【文章內(nèi)容簡介】 了一個嶄新的信息化、數(shù)字化、定量化階段?？茖W(xué)計算可視化自 20 世紀(jì) 80 年代中期誕生以來，在許多領(lǐng)域得到了廣泛的應(yīng)用，對于三維地震理論來說，可視化以易于人們感知的三維地震波場和數(shù)據(jù)關(guān)系的描述，為勘探人員提供反映地層構(gòu)造形態(tài)和屬性特征的三維圖像，是三維地震解釋的重要手段。最近幾年在煤礦，以高分辨率三維地震為主的地面綜合探測技術(shù)已基本成熟，能夠查明落差小至5m 左右的斷 層和直徑 30m 左右的陷落柱、沖刷無煤區(qū)等，并逐步往更細(xì)致的 方面發(fā)展。 煤與瓦斯突出預(yù)測的發(fā)展趨勢是，利用聲發(fā)射監(jiān)測技術(shù)對變形破裂劇烈區(qū)域進行定位，利用電磁輻射監(jiān)測技術(shù)工作面非接觸連續(xù)預(yù)測，再結(jié)合現(xiàn)有的環(huán)境監(jiān)測系統(tǒng)監(jiān)測的瓦斯涌出動態(tài)對煤與瓦斯突出現(xiàn)象進行準(zhǔn)確預(yù)測，并在綜合研究基礎(chǔ)上，開發(fā)出預(yù)測方法的集成監(jiān)測技術(shù)和判識軟件，形成煤與瓦斯突出實時分析專家診斷系統(tǒng)。 突出災(zāi)害預(yù)測新方法 （ 1） 地震 AVO 反演預(yù)測法 ： 中國礦業(yè)大學(xué)謝和平等教授研究提出，利用地震 AVO 技術(shù)的反演方法來預(yù)測突出區(qū)域的異常參數(shù)，通過淮南潘三煤礦的預(yù)測實例表明 ： 突出區(qū)煤巖破碎和瓦斯量的增高會引起地震 AVO 的異常，如反射系數(shù)隨著偏移距的增大而降低，截距和梯度比非突出區(qū)要高。尤其是在密度和剪切模量乘積反射系數(shù)剖面上反映最強 [9]。 （ 2） 神經(jīng)網(wǎng)絡(luò)辨識和預(yù)測法 ： 自神經(jīng)網(wǎng)絡(luò)理論誕生以來，運用到煤礦安全預(yù)測的研究日益走紅，如譚云亮、孫海濤、楊敏、吳財芳等利用神經(jīng)網(wǎng)絡(luò)理論中的自 適應(yīng)小波神經(jīng)網(wǎng)絡(luò)理論進行突出的模式辨識與預(yù)測，并建立了預(yù)測模型。 南棟詳對具有變量藕合、隨機和突變特性的突出一類復(fù)雜系統(tǒng)，提出了用量 子廣義神經(jīng)網(wǎng)絡(luò)的方法來預(yù)測突出 ； 王敏利用遺傳算法反向傳播神經(jīng)網(wǎng)絡(luò)模型來預(yù)測預(yù)15 報突出強度 。 （ 3） 可拓聚類預(yù)測法 ： 中國礦業(yè)大學(xué)學(xué)者郭德勇等應(yīng)用物元和可拓集合理論建立了突出危險性預(yù)測的物元可拓模型，提出了突出危險性預(yù)測的可拓聚類方法 。 以平頂山煤業(yè)集團公司天安十三礦為例對突出危險性預(yù)測可拓聚類方法的可行性進行了驗證 [10]。 （ 4） 模糊數(shù)學(xué)、神經(jīng)網(wǎng)絡(luò)理論綜合運用預(yù)測法 ： 影響瓦斯突出的主要因素是不確定的，突出危險性預(yù)測可視為一個多因素決定的模糊事件。郭德勇等研究團隊將層次分析和模糊綜合評判方法結(jié)合起來應(yīng)用于突出預(yù)測研究中。16 第二章 煤與瓦斯突出危險性評 判 方法 三角模糊數(shù)綜合評判 三角模糊數(shù)的基本原理 美國學(xué)者 提出的層次分析法 （ AHP） 是一種定性和定量相結(jié)合的實用決策方法，用于解決多目標(biāo)復(fù)雜問題的決策分析，在社會各個領(lǐng)域得到了廣泛的應(yīng)用。