基于地理信息系统和神经网络的煤与瓦斯突出预警

D01:10.133741.ism100103x.2009.0L.002 第31卷第1期 北京科技大学学报 Vol.31 No.I 2009年1月 Journal of University of Science and Technology Beijing Jan.2009 基于地理信息系统和神经网络的煤与瓦斯突出预警 郭德勇)王仪斌)卫修君2王新义2) 1)中国矿广业大学（北京）资源与安全工程学院.北京1000832)平项山煤业（集团）有限责任公司，平顶山467000 摘要依据煤与瓦斯突出机理及突出过程物理特征，结合煤矿安全监测系统，提出以瓦斯浓度和煤体温度时间序列的煤与 瓦斯突出预警指标，利用GS技术和人工神经网络建立了煤与瓦斯突出预警模型.某矿17180工作面的预警结果表明：预警 模型可以为煤与瓦斯突出预警提供技术支持. 关键词地理信息系统：神经网络：瓦斯浓度：煤体温度：煤与瓦斯突出：预警 分类号TD713+.2:TP183 Early warning of coal and gas outburst by GIS and neural network GUO Deyong,WANG Yi-bin1,WEI Xiu-jun?,WANG Xin-yi2) 1)Resource and Safety Engineering Schod,China University of Mining and Technology (Beijing).Beijing 100083.China 2)Pingdingshan Coal Mining Group Co.Ltd.,Pingdingshan 467000.China ABSTRACI Based on the mechanism of coal and gas outburst and the phy sical characters of outburst process.in combination with a coal mine safety monitoring system.early warning indexes w ere proposed by the time series of methane concentration and coal tem- perature.An early warning modd of ooal and gas outburst was built by globe information system (GIS)technology and artificial neu- ral network.Taking 17180 working face for an example,the early warning model was tested in an exact mine.The result shows that the model can povide technical support for early warning of coal and gas outburst. KEY WORDS globe information system;neural netw ork;methane concentration coal temperature;coal and gas outburst;early w arning 煤与瓦斯突出是严重威胁煤矿安全生产的地质 1煤与瓦斯突出预警指标及其模型 灾害.关于煤与瓦斯突出预测预警己进行了大量的 研究工作一).有以瓦斯突出指标为基础的瓦斯突 1.1预警指标的提出 出预测和以安全管理为目标的预警系统等. (1)瓦斯浓度.研究资料1G表明，瓦斯涌出 对于突发性事件采取科学的预警技术是采取预防措 特征与工作面前方的突出危险性存在着相关性.根 施的关键-y.基于地理信息系统(globe infoma- 据对瓦斯突出机理的认识，可以将工作面前方煤体 tion system,GIS)和神经网络的煤与瓦斯突出预警 看作一个灰色系统工作面瓦斯浓度是这一灰色系 是根据煤与瓦斯突出规律及突出过程物理特征，结 统的输出信号.工作面瓦斯浓度连续监测结果构成 合实时监测的瓦斯浓度和煤体温度信息对煤与瓦斯 一个时间序列，序列先前状态信号特征必然包含后 突出危险进行评估和变量监测，并对矿井生产的危 续状态特征信息，序列值之间有着很强的顺序依赖 险程度进行评判和预警分析，为煤与瓦斯突出预警 性和继承性，蕴涵了煤体内部各因素间的变化及其 提供技术支持. 相互关系. 收稿日期：200803-08 基金项目：国家十一五”科技支撑计划资助项目(No.2006BAK03B02):教有部科学技术研究重点资助项目(N。108025) 作者简介：郭德勇(1966一），男，教授，博士生导师，E-maik gdy@cmh.c.m

