【正文】 的影響也較大 ， 相應(yīng)其權(quán)重亦大。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。 （ 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。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。 按照最大隸屬度原則 ， 即可得到模糊綜合評判結(jié)果。 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。 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。 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)。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。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)。 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)。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。 （ 2） 能力特征一自學(xué)習(xí)、自組織與自適應(yīng)性。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。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。 （ 1） 結(jié)構(gòu)特征一并行處理、分布式存儲與容錯性。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。 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)、活動機制的初步認識提出的一種新型信息處理體系。 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。 （ 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。 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。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。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。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。 （ 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。 （ 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 。 （ 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。 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。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，并逐步往更細致的 方面發(fā)展。 國內(nèi)外尚有不少學(xué)者依靠 GIS 的技術(shù)支持，建立了地質(zhì)災(zāi)害勘察綜合地球物理信息管理與解釋系統(tǒng)，其強大的空間信息管理和分析功能使地質(zhì)災(zāi)害研究進入了一個嶄新的信息化、數(shù)字化、定量化階段。在礦業(yè)方面， GIS 技術(shù)在礦產(chǎn)資源評價、礦區(qū)瓦斯含量分布規(guī)律探討、安全生產(chǎn)信息管理系統(tǒng)的建立等方面都有較為成功的應(yīng)用。 （ 9） GIS 技術(shù)、三維地學(xué)模擬技術(shù) 1963 年由加拿大測量學(xué)家 首先提出的 GIS 技術(shù)是集地理學(xué)、繪圖學(xué)、遙感學(xué)、圖 形圖像學(xué)以及計算機科學(xué)于一身的邊緣學(xué)科。 ② 瓦斯項綜合指標(biāo) 瓦斯綜合指標(biāo)是煤與瓦斯突出非線性動力前兆信息表現(xiàn)的評價標(biāo)準，以往的瓦斯評價停留在瓦斯曲線分析，通常通過觀察的方式來實現(xiàn)，即通過瓦斯?jié)舛绕x平均值的程度和偏離幅度值的大小來觀察，瓦斯涌出變化模型中的偏差和方差就是這兩項內(nèi)容的體現(xiàn)，所以以此為基礎(chǔ)，通過數(shù)據(jù)分析及函數(shù)構(gòu)造建立瓦斯綜合指標(biāo)的評價模型。一定時間步長的瓦斯?jié)舛戎档姆讲畋砻髁送咚褂砍龅淖兓潭?。因為一方?， 它反映的是序列的離散程度，也即各值偏離均值的程度。 13 y(?h)t =xt ?A（ ?h） tA（ ?h） t 式中 A（ ?h） t = 1?h∑ xt?i=1?hi=1 （ 最近Δ h 時長內(nèi)的瓦斯?jié)舛然瑒悠骄?） ； t 為當(dāng)前時刻Δ h 為時間長度； x 為 t 時刻的瓦斯?jié)舛戎?，本文中依?jù)“三八”制掘進方式選用Δ h=8 來對實時值和特征值進行偏差分析。 偏差：一組數(shù)據(jù)偏離其平均數(shù)的值，對于不同的礦井 ， 在使用滑動平均線判斷突出發(fā)生的過程中即使曲線趨勢是一致的 ， 但礦井的煤層瓦斯含量、煤層滲透性系數(shù)等不一樣，監(jiān)控系統(tǒng)所測得的瓦斯?jié)舛纫矔嬖谥顒e。 b 最佳平滑系數(shù)的確定 最佳的平滑常數(shù)應(yīng)使實際瓦斯?jié)舛戎岛皖A(yù)測值之間的誤差最小，通常是預(yù)測誤差（平均誤差和標(biāo)準誤差）的平方和的平方根（ RMSPE）最小， y 為實際值的均值。當(dāng)觀測數(shù)據(jù)序列呈現(xiàn)不規(guī)則變動，但波動不大 ， 長期趨勢變動緩慢時 ， 一般取α =~，此時指數(shù)平滑模型是“重老信息、輕新信息”的；當(dāng)觀測序 列波動較大，長期趨勢變動明顯時，一般取α =~，此時平滑指數(shù)模型是“輕老信息、重新信息”的 。指數(shù)平滑值和平滑系數(shù)是該法的兩個主要參數(shù)。 A 指數(shù)平滑預(yù)測模型 a 模型的建立 趨勢類指標(biāo)通過瓦斯?jié)舛仍谝欢〞r期內(nèi)的變化狀況 （ 上升、水平走向、下降 ） ，來反映煤層中影響煤與瓦斯突出的各因素與突出的相互關(guān)系。 ①異常信息提取模型 通過對瓦斯動態(tài)涌出特點的分析以及時間序列分析本身的作用進行對比分析，根據(jù)巷道瓦斯涌出情況實現(xiàn)煤與瓦斯突出的動態(tài)趨勢性預(yù)報 ， 由于在一定時段內(nèi)具體掘進工作面的瓦斯?jié)舛葧幱谝欢ǖ乃?，即表現(xiàn)為一定的特征值，這12 樣當(dāng)瓦斯?jié)舛戎灯x次特征值，表現(xiàn)為離群點，這些離群點所表現(xiàn)的異常信息可以作為預(yù)警煤與瓦斯突出的前兆信息。 2）瓦斯涌出動態(tài)特征法 根據(jù)工作面瓦斯涌出特征，利用模式識別技術(shù)對基于礦井監(jiān)測系統(tǒng)的突出預(yù)測系統(tǒng)進行了研究，認為在現(xiàn)有礦井監(jiān)測系統(tǒng)基礎(chǔ)上考慮工作面瓦斯涌出特征，利用計算機模式識別技術(shù)研究非接觸式煤與瓦斯突出預(yù)測系統(tǒng)可行。俄羅斯斯闊欽斯基礦業(yè)研究院根據(jù)連續(xù)監(jiān)測掘進煤巷每個落煤循環(huán)的瓦斯涌出量數(shù)據(jù)，采用相對均方根偏差公式計算瓦斯涌出變動系數(shù)Kv 表征瓦斯涌出增 減的變化幅度。德國研究表明，如果 V30 值達到崩落煤可解析瓦斯量的 40%，則說明存在突出可能性，如果達到 60%，則表示有突出危險。因此，國內(nèi)外廣泛采用與之相關(guān)的瓦斯涌出特征指標(biāo)進行突出預(yù)測，如 V30（ V60） 、 Kv 指標(biāo)及鉆孔瓦斯涌出初速度等，取得了一定效果，但仍未完全實現(xiàn)對突出動態(tài)前兆連續(xù)變化規(guī)律和特征的考察 [7]。這些先進數(shù)學(xué)方法的優(yōu)點都是傳統(tǒng)方法無法比擬的。一些先進的數(shù)學(xué)方法 [4]的出現(xiàn) ， 為解決這一問題開辟了一條新途徑。煤與瓦斯突出的發(fā)生是由地應(yīng)力、高壓瓦斯、煤的結(jié)構(gòu)性能、地質(zhì)構(gòu)造、煤厚變化、煤體結(jié)構(gòu)及圍巖特征等諸多因素決定的。