層次分析法 （ AHP） 作為一種評價方法，采用 19 標(biāo)度法，通過對評價對象的兩兩比較，得出判斷矩陣，對定性和定量問題的綜合處理，得出明確的量化結(jié)論，并且通過優(yōu)劣排序體現(xiàn)指標(biāo)間的重要程度。但是評價在構(gòu)造判斷矩陣時未能考慮人的判斷的模糊性和不確定性，同時在一致性檢驗時過于復(fù)雜，實用程 度不高。因此，荷蘭學(xué)者 VanLaargoven 于 1983 年提出用三角模糊數(shù)表示模糊比較判斷的方法， 并且應(yīng)用三角模糊數(shù)的計算方法得到指標(biāo)權(quán)重的排序。從而使得層次分析法在模糊環(huán)境下進行，使得計算結(jié)果更加科學(xué)可靠。采用三角模糊數(shù)的綜合評價方法，克服了通 過層次分析法獲得權(quán)重時人為因素影響大的缺陷，很好的解決了模糊信息的處理和計算問題 [11]。 三角模糊數(shù)綜合評判步驟 根據(jù)三角模糊綜合評判的基本原理，在實際應(yīng)用中可分為以下幾個步驟 ： （ 1） 根據(jù)評價問題的總目標(biāo)，建立系統(tǒng)的遞階層次結(jié)構(gòu)圖。 （ 2） 由專家對評價指標(biāo)的各個因素進行兩兩比較，并用三角模糊數(shù)構(gòu)造模糊判斷矩陣。 （ 3） 應(yīng)用三角模糊數(shù)的基本原理計算出各模糊判斷矩陣中各因素相對于其它因素的模糊綜合程度。 （ 4） 分別比較第 xi 個 因素重要于其它各因素的綜合重要程度，經(jīng)過歸一化處理得到相對于總目標(biāo)的模糊權(quán)重。 17 煤與瓦斯突出危險性評價指標(biāo)的三角模糊綜合評判 構(gòu)建三角模糊判斷矩陣時，首先專家依據(jù)各個因素相對于目標(biāo)層的重要性程 度通過兩兩比較的方式，來確定因素的相對重要性，將評價結(jié)果用三角模糊數(shù) A = (lij mij uij)來表示因素 xi 與 xj 的重要程度。 lij、 、 mij、 uij 分別表示因素 xi 相 對于 xj 的重要度的最悲觀估計、最 可 能估計和最樂觀估計。 人工神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò)是基于對人腦組織結(jié)構(gòu)、活動機制的初步認(rèn)識提出的一種新型信息處理體系。它由類似于神經(jīng)元的處理單元相互連接而成的非線性復(fù)雜網(wǎng)絡(luò)系統(tǒng)，在對人腦神經(jīng)網(wǎng)絡(luò)認(rèn)識的基礎(chǔ)上，以數(shù)學(xué)和物理方法以及信息處理的角度對人腦神經(jīng)網(wǎng)絡(luò)進行抽象，并建立某種簡化模型，就稱其為人工神經(jīng)網(wǎng)絡(luò)。它通過模仿腦神經(jīng)系統(tǒng)的組織結(jié)構(gòu)以及某些活動機理，人工神經(jīng)網(wǎng)絡(luò)可呈現(xiàn)出人腦的許多特征。主要包括結(jié)構(gòu)特征和能力特征兩方面 。 （ 1） 結(jié)構(gòu)特征一并行處理、分布式存儲與容錯性。人工神經(jīng)網(wǎng)絡(luò)由大量簡單處理元件相互連接構(gòu)成的高度并行的非線性系統(tǒng)，具有大規(guī)模 并行處理特征。結(jié)構(gòu)上的并行性使神經(jīng)網(wǎng)絡(luò)的信息存儲必然采用分布式的方式，即信息不是存儲在網(wǎng)絡(luò)的某個局部，而是分布在網(wǎng)絡(luò)所有的連接權(quán)中。神經(jīng)網(wǎng)絡(luò)內(nèi)在的并行性和分布性使其在信息存儲與處理都是空間上分布、時間上并行。