基于地理信息系统和神经网络的煤与瓦斯突出预警 郭德勇1) 王仪斌1) 卫修君2) 王新义2) 1) 中国矿业大学( 北京) 资源与安全工程学院, 北京 100083 2) 平顶山煤业( 集团)有限责任公司, 平顶山 467000 摘 要 依据煤与瓦斯突出机理及突出过程物理特征, 结合煤矿安全监测系统, 提出以瓦斯浓度和煤体温度时间序列的煤与 瓦斯突出预警指标, 利用 GIS 技术和人工神经网络建立了煤与瓦斯突出预警模型.某矿 17180 工作面的预警结果表明:预警 模型可以为煤与瓦斯突出预警提供技术支持. 关键词 地理信息系统;神经网络;瓦斯浓度;煤体温度;煤与瓦斯突出;预警 分类号 TD713 +.2 ;TP183 Early warning of coal and gas outburst by GIS and neural network GUO De-yong 1) , WANG Yi-bin 1) , WEI Xiu-jun 2) , WANG X in-yi 2) 1) Resource and Saf et y Engineering School, China University of Mining and Technology ( Beijing) , Beijing 100083, China 2) Pingdingshan Coal Mining Group Co .Ltd., Pingdingshan 467000, China ABSTRACT Based on the mechanism of coal and gas outburst and the phy sical characters of outburst process, in combination with a coal mine safety monitoring sy stem, early warning indexes w ere proposed by the time series of methane concentration and coal tem￾pera ture.An early warning model of coal and g as outburst was built by globe information sy stem ( GIS) technology and artificial neu￾ral netwo rk.Taking 17180 w orking face for an example, the early warning model was tested in an ex act mine.The result shows that the model can pro vide technical support for early warning of coal and gas outburst . KEY WORDS g lobe info rma tio n system ;neural netw ork ;methane concentra tio n;co al temperature;coal and gas outburst ;early w arning 收稿日期:2008-03-08 基金项目:国家“十一五”科技支撑计划资助项目( No .2006BAK03B02) ;教育部科学技术研究重点资助项目( No.108025) 作者简介:郭德勇( 1966—) , 男, 教授, 博士生导师, E-mail:gdy@cum tb.edu.cn 煤与瓦斯突出是严重威胁煤矿安全生产的地质 灾害 .关于煤与瓦斯突出预测预警已进行了大量的 研究工作[ 1-3] .