CN110578555B - 一种瓦斯抽采钻孔自燃危险预测方法 - Google Patents

Abstract

本发明提供一种瓦斯抽采钻孔自燃危险预测方法，涉及煤矿安全工程技术领域。本发明提供了一种煤矿井下瓦斯抽采钻孔自燃危险预测方法，为了解瓦斯抽采钻孔自燃危险程度，了解瓦斯抽采过程中钻孔自燃与其影响因素之间的关系，提出了一种改进CRITIC的G2赋权法。通过引入欧式距离函数，建立优化决策模型，采用CRITIC的赋权法修正G2赋权法，进而获得各指标的综合权重。基于逼近理想解排序法，即TOPSIS理论“驱动功能”原理的G2赋权法，建立了G2‑TOPSIS钻孔自燃危险评判模型，分析贴近度，最终预测钻孔自燃危险程度。

Description

一种瓦斯抽采钻孔自燃危险预测方法

技术领域

本发明涉及煤矿安全工程技术领域，尤其涉及一种瓦斯抽采钻孔自燃危险预测方法。

背景技术

瓦斯抽采钻孔自然发火是一种受多因素影响的煤矿内因火灾，随着开采深度和强度的增加，煤层初始温度升高，尤其对于高瓦斯易自燃煤层，抽采钻孔自燃危险日趋严重，但自燃往往发生在距煤体暴露面一定距离的深部，且只见冒烟不见明火，火源位置难以确定。抽采钻孔一旦发生自燃将导致钻孔停抽或报废，严重时还会造成抽采管路爆炸等灾害。因此，防治抽采钻孔自燃是一项紧迫且具有重要意义的课题，如何有效预测抽采钻孔自燃危险性，已成为其治理工作的重点与难点。

长期以来，国内外学者对煤自燃危险性预测进行了大量研究，这些研究在一定程度上对矿井自燃火灾的预测与防治起到了重要作用，但所建评价模型在实际操作中有些评价指标权重比较难以确定，对模型指标因素考虑不够全面，影响煤炭自燃的主次因素也不明确。目前关于抽采钻孔自燃影响因素及防治的研究还十分缺乏，钻孔自燃灾害时有发生。在瓦斯抽采过程中，由于钻孔封孔不严密存在漏风，部分钻孔出现了自然发火现象，导致钻孔暂停抽采，甚至使钻孔报废。

发明内容

针对现有技术的不足，本发明提供了一种瓦斯抽采钻孔自燃危险预测方法，提出一种改进CRITIC信息量修正G2赋权法，在兼顾指标数据变异性和冲突性的基础上，避免单一赋权法不能同时体现主客观信息的弊端，并依据优劣解距离法(TOPSIS)建立G2-TOPSIS瓦斯抽采钻孔自燃预测模型，对钻孔自燃危险进行客观评判，从而采取科学合理的钻孔自燃预防措施。

本发明所采取的技术方案是：一种瓦斯抽采钻孔自燃危险预测方法；包括以下步骤：

步骤1：将测试点自燃危险单项指标煤碳化变质程度、煤氧化还原燃点温差、煤的吸氧能力、CO单位温升率、地质构造、煤层埋深、煤层厚度、煤层倾角、漏风强度、漏风时长、围岩温度、封孔方式、封孔长度、封孔深度、封孔材质作为评价指标，将评价指标分为主观指标和客观指标，利用改进CRITIC法对客观评价指标权重进行确定；

步骤2：利用G2赋权法对主观指标权重进行确定；

步骤3：利用改进CRITIC法对G2法进行修正，确定评价指标的综合权重；

将各评价指标改进CRITIC信息量C_k的置信度区间记为[C_1k，C_2k]，其中k＝1，2，…，m，利用改进CRITIC信息量的置信度区间上下限之比计算两指标重要性程度之比的取值区间，代替G2法中的理性赋值区间，即：

式中：R_km为置信度区间；

计算第k个评价指标改进CRITIC修正G2区间判指标的赋值权重w为：

步骤4：构建初始评判矩阵；

步骤5：确定正负理想解计算相似度；

步骤6：构建G2-TOPSIS综合评判模型，根据组合赋权原理，确定准则层指标的加权综合判据矩阵Z_ij与基于改进CRITIC改进G2法重新排序后对准则层指标打分所构成的评判矩阵V结合得出评判对象综合评判结果L；