這兩個特點使神經(jīng)網(wǎng)絡(luò)具有較好的容錯性，當(dāng)網(wǎng)絡(luò)中的部分神經(jīng)元損壞時不會對系統(tǒng)的整體性能造成影響。另一方面當(dāng)輸入模糊、殘缺或變形的信息時，神經(jīng)網(wǎng)絡(luò)能通過聯(lián)想恢復(fù)完整的記憶，從而實現(xiàn)不完整輸入信息的正確識別。 （ 2） 能力特征一自學(xué)習(xí)、自組織與自適應(yīng)性。自適應(yīng)性時指一個系統(tǒng)能 自 身的性能以適應(yīng)環(huán)境變化的能力。神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)是指當(dāng)外界環(huán)境發(fā)生變化 時，經(jīng)過一段時間的訓(xùn)練或感知，神經(jīng)網(wǎng)絡(luò)能通過自動調(diào)節(jié)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，使得 對于給定輸入能產(chǎn)生期望的輸出。神經(jīng)系統(tǒng)在外部刺激下按一定規(guī)則調(diào)整神經(jīng)元 之間的突觸連接，逐漸構(gòu)建起神經(jīng)網(wǎng)絡(luò)，這一構(gòu)建過程為網(wǎng)絡(luò)的自組織。 神經(jīng)網(wǎng)絡(luò)的基本功能 ： 神經(jīng)網(wǎng)絡(luò)具有聯(lián)想記憶、非線性映射、分類與識別、 優(yōu)化計算和知識處理五種智能特點，重點是其前兩種功能 ： 1） 聯(lián)想記憶功能 指 18 神經(jīng)網(wǎng)絡(luò)能夠通過預(yù)先存儲信息和學(xué)習(xí)機制進行自適應(yīng)訓(xùn)練，從不完整的信息和 噪聲干擾中恢復(fù)原始的 完整信息 ； 2） 非線性映射功能，指神經(jīng)網(wǎng)絡(luò)能夠通過 系 統(tǒng)輸入輸出樣本的學(xué)習(xí)自動提取蘊含其中的映射規(guī)則，從而以任意精度擬合任意 復(fù)雜的非線性函數(shù)。 人工神經(jīng)網(wǎng)絡(luò)按網(wǎng)絡(luò)結(jié)構(gòu)分為前饋型網(wǎng)絡(luò)和反饋型網(wǎng)絡(luò)。前饋型網(wǎng)絡(luò)是從輸 入層到各隱層再到輸出層逐層進行處理信息的網(wǎng)絡(luò)結(jié)構(gòu)。反饋型網(wǎng)絡(luò)計算單元既 可以從外界接受輸入，同時又可以向外界輸出。神經(jīng)網(wǎng)絡(luò)框架的確定一般分為以 下幾個步驟 ： 1） 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計 ； 2） 神經(jīng)元個數(shù)的確定 ； 3） 神經(jīng)網(wǎng)絡(luò)層次確定，包括輸入層、隱含層和輸出層節(jié)點數(shù)的確定 ； 4） 網(wǎng)絡(luò)單元的連接 ； 5） 神經(jīng)網(wǎng)絡(luò)能量函數(shù)和閉值的確定。 通過相應(yīng)的案例討論了煤與瓦斯突出危險性的影響因素，應(yīng)用三角模糊數(shù)的綜合評價方法確定了影響突出危險性的主控因素，基于 BP 神經(jīng)網(wǎng)絡(luò)的煤與瓦斯突出危險性的預(yù)測實際是前而工作的繼續(xù)，目的在于通過對突出影響因素的分析，將其分析結(jié)果作為網(wǎng)絡(luò)訓(xùn)練時輸入樣本選擇的依據(jù)，預(yù)測方案可按以下幾個步驟進行 ： 1） 通過對煤與瓦斯突出影響因素的分析，利用三角模糊數(shù)的綜合評價方法， 確定控制突出的主控因素。 