有以瓦斯突出指标为基础的瓦斯突 出预测[ 4] 和以安全管理为目标的预警系统[ 5-6] 等 . 对于突发性事件采取科学的预警技术是采取预防措 施的关键[ 7-9] .基于地理信息系统( g lobe informa￾tion system, GIS) 和神经网络的煤与瓦斯突出预警 是根据煤与瓦斯突出规律及突出过程物理特征, 结 合实时监测的瓦斯浓度和煤体温度信息对煤与瓦斯 突出危险进行评估和变量监测, 并对矿井生产的危 险程度进行评判和预警分析, 为煤与瓦斯突出预警 提供技术支持. 1 煤与瓦斯突出预警指标及其模型 1.1 预警指标的提出 ( 1) 瓦斯浓度.研究资料[ 10-11] 表明, 瓦斯涌出 特征与工作面前方的突出危险性存在着相关性.根 据对瓦斯突出机理的认识, 可以将工作面前方煤体 看作一个灰色系统, 工作面瓦斯浓度是这一灰色系 统的输出信号.工作面瓦斯浓度连续监测结果构成 一个时间序列, 序列先前状态信号特征必然包含后 续状态特征信息, 序列值之间有着很强的顺序依赖 性和继承性, 蕴涵了煤体内部各因素间的变化及其 相互关系. 第 31 卷 第 1 期 2009 年 1 月 北 京 科 技 大 学 学 报 Journal of University of Science and Technology Beijing Vol .31 No.1 Jan.2009 DOI :10.13374/j .issn1001 -053x.2009.01.002

。16 北京科技大学学报 第31卷 (2)煤体温度.大量研究2表明，工作面煤 2煤与瓦斯突出预警模型及预警等级划分 体温度与地应力和瓦斯含量有关.在煤与瓦斯突出 前，由于煤体中瓦斯解吸，普遍出现煤壁变凉、工作 2.1神经网络预警系统 面气温降低等异常现象导致煤壁温度降低.因此， 煤与瓦斯突出神经网络预警系统由预警知识获 煤体温度的时间序列监测数据可以作为煤与瓦斯突 取系统、预警知识库和报警系统组成.系统组成及 出预警指标. 运行机制见图1. 1.2预警指标模型 历史监测数据预警指标数学模型例面警参数输人指标处理 通过煤与瓦斯突出预警指标模型与煤和矿安全监 测系统的联接，实现预警数据的共享和互联互通，完 预警训练样本网络结构知识铁取部件预警知识军学习 成预警指标的处理和预警指标参数的输入.预警指 待预警教据神经网络推理报警部件预警结果报警 标及其数学模型如下. (1)瓦斯浓度、煤体温度(Q).煤矿安全监测系 图1利用神经网络的煤与瓦斯突出预警原理 统采集的瓦斯浓度和煤体温度实时数据，反映工作 Fig.I Early warning theory of coal and gas outburst based on neu- 面瓦斯涌出量、煤体温度、煤层瓦斯和地应力等因素 ral net work 间的内在关系.如果瓦斯浓度和煤体温度值稳定， 2.1.1预警知识获取系统 瓦斯涌出相对稳定，发生瓦斯突出的可能性较小；如 预警知识获取系统主要由网络学习算法和网络 果Q值变化大，发生瓦斯突出的可能性性增大 构造组成.该系统通过对预警样本的学习训练得到 (2)超标时间(T). 网络权值，完成预警知识的获取. 当Q≥Q临界值，T=右一t1 (1) (1)网络学习算法.采用BP网络14，即误差回 传神经网络，它是一种无反馈的前向网络，网络中的 当Q<Q临界值，T=0 (2) 神经元分层排列.它通过基本输入(U)、输出() 式中，和1：-1分别为甲烷传感器和温度传感器采 样本来进行自身的算法学习，调整内部阈值，建立正 集的瓦斯浓度和煤体温度Q:和Q:-1对应的时间. 确的网络内部输入输出关系.其最大特点是仅凭样 当Q:超过Q临界值时开始计时，小于该值时为零.该 本数据就能实现由Rm空间(m为输入层节点数) 值反映煤层突出危险状态所持续的时间.T值越 到R”空间(n为输出层节点数)的高度非线性映 大，表明超出临界值的时间越长，发生突出的危险性 射.它采用梯度下降法反复训练样本来修正权值， 越大. 权值沿着误差函数的负梯度方向变化，最后稳定于 (3)方差(S). 最小值.煤与瓦斯突出预警BP网络拓扑结构见图 2,其中W为连接权值，O为输出值. 2 输人层 隐含层输出层 0-1-01 2 (3) 0 样本方差是衡量样本波动大小的量，样本方差 越大，样本数据的波动就越大，其物理意义是瓦斯浓 度和煤体温度的波动状况.