L＝Z_ijV

步骤7：对抽采钻孔自燃危险等级进行建立，将抽采钻孔自燃危险分为5个级别，I级- 基本不可能发生、II级-较不可能发生、III级-可能发生、IV级-较可能发生、V级-极可能发生，各等级赋值均在[0，100]，各指标赋值越高说明该指标引起抽采钻孔自燃危险性越小，抽采钻孔发生自燃的概率越小。

所述步骤1的具体步骤为：

步骤1.1：对各评价指标包含的改进CRITIC信息量进行计算，公式如下：

式中：C_k为第k个评价指标的改进CRITIC信息量，σ_k为第k个评价指标的标准差，u_k为第k个评价指标的均值，

为第k个指标和其他指标互相影响程度的量化值，t_ik为评价指标i和k的相关系数；

步骤1.2：计算各评价指标的权重w_ck，公式如下：

所述步骤2的具体步骤为：

步骤2.1：根据评价目标的影响力权重，即偏好系数，对步骤1.1中包含评价指标信息量的原始指标集{u_i}中m个指标按重要性从大到小进行重新排序，排序后指标集记为{u_i1，…， u_ik，…，u_im}，其中，u_i1为最重要指标，u_im为最不重要指标，对评价指标u_ik与u_im重要程度之比a_k进行计算：

a_k＝u_ik/u_im，k＝1，2，…，m-1；

步骤2.2：当某个评价指标的信息量不足，不能计算出a_k准确值，此时赋予a_k一个取值范围，记为D_k，D_k＝[d_1k，d_2k]，通过区间长度e(D_k)以及区间中点n(D_k)的计算得出区间映射函数φε(D_k)，其中：

e(D_k)＝d_2k-d_1k

φε(D_k)＝n(D_k)+εe(D_k)

式中：ε为风险态度因子(|ε|≤0.5)，当-0.5≤ε≤0时，为保守型；当ε＝0时，为中立型；当0≤ε≤0.5时，为风险型；

若{D_k}赋值准确，则计算第k个指标的G2法权重w_Gk，如下：

所述步骤4的具体步骤为：

步骤4.1：设多因素评判对象集A＝{A₁，A₂，…，A_m}，衡量对象优劣的评判指标属性集为R₁，R₂，…，R_n，评判对象集A中的每个评判对象A_i(i＝1，2，…，m)的n个指标属性值构成的向量[a_i1，a_i2，，a_in]，以该向量作为n维空间中的一个点，能唯一地表征对象A_i；评判指标a_ij表示第i个评判对象的第j个指标属性值，其中，i∈[1，m]，j∈[1，n]，则初始评判矩阵为：

步骤4.2：由于各指标的量纲不尽相同，在进行决策时需要对指标属性值进行归一化处理，把数值均变换到[0，1]区间上；利用TOPSIS法进行归一化处理的评判矩阵B_j＝(b_ij)_m×n，其中：

步骤4.3：构建加权评判矩阵Z_j，把改进CRITIC修正G2法得到的评判指标的赋值权重 w构成权重矩阵W，与TOPSIS法所得归一化评判矩阵B_j相乘，得到加权综合评判矩阵：

所述步骤5的具体步骤为：

步骤5.1：根据加权综合评判矩阵Z_j获取评估目标的正负理想解：

f⁺＝{(max b_j|j∈J⁺)，(min b_j|j∈J^-)}

f^-＝{(min b_j|j∈J⁺)，(max b_j|j∈J^-)}

式中：J⁺为效益型指标，J^-为成本型指标，f⁺为评估目标的正理想解，f^-为评估目标的负理想解；

步骤5.2：计算各评判目标与理想解间的欧式距离：

式中：S_i ⁺表示评判目标与理想解间的正欧式距离，S_i ^-表示评判目标与理想解间的负欧式距离；

步骤5.3：计算各评判结果与最优的相对贴近度：

式中：N_i ⁺表示相对贴近度；

值越大，则评判对象越贴近理想解，评判对象越优，并依据相对贴近度的大小对各评判对象排序，形成决策依据。

采用上述技术方案所产生的有益效果在于：

首次利用数学预测模型研究抽采钻孔自燃危险性，利用改进CRITIC信息量修正G2赋权法，在兼顾指标数据变异性和冲突性的基础上，避免了单一赋权法不能同时体现主客观信息的弊端。依据优劣解距离法(TOPSIS)建立G2-TOPSIS瓦斯抽采钻孔自燃预测模型，对钻孔自燃危险进行客观评判，从而采取科学合理的钻孔自燃预防措施。