在優(yōu)化理論和方法、現(xiàn)代分析理論和方法、隨機理論和方法、混沌與分形理論和方法的數(shù)學(xué)基礎(chǔ)上，構(gòu)造新的算法以解決彈性波非線性反演中的非弱散射問題，以突破應(yīng)該屬于 21 世紀的地球?qū)游龀上駟栴}，必將使彈性波 CT 預(yù)測煤與瓦斯突出變成現(xiàn)實 。非接觸式預(yù)測是煤與瓦斯突出預(yù)測技術(shù)的一場重大革命，也是煤與瓦斯突出危險性評價技術(shù)發(fā)展的必然趨勢。 據(jù)專家介紹，目前地震聲學(xué)預(yù)測法尚存在許多問題亟待解決，重點應(yīng)著手解決信號源、通信線路和傳感器本身的諸多問題。 在俄羅斯，以地震聲學(xué)方法為主的彈性波技術(shù)在煤與瓦斯突出危險性預(yù)測領(lǐng)域中的研究與應(yīng)用已有半個多世紀的歷程， 1965 年地震聲學(xué)預(yù)測方法的判斷準則問世，該方法隨即成為標(biāo)準的預(yù)測方法并迅速得到廣泛的應(yīng)用。同時 ， 采用超聲波技術(shù)來監(jiān)測巖層響聲能量。研究表明 ， 突出是由連續(xù)的、多起斷裂引起的 ， 而且異常的微震發(fā)射通常在斷裂之前 4~45min 內(nèi)產(chǎn)生 ， 故微震法 [5]作為突出預(yù)報方法 ， 具有廣闊的應(yīng)用前景。煤巖內(nèi)的震動波可以被安設(shè)在煤體內(nèi)的探測儀器 （ 如地音器或拾震器 ） 所接收 ， 經(jīng)放大并記錄10 下來。研究表明 ， 煤和圍巖受力破壞過程中 ， 會發(fā)生破裂和震動。此方法在平頂山八礦也得到了很好的驗證。由卸壓區(qū)到應(yīng)力集中區(qū) ， 在垂直于煤壁的內(nèi)部方向上單位煤體應(yīng)力及瓦斯壓力升高時的電磁輻射信號也越來越強 ； 在應(yīng)力集中區(qū) ， 應(yīng)力和瓦斯壓力達最大值 ， 煤體的變形破裂過程最強烈 ， 電磁輻射源產(chǎn)生的電磁輻射信號最強 ； 進入原始應(yīng)力區(qū) ，不同 度方向上電磁輻射源產(chǎn)生的電磁輻射的強度將有所下降。電磁輻射 [4]與煤的應(yīng)力狀態(tài)及瓦斯?fàn)顟B(tài)有關(guān) ，應(yīng)力越高、瓦斯壓力越大時 ， 電磁輻射信號就越強 ， 電磁輻射脈沖數(shù)就越大。 （ 5） 利用電磁輻射強度進行煤與瓦斯突出危險性預(yù)測。實踐表明 ， 把突出的溫度變化信息作為突出預(yù)測指標(biāo)之一 ， 并與其它預(yù)測指標(biāo)如電磁輻射強度、聲輻射強度等一起進行非接觸式突出工作面預(yù)測以提高預(yù)測的準確性是可行的。王宏圖等進行掘進工作面的突出危險性的研究中 ， 定義了鉆屑溫度 和煤體溫度作為敏感指標(biāo)。利用溫度狀況預(yù)測突出危險性的理論依據(jù)是瓦斯解吸時吸熱 ， 導(dǎo)致煤層溫度降低 ， 溫度降低越明顯 ， 說明煤層瓦斯解吸能力越強 ， 則沖擊地壓和突出危險性越大。氡氣 [4,5]的超強擴散能力和易于被檢測的特點 ， 將成為采掘工作面預(yù)測煤與瓦斯突出最有發(fā)展前景的預(yù)測方法 ， 而 HDC 連續(xù)測氡儀可以實現(xiàn)對其的在線檢測。在煤層被破壞的突出危險帶 ， 由于氡氣擴散速度要比瓦斯高出許多 ， 氡氣放射強度會先于瓦斯變化而大幅升高。氡元素是自然界中唯一的放射性氣體元素 ， 是放射性元素鐳和钚衰變過程中的中間產(chǎn)物?？梢酝ㄟ^無線電波透視探測出采煤工作面內(nèi)存在的地質(zhì)構(gòu)造破碎帶 ， 來達 到預(yù)測煤與瓦斯突出危險區(qū)域的目的。該技術(shù)在韓城、南桐、陽泉、平頂山等礦務(wù)局應(yīng)用中 ， 多次發(fā)現(xiàn)無線電波透視圈定的斷層、褶曲、產(chǎn)狀變化、力學(xué)性質(zhì)變化等地質(zhì)異常帶是煤與瓦斯突出多發(fā)地帶。同時 ， 針對實際應(yīng)用中的具體問題 ，進行 大量的基礎(chǔ)性研究 ， 取得豐碩的成果。 20 世紀 70 年代中期在東頓涅茨無煙煤礦區(qū)進行了系統(tǒng)試驗。無線電波透視探測技術(shù)在國內(nèi)外都進行了較為廣泛的研究及推廣應(yīng)用。聲發(fā)射技術(shù)用于礦井已有幾十年的歷史 ， 其在巖爆監(jiān)測方面已取得一些成果 ， 盡管很多人認為聲發(fā)射突出預(yù)測系統(tǒng)是一種很有發(fā)展前途的預(yù)測方法 ， 各國都投入了大量的人力物力進行了廣泛的研究 ， 但目前其突出預(yù)測的可靠程度與生產(chǎn)實際的需要還有差距 ， 隨著大容量、 高速度計算機系統(tǒng)的引