2） 選擇排序在前列的地應(yīng)力、瓦斯參數(shù)、煤的物理力學(xué)的因素作為人工 經(jīng) 網(wǎng)絡(luò)分析的輸入樣本類型，即為含有多個地應(yīng)力、瓦斯參數(shù)以及物理力學(xué)因素的 一組數(shù)據(jù)。 3） 對輸入的樣本數(shù)據(jù)進行預(yù)處理，建立基于 BP 神經(jīng)網(wǎng)絡(luò)煤與瓦斯突出危險 性預(yù)測的數(shù)學(xué)模型。 4） 實施對輸入樣本的網(wǎng)絡(luò)訓(xùn)練，并最終確定樣本數(shù)據(jù)和煤與瓦斯突出 （ 突 出 ） 的非線性映射關(guān)系。 5） 利用 BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的非線性映射關(guān)系進行煤與瓦斯突出的危險性 預(yù)測。 19 模糊綜合評判 原理 模糊綜合評判是通過建立 m 種因素構(gòu)成的因素集 U 和 n 種決策構(gòu)成的決策集 V 的基礎(chǔ)上 ， 給出 U 的權(quán)重分配集 A， 構(gòu)成從 U 到 V 的模糊關(guān)系矩陣 R， 即 ： 其中 ， μ R（ ui， υ j） = rij 表示因素 ui 對分級集υ j 的隸屬度。將權(quán)重集合 A輸入模糊關(guān)系矩陣中 ， 進行綜合評判可以得到模糊決斷集 B， 即 ： B = A R。 按照最大隸屬度原則 ， 即可得到模糊綜合評判結(jié)果。 模糊綜合評判模型的建立 過程： （ 1） 確定因素集 U U = {u1， u2， ? ， un}， 即對工作面突出危險性有影響的因素集。工作面煤與瓦斯突出是多種因素綜合作用的結(jié)果 ， 對于因素集的選取應(yīng)盡可能全面 ， 以便確定合理的突出危險性等級。根據(jù)煤與瓦斯突出的綜合假說以及通過對平頂山礦區(qū)工作面突出情況的統(tǒng)計分析 ， 對工作面突出危險性的影響因素選取如下 6 個因素 ：最大瓦斯壓力 p、軟分層厚度、最大鉆孔瓦斯涌出初速度 q、最小堅固性系數(shù) f、最大開采深度以及打鉆時動力現(xiàn)象 ， 它們分別與因素集中的 u u u u u5和 u6 相對應(yīng)。 （ 2） 煤與瓦斯突出危險性決策分級集 V 的確定 V = {υ1， υ2， …， υm}， 即煤與瓦斯突出危險性等級。煤與瓦斯突出危險等級還沒有一個明確的界限 ， 根據(jù)對礦區(qū)工作面突出情況的統(tǒng)計 ， 將工作面的突出危險性可以劃分為 3 個等級 ， 即υ 1 為一般突出危險、υ 2 為中等突出危險、υ 3 為嚴(yán)重突出危險 。 指標(biāo)包括定量和定性 指標(biāo) ， 對于定量指標(biāo)與 突出危險性的關(guān)系 ， 可以采用實際統(tǒng)計分析得出 ， 而對于定性指標(biāo) ， 如打鉆時動力現(xiàn)象 ， 往往表現(xiàn)為噴孔、頂鉆和夾鉆等 ， 我們可以用無量綱值來量化 ， 在這里 1 代表打鉆時動力現(xiàn)象最嚴(yán)重的情況 ， 指噴孔 ~1 區(qū)間代表夾鉆、頂鉆等輕微動力現(xiàn)象 ， 而小于 表示打鉆時未出現(xiàn)動力現(xiàn)象 ， 其值的大小可以根據(jù)實20 際的動力現(xiàn)象大小在各個區(qū)間適當(dāng)取值。 （ 3） 確定各因素模糊矩陣關(guān)系 R R 是著眼于因素集 U 上到分級集 V 上的一個模糊關(guān)系 ， μ R（ ui， υ j） = rij表示因素 ui 對分級集υ j 的隸屬度。