附图说明

图1为G2-TOPSIS综合评价模型计算流程。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

一种瓦斯抽采钻孔自燃危险预测方法，如图1所示，包括以下步骤：

步骤1：将测试点自燃危险单项指标煤碳化变质程度、煤氧化还原燃点温差、煤的吸氧能力、CO单位温升率、地质构造、煤层埋深、煤层厚度、煤层倾角、漏风强度、漏风时长、围岩温度、封孔方式、封孔长度、封孔深度、封孔材质作为评价指标，将评价指标分为主观指标和客观指标，利用改进CRITIC法对客观评价指标权重进行确定；

步骤1.1：对各评价指标包含的改进CRITIC信息量进行计算，公式如下：

式中：C_k为第k个评价指标的改进CRITIC信息量，σ_k为第k个评价指标的标准差，u_k为第k个评价指标的均值，

为第k个指标和其他指标互相影响程度的量化值，t_ik为评价指标i和k的相关系数；

步骤1.2：计算各评价指标的权重w_ck，公式如下：

步骤2：利用G2赋权法对主观指标权重进行确定；

步骤2.1：根据评价目标的影响力权重，即偏好系数，对步骤1.1中包含评价指标信息量的原始指标集{u_i}中m个指标按重要性从大到小进行重新排序，排序后指标集记为{u_i1，…， u_ik，…，u_im}，其中，u_i1为最重要指标，u_im为最不重要指标，对评价指标u_ik与u_im重要程度之比a_k进行计算：

a_k＝u_ik/u_im，k＝1，2，…，m-1； (3)

步骤2.2：当某个评价指标的信息量不足，不能计算出a_k准确值，此时赋予a_k一个取值范围，记为D_k，D_k＝[d_1k，d_2k]，通过区间长度e(D_k)以及区间中点n(D_k)的计算得出区间映射函数φε(D_k)，其中：

e(D_k)＝d_2k-d_1k (4)

φε(D_k)＝n(D_k)+εe(D_k) (6)

式中：ε为风险态度因子(|ε|≤0.5)，当-0.5≤ε≤0时，为保守型；当ε＝0时，为中立型；当0≤ε≤0.5时，为风险型；

若{D_k}赋值准确，则计算第k个指标的G2法权重w_Gk，如下：

步骤3：利用改进CRITIC法对G2法进行修正，确定评价指标的综合权重；

将各评价指标改进CRITIC信息量C_k的置信度区间记为[C_1k，C_2k]，其中k＝1，2，…，m，利用改进CRITIC信息量的置信度区间上下限之比计算两指标重要性程度之比的取值区间，代替G2法中的理性赋值区间，即：

式中：R_km为置信度区间；

计算第k个评价指标改进CRITIC修正G2区间判指标的赋值权重w为：

步骤4：构建初始评判矩阵；

步骤4.1：设多因素评判对象集A＝{A₁，A₂，…，A_m}，衡量对象优劣的评判指标属性集为R₁，R₂，…，R_n，评判对象集A中的每个评判对象A_i(i＝1，2，…，m)的n个指标属性值构成的向量[a_i1，a_i2，，a_in]，以该向量作为n维空间中的一个点，能唯一地表征对象Ai；评判指标a_ij表示第i个评判对象的第j个指标属性值，其中，i∈[1，m]，j∈[1，n]，则初始评判矩阵为：

步骤4.2：由于各指标的量纲不尽相同，在进行决策时需要对指标属性值进行归一化处理，把数值均变换到[0，1]区间上；利用TOPSIS法进行归一化处理的评判矩阵B_ij＝(b_ij)_m×n，其中：

步骤4.3：构建加权评判矩阵Z_ij，把改进CRITIC修正G2法得到的评判指标的赋值权重 w构成权重矩阵W，与TOPSIS法所得归一化评判矩阵B_ij相乘，得到加权综合评判矩阵：

步骤5：确定正负理想解计算相似度；

步骤5.1：根据加权综合评判矩阵Z_ij获取评估目标的正负理想解：

f⁺＝{(max b_ij|j∈J⁺)，(min b_ij|j∈J^-)} (13)

f^-＝{(min b_ij|j∈J⁺)，(max b_ij|j∈J^-)} (14)

式中：J⁺为效益型指标，J^-为成本型指标，f⁺为评估目标的正理想解，f^-为评估目标的负理想解；

步骤5.2：计算各评判目标与理想解间的欧式距离：

式中：S_i ⁺表示评判目标与理想解间的正欧式距离，S_i ^-表示评判目标与理想解间的负欧式距离；

步骤5.3：计算各评判结果与最优的相对贴近度：

式中：N_i ⁺表示相对贴近度；

值越大，则评判对象越贴近理想解，评判对象越优，并依据相对贴近度的大小对各评判对象排序，形成决策依据。

步骤6：构建G2-TOPSIS综合评判模型，根据组合赋权原理，确定准则层指标的加权综合判据矩阵Z_ij与基于改进CRITIC改进G2法重新排序后对准则层指标打分所构成的评判矩阵V结合得出评判对象综合评判结果L；