如果方差S值小，瓦斯 突出危险性小. 图2煤与瓦斯突出预警BP网络拓扑结构 (4)增量（△）. Fig.2 Topology structure forearly warning of coal and gs outburst 4=Q:-0-1 (4) based on BP neural netw ork 增量A的物理含义是：时刻的瓦斯浓度和煤 BP算法如下： 体温度Q:与1一1时刻瓦斯浓度和煤体温度Q-1的 W(t)=W(t-1)-△T(t) (5) 差值，它反映不同时刻该值的增加量（△>0）或减 小量（△<0）.如果煤体温度降低值越大则发生煤 △W(t)=1E/aW(1-1)+aAW(t-1) 体动力现象的可能性越大，瓦斯涌出量也越大，瓦斯 (6) 浓度增量就大，发生煤与瓦斯突出危险性越大. 式中，W为节点i与j之间的连接权值，”为学习速

( 2) 煤体温度 .大量研究 [ 12-13] 表明, 工作面煤 体温度与地应力和瓦斯含量有关 .在煤与瓦斯突出 前, 由于煤体中瓦斯解吸, 普遍出现煤壁变凉、工作 面气温降低等异常现象, 导致煤壁温度降低 .因此, 煤体温度的时间序列监测数据可以作为煤与瓦斯突 出预警指标. 1.2 预警指标模型 通过煤与瓦斯突出预警指标模型与煤矿安全监 测系统的联接, 实现预警数据的共享和互联互通, 完 成预警指标的处理和预警指标参数的输入.预警指 标及其数学模型如下 . ( 1)瓦斯浓度、煤体温度( Q) .煤矿安全监测系 统采集的瓦斯浓度和煤体温度实时数据, 反映工作 面瓦斯涌出量、煤体温度 、煤层瓦斯和地应力等因素 间的内在关系 .如果瓦斯浓度和煤体温度值稳定, 瓦斯涌出相对稳定, 发生瓦斯突出的可能性较小;如 果 Q 值变化大, 发生瓦斯突出的可能性性增大. ( 2)超标时间( T) . 当 Qi ≥Q 临界值, Ti =ti -ti-1 ( 1) 当 Qi <Q 临界值, Ti =0 ( 2) 式中, ti 和ti -1分别为甲烷传感器和温度传感器采 集的瓦斯浓度和煤体温度 Qi 和 Qi -1对应的时间 . 当 Qi 超过Q 临界值时开始计时, 小于该值时为零.该 值反映煤层突出危险状态所持续的时间.Ti 值越 大, 表明超出临界值的时间越长, 发生突出的危险性 越大 . ( 3)方差( S ) . S i = 1 2 Qi - Qi +Qi -1 2 2 + Qi -1 - Qi +Qi-1 2 2 ( 3) 样本方差是衡量样本波动大小的量, 样本方差 越大, 样本数据的波动就越大, 其物理意义是瓦斯浓 度和煤体温度的波动状况 .如果方差 S 值小, 瓦斯 突出危险性小. ( 4)增量( Δ) . Δi =Qi -Qi-1 ( 4) 增量 Δi 的物理含义是:ti 时刻的瓦斯浓度和煤 体温度 Qi 与 ti-1时刻瓦斯浓度和煤体温度 Qi -1的 差值, 它反映不同时刻该值的增加量( Δi >0) 或减 小量( Δi <0) .如果煤体温度降低值越大, 则发生煤 体动力现象的可能性越大, 瓦斯涌出量也越大, 瓦斯 浓度增量就大, 发生煤与瓦斯突出危险性越大 . 2 煤与瓦斯突出预警模型及预警等级划分 2.1 神经网络预警系统 煤与瓦斯突出神经网络预警系统由预警知识获 取系统、预警知识库和报警系统组成.系统组成及 运行机制见图 1 . 图 1 利用神经网络的煤与瓦斯突出预警原理 Fig.1 Early w arning theory of coal and gas outburst based on neu￾ral network 2.1.1 预警知识获取系统 预警知识获取系统主要由网络学习算法和网络 构造组成.该系统通过对预警样本的学习训练得到 网络权值, 完成预警知识的获取 . ( 1) 网络学习算法 .采用 BP 网络[ 14] , 即误差回 传神经网络, 它是一种无反馈的前向网络, 网络中的 神经元分层排列.它通过基本输入( U) 、输出( V) 样本来进行自身的算法学习, 调整内部阈值, 建立正 确的网络内部输入输出关系 .其最大特点是仅凭样 本数据就能实现由 R m 空间( m 为输入层节点数) 到 R n 空间( n 为输出层节点数) 的高度非线性映 射 .它采用梯度下降法反复训练样本来修正权值, 权值沿着误差函数的负梯度方向变化, 最后稳定于 最小值.