通過建立各因素的隸屬函數(shù) ， 可以求出其相應(yīng)的隸屬度 ， 本文中所選取的隸屬函數(shù)是在對各因素分析基礎(chǔ)上的半梯形分布 ，這里的Ⅰ為一般突出危險、Ⅱ為中等突出危險、Ⅲ為嚴(yán)重突出危險。 （ 4） 確定各單因素的模糊權(quán)重集 A A = （ a1， a2， …， am） 在權(quán)重集合中 ： ∑ ai = 1 且 ai ≥ 0mi=1 權(quán)重的確定方法有很多種 ， 如根據(jù)調(diào)查統(tǒng)計和專家經(jīng)驗、多元回歸分析法、灰色系統(tǒng)關(guān)聯(lián)度分析法等來確定。但不論哪種方法都必須遵循以下原則 ， 即主導(dǎo)因子對危險度的影響最大 ， 故權(quán)重亦最大 ， 其它因子若與主導(dǎo)因子相關(guān)性越大 ，對危險度的影響也較大 ， 相應(yīng)其權(quán)重亦大。 基于 SuperMap 的煤與瓦斯突出危險性綜合評價 地理信息系統(tǒng) （ GIS） 的本質(zhì)和核心是管理和分析空間數(shù)據(jù)。利用 GIS 軟件的空間分析功能對地圖、圖形、屬性數(shù)據(jù)等形式的信息進行綜合分析，可迅速地挖掘出滿足應(yīng)用需要的隱含信息。因此，近年來 GIS 在地學(xué)領(lǐng)域內(nèi)得到了廣泛關(guān)注和迅猛發(fā)展。煤與瓦斯突出危險性評價是煤礦安全評價的一項重要內(nèi)容，但由于我國評價方法尚不完善，造成定性評價方法使用較多，定量評價方法使用較 少 。因此有必要對煤與瓦斯突出危險性定量評價方法進行研究，來對礦井的健康狀況進行精確的評價。借助 GIS 軟件 SuperMap Deskpro 的空間分析功能對礦煤與瓦斯突出危險性進行定量評價，為瓦斯突出與防治提供準(zhǔn)確依據(jù) [12]。 （ 1） 評價方法 1） 評價因素的確定。煤與瓦斯突出影響因素有很多，依據(jù)《防治煤與瓦斯突出規(guī)定》和礦實際情況，瓦斯因素包括 ： 煤層瓦斯壓力 p、瓦斯含量 W； 地質(zhì)因素包括 ： 斷層、陷落柱、煤層厚度等因素。 2） 評價因素權(quán)重和隸屬函數(shù)的確定。根據(jù)煤與瓦斯突出影響因素種類的確定及其各要素相對重要性的認(rèn)識，要素的相對重要性用權(quán)重表示。將礦煤與瓦斯21 突出危險性評價因素權(quán)重和隸屬函數(shù)統(tǒng)計。 3） 數(shù)據(jù)準(zhǔn)備。雙柳礦煤 與瓦斯突出危險性評價時需要用到以下圖形數(shù)據(jù) ：鉆孔、陷落柱、斷層、采掘工程、地面建筑、井田邊界、經(jīng)緯網(wǎng)、圖框 ； 瓦斯含量點、瓦斯壓力點 ； 由用戶和系統(tǒng)生成的臨時數(shù)據(jù)。第一類圖形數(shù)據(jù)可從煤礦采掘工程平面圖中獲得。目前，煤礦采掘工程平面圖大多以． dwg 格式存在，利用SuperMap Deskpro 5． 2 對． dwg 文件進行分層轉(zhuǎn)化。轉(zhuǎn)換前，首先要保證． dwg文件為 AutoCAD2022 或以前版本格式 ； 隨后，將． dwg 文件導(dǎo)入 SuperMap 以數(shù)據(jù)集保存。第二類圖形數(shù)據(jù)需要用戶依據(jù)煤礦勘探和生產(chǎn) 階段的實測瓦斯參數(shù)和觀測資料分層繪制。繪制前，需要分類整理實測點 （ 觀測點 ） x、y 坐標(biāo)及其實測 （ 觀測 ） 值，整理結(jié)果按類分別以． mdb 文件單獨保存。將． mdb文件導(dǎo)入 SuperMap Deskpro 5． 2 軟件中，調(diào)用“數(shù)據(jù)集”菜單中“類型轉(zhuǎn)換”的子項“屬性點數(shù)據(jù)集”， SuperMapDeskpr