L＝Z_ijV (18)

步骤7：对抽采钻孔自燃危险等级进行建立，将抽采钻孔自燃危险分为5个级别，I级- 基本不可能发生、II级-较不可能发生、III级-可能发生、IV级-较可能发生、V级-极可能发生，各等级赋值均在[0，100]，各指标赋值越高说明该指标引起抽采钻孔自燃危险性越小，抽采钻孔发生自燃的概率越小，抽采钻孔自然发火评语等级及取值范围如表1所示。

表1抽采钻孔自然发火评语等级及取值范围

下面结合实施例进行具体说明：

以山西某煤矿为实例，选取工作面相距较远的3个抽采钻孔为测试点，采用CRITIC法对测试点自燃危险单项指标重新排序，并对重新排序后的15个单项指标打分，如表2所示。

表2打分及改进后的指标分值

根据表2打分区间，运用改进CRITIC修正的G2赋权法计算各评价指标权重，已知风险态度因子ε＝0.25，因此，将准则层各指标得分带入公式(9)，结果如表3所示，得到权重矩阵W。

表3评价指标权重数值

w＝diag(0.052 0.090 0.081 0.071 0.062 0.071 0.043 0.052 0.088 0.0810.081 0.043 0.073 0.052 0.062)

根据对各测点准则层指标打分建立初始判断矩阵A。

采用公式(11)对其进行归一化处理，得到B_ij。

把G2法所得评判指标权重矩阵W，与TOPSIS法所得归一化评判矩阵B_ij相乘，形成加权综合评判矩阵Z_ij：

将所得加权综合评判矩阵Z_ij带入公式(13)、(14)得出评估目标的正负理想解：

f⁺＝(0.034 0.063 0.053 0.043 0.043 0.049 0.028 0.034 0.058 0.0580.049 0.027 0.048 0.036 0.038)

f^-＝(0.026 0.045 0.040 0.036 0.032 0.026 0.021 0.026 0.043 0.0360.043 0.022 0.036 0.027 0.033)

根据所得正负理想解，利用公式(15)、(16)计算各测点数据与理想值之间的欧氏距离：

根据所得欧式距离，利用公式(17)计算出各测点与准则层各指标的相对贴近度：

从相对贴近度的计算结果可以看出，测点2的相对贴近度最大，为0.951030，说明测点 2处最适合采用该抽采钻孔自然危险评价模型。根据以上综合权重与相对贴近度的计算，测点2处评判结果最佳。将测点2的准则层加权综合评判权重Z_2j与打分构成的评判矩阵V相乘得出G2-TOPSIS综合评判结果L。

由G2-TOPSIS综合评判模型式(18)得出抽采钻孔自燃危险评判结果为L＝69.115∈(60，70]，预测抽采钻孔自燃危险等级为III级，与实际钻孔自然发火情况相符，表明模型预测结果适合现场应用，由各指标的权重得出煤氧化还原燃点温差(U’12)、漏风强度、漏风时长(U’32)、煤的吸氧能力(U’13)、封孔长度(U’42)对钻孔自燃危险的影响大于其他指标因素。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；因而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (3)

1.一种瓦斯抽采钻孔自燃危险预测方法，其特征在于：包括以下步骤：

步骤1：将测试点自燃危险单项指标煤碳化变质程度、煤氧化还原燃点温差、煤的吸氧能力、CO单位温升率、地质构造、煤层埋深、煤层厚度、煤层倾角、漏风强度、漏风时长、围岩温度、封孔方式、封孔长度、封孔深度、封孔材质作为评价指标，将评价指标分为主观指标和客观指标，利用改进CRITIC法对客观评价指标权重进行确定；