煤与瓦斯突出预警 BP 网络拓扑结构见图 2, 其中 W 为连接权值, O 为输出值. 图 2 煤与瓦斯突出预警BP 网络拓扑结构 Fig.2 Topology structure f or early w arning of coal and gas outburst based on BP neu ral netw ork BP 算法如下: Wij( t) =Wij( t -1) -ΔTij( t) ( 5) ΔWij( t) =η E/ Wij( t -1) +αΔWij( t -1) ( 6) 式中, Wi j为节点i 与j 之间的连接权值, η为学习速 · 16 · 北 京 科 技 大 学 学 报 第 31 卷

第1期 郭德勇等：基于地理信息系统和神经网络的煤与瓦斯突出预警 17。 率，Q为冲量系数.E为权空间{w(t)》上的误差超 2.2煤与瓦斯突出预警模型 曲面. 基于GS和神经网络的煤与瓦斯突出预警模 (2)网络构造.瓦斯浓度与煤体温度(Q)、超标 型（图3）是在矿井GIS环境下，通过煤矿安全监测 时间(T)、方差(S)和增量（△）这四个参数作为BP 系统对瓦斯浓度和煤体温度的监测，利用神经网络 神经网络输入参数.网络输出为0,0，刂、[0,1,0] 技术对预警指标进行的神经网络分析，然后根据网 和L,0,0],对应煤与瓦斯突出预警的三个预警级 络输出结果判断预警等级的过程， 别.根据Timothy Masters的近似计算公式？ GS技术 m×n(其中m为输入层节点数，n为输出层节 瓦斯传感器 0.01 绿色预警 神经网络 点数)，可以得出隐含节点数为4.因此，本系统的网 0.1.0 预警系统 黄色预警 温度传感器 络构造为44-3. 1,0.0 红色预警 21.2预警知识库 图3煤与瓦斯突出预警模型 知识库部件是存有神经网络层数、节点数、权值 Fig.3 Early waming model of coal and gas outburst 等结构的数据库，由网络训练后获取的网络权值构 成知识库内容在新的预警知识训练后，可不断更新 2.3预警等级划分 权值.知识库是预警知识的载体，也是报警部件的 煤与瓦斯突出预警是利用神经网络对瓦斯浓度 先导部件. 和煤体温度进行变量监测和预测评估，根据预警临 21.3报警部件 界条件对系统运行的接近负向质变临界值的程度做 报警部件是神经网络预警系统的预警手段，它 出早期预判，确定煤与瓦斯突出的发展变化趋势和 利用知识库中的神经网络权值，在新的预警数据驱 危险程度.根据神经网络构造并结合实际情况，将 动下，经神经网络运算得出预警结果，发出报警 预警等级划分为三级（表1）.在实际应用中，两个预 信号. 警临界条件只要其中一个条件符合，就会发出相应 预警级别. 表1煤与瓦斯突出预警等级 Table I Early w aming grade of coal and gas outburst 预警分类预警等级 预警色 预警临界条件 突出危险性 9(CH≥3%，超标时间大于30s,增量大于1%：煤体温度：超标时间大于 I级 红色 有突出危险 100s降低量大于2℃ 08%≤9(CH≤3%，超标时间大于30s增量大于1%：煤体温度：超标时间 2 Ⅱ级 黄色 有突出倾向 大于60：降低量大于1℃ 级 绿色 9(CH,K08%.增量小于05%：煤体温度变化量士1℃之间 无突出危险 理比较发育，倾角在25°左右，透气性较差，瓦斯含 3 GS环境下煤与瓦斯突出预警实践 量平均为15m3t1.煤层顶底板均为砂质泥岩，透 3.1预警系统模块开发 气性较差.工作面正常掘进过程中回风流P(CH4) 预警系统以ArcView GIS为平台，利用二次开 为0.3%，绝对瓦斯涌出量1.4m3mim1. 发语言编程实现煤与瓦斯突出预警系统模块功能， (2)煤与瓦斯突出预警效果检验.煤与瓦斯突 并将煤与瓦斯突出预警模块对应“煤与瓦斯突出预 出预警系统首先利用瓦斯突出历史信息建立神经网 警菜单，然后将其编程为标准扩展.实际应用时将 络预警训练样本库，然后通过实时瓦斯浓度和煤体 这个扩展添加到软件中，可实现矿井GS环境下的 温度数值驱动神经网运算，根据计算结果在视图 煤与瓦斯突出预警. 中标识不同预警等级.在“煤与瓦斯突出预警”菜单 3.2工程实践检验 下，选择“瓦斯浓度预警”显示依据瓦斯浓度时间序 (1)预警区域概况.平顶山煤业集团天安十二 列参数的预警结果：选择“煤体温度预警”将出现依 矿己1一17180工作面煤层标高在一470~一520m, 据煤体温度为时间序列参数的预警结果 煤层赋存较稳定，地质条件相对简单.煤层结构以 以平顶山煤业集团天安十二矿己15一17180工 原生结构煤为主，煤的破坏类型为【~类煤层节 作面某日发生的煤与瓦斯突出矿井监测数据为例进

