力灾害之间的内在联系，将确定的模式与已开采区域的矿井动力灾害模式对比分析，应用BP人工神经网络算法预测区域各单元的危险性概率，根据各单元危险性，按不同的危险性概率临界值，划分井田的矿井动力灾害危险危险性区域，对预测区域的矿井动力灾害危险性做出评估。

5.如权利要求1所述的矿井动力灾害预测方法，其特征在于，所述的应用BP人工神经网络算法预测区域各单元的危险性概率的具体步骤包括：

步骤一、运用地质动力区划、地应力测量、现场测试等手段获取各影响因素原始数据；

步骤二、对各影响因素按以下步骤提取主成分：

第一步、将原始数据标准化；

第二步、求相关系数矩阵R；

第三步、求矩阵R的特征值和相应的特征向量及贡献率，并提取主要成分；

第四步、根据上述表达式对标准化后的数据进行主成分分析计算；

步骤三、建立神经网络预测模型。