步骤1.1：对各评价指标包含的改进CRITIC信息量进行计算，公式如下：

式中：C_k为第k个评价指标的改进CRITIC信息量，σ_k为第k个评价指标的标准差，u_k为第k个评价指标的均值，

为第k个指标和其他指标互相影响程度的量化值，t_ik为评价指标i和k的相关系数；

步骤1.2：计算各评价指标的权重w_ck，公式如下：

步骤2：利用G2赋权法对主观指标权重进行确定；

步骤2.1：根据评价目标的影响力权重，即偏好系数，对步骤1.1中包含评价指标信息量的原始指标集{u_i}中m个指标按重要性从大到小进行重新排序，排序后指标集记为{u_i1，…，u_ik，…，u_im}，其中，u_i1为最重要指标，u_im为最不重要指标，对评价指标u_ik与u_im重要程度之比a_k进行计算：

a_k＝u_ik/u_im，k＝1，2，…，m-1；

步骤2.2：当某个评价指标的信息量不足，不能计算出a_k准确值，此时赋予a_k一个取值范围，记为D_k，D_k＝[d_1k，d_2k]，通过区间长度e(D_k)以及区间中点n(D_k)的计算得出区间映射函数φε(D_k)，其中：

e(D_k)＝d_2k-d_1k

φε(D_k)＝n(D_k)+εe(D_k)

式中：ε为风险态度因子(|ε|≤0.5)，当-0.5≤ε≤0时，为保守型；当ε＝0时，为中立型；当0≤ε≤0.5时，为风险型；

若{D_k}赋值准确，则计算第k个指标的G2法权重w_Gk，如下：

步骤3：利用改进CRITIC法对G2法进行修正，确定评价指标的综合权重；

将各评价指标改进CRITIC信息量C_k的置信度区间记为[C_1k，C_2k]，其中k＝1，2，…，m，利用改进CRITIC信息量的置信度区间上下限之比计算两指标重要性程度之比的取值区间，代替G2法中的理性赋值区间，即：

式中：R_km为置信度区间；

计算第k个评价指标改进CRITIC修正G2区间判指标的赋值权重w为：

步骤4：构建初始评判矩阵；

步骤5：确定正负理想解计算相似度；

步骤6：构建G2-TOPSIS综合评判模型，根据组合赋权原理，确定准则层指标的加权综合判据矩阵Z_ij与基于改进CRITIC改进G2法重新排序后对准则层指标打分所构成的评判矩阵V结合得出评判对象综合评判结果L；

L＝Z_ijV

步骤7：对抽采钻孔自燃危险等级进行建立，将抽采钻孔自燃危险分为5个级别，I级-基本不可能发生、II级-较不可能发生、III级-可能发生、IV级-较可能发生、V级-极可能发生，各等级赋值均在[0,100]，各指标赋值越高说明该指标引起抽采钻孔自燃危险性越小，抽采钻孔发生自燃的概率越小。

2.根据权利要求1所述的一种瓦斯抽采钻孔自燃危险预测方法，其特征在于：

所述步骤4的具体步骤为：

步骤4.1：设多因素评判对象集A＝{A₁，A₂，…，A_m}，衡量对象优劣的评判指标属性集为R₁，R₂，…，R_n，评判对象集A中的每个评判对象A_i(i＝1，2，…，m)的n个指标属性值构成的向量[a_i1，a_i2，，a_in]，以该向量作为n维空间中的一个点，能唯一地表征对象A_i；评判指标a_ij表示第i个评判对象的第j个指标属性值，其中，i∈[1,m]，j∈[1,n]，则初始评判矩阵为：

步骤4.2：由于各指标的量纲不尽相同，在进行决策时需要对指标属性值进行归一化处理，把数值均变换到[0，1]区间上；利用TOPSIS法进行归一化处理的评判矩阵B_ij＝(b_ij)_m×n，其中：

步骤4.3：构建加权评判矩阵Z_ij，把改进CRITIC修正G2法得到的评判指标的赋值权重w构成权重矩阵W，与TOPSIS法所得归一化评判矩阵B_ij相乘，得到加权综合评判矩阵：

3.根据权利要求1所述的一种瓦斯抽采钻孔自燃危险预测方法，其特征在于：

所述步骤5的具体步骤为：

步骤5.1：根据加权综合评判矩阵Z_ij获取评估目标的正负理想解：

f⁺＝{(maxb_ij|j∈J⁺)，(minb_ij|j∈J^-)}

式中：J⁺为效益型指标，J^-为成本型指标，f⁺为评估目标的正理想解，f^-为评估目标的负理想解；

步骤5.2：计算各评判目标与理想解间的欧式距离：

式中：S_i ⁺表示评判目标与理想解间的正欧式距离，S_i ^-表示评判目标与理想解间的负欧式距离；

步骤5.3：计算各评判结果与最优的相对贴近度：

式中：N_i ⁺表示相对贴近度；

值越大，则评判对象越贴近理想解，评判对象越优，并依据相对贴近度的大小对各评判对象排序，形成决策依据。

Images