率, α为冲量系数, E 为权空间{w( t )}上的误差超 曲面 . ( 2)网络构造.瓦斯浓度与煤体温度( Q) 、超标 时间( T ) 、方差( S ) 和增量( Δ) 这四个参数作为 BP 神经网络输入参数.网络输出为[ 0, 0, 1] 、[ 0, 1, 0] 和[ 1, 0, 0] , 对应煤与瓦斯突出预警的三个预警级 别.根 据 Timothy M asters 的 近似 计算 公式[ 15] m ×n (其中 m 为输入层节点数, n 为输出层节 点数), 可以得出隐含节点数为 4 .因此, 本系统的网 络构造为 4-4-3 . 2.1.2 预警知识库 知识库部件是存有神经网络层数、节点数 、权值 等结构的数据库, 由网络训练后获取的网络权值构 成, 知识库内容在新的预警知识训练后, 可不断更新 权值.知识库是预警知识的载体, 也是报警部件的 先导部件 . 2.1.3 报警部件 报警部件是神经网络预警系统的预警手段, 它 利用知识库中的神经网络权值, 在新的预警数据驱 动下, 经神经网络运算得出预警结果, 发出报警 信号 . 2.2 煤与瓦斯突出预警模型 基于 GIS 和神经网络的煤与瓦斯突出预警模 型( 图 3)是在矿井 GIS 环境下, 通过煤矿安全监测 系统对瓦斯浓度和煤体温度的监测, 利用神经网络 技术对预警指标进行的神经网络分析, 然后根据网 络输出结果判断预警等级的过程 . 图3 煤与瓦斯突出预警模型 Fig.3 Early w arning model of coal and gas outburst 2.3 预警等级划分 煤与瓦斯突出预警是利用神经网络对瓦斯浓度 和煤体温度进行变量监测和预测评估, 根据预警临 界条件对系统运行的接近负向质变临界值的程度做 出早期预判, 确定煤与瓦斯突出的发展变化趋势和 危险程度 .根据神经网络构造并结合实际情况, 将 预警等级划分为三级(表1) .在实际应用中, 两个预 警临界条件只要其中一个条件符合, 就会发出相应 预警级别. 表 1 煤与瓦斯突出预警等级 Table 1 Early w arning g rade of coal and gas outburst 预警分类 预警等级 预警色 预警临界条件 突出危险性 1 Ⅰ 级 红色 φ( CH4) ≥3%, 超标时间大于 30 s, 增量大于 1%;煤体温度:超标时间大于 100 s, 降低量大于 2 ℃ 有突出危险 2 Ⅱ级 黄色 0.8%≤φ(CH4) ≤3%, 超标时间大于 30 s, 增量大于 1%;煤体温度:超标时间 大于 60 s, 降低量大于 1 ℃ 有突出倾向 3 Ⅲ级 绿色 φ( CH4 ) <0.8%, 增量小于 0.5%;煤体温度变化量±1 ℃之间 无突出危险 3 GIS环境下煤与瓦斯突出预警实践 3.1 预警系统模块开发 预警系统以 ArcView GIS 为平台, 利用二次开 发语言编程实现煤与瓦斯突出预警系统模块功能, 并将煤与瓦斯突出预警模块对应“煤与瓦斯突出预 警”菜单, 然后将其编程为标准扩展.实际应用时将 这个扩展添加到软件中, 可实现矿井 GIS 环境下的 煤与瓦斯突出预警. 3.2 工程实践检验 (1)预警区域概况 .平顶山煤业集团天安十二 矿己15-17180 工作面煤层标高在 -470 ～ -520 m, 煤层赋存较稳定, 地质条件相对简单.煤层结构以 原生结构煤为主, 煤的破坏类型为 Ⅰ ～ Ⅲ类, 煤层节 理比较发育, 倾角在 25°左右, 透气性较差, 瓦斯含 量平均为 15 m 3·t -1 .煤层顶底板均为砂质泥岩, 透 气性较差 .工作面正常掘进过程中回风流 φ(CH4) 为 0.3 %, 绝对瓦斯涌出量 1.4 m 3·min -1 . ( 2)煤与瓦斯突出预警效果检验.煤与瓦斯突 出预警系统首先利用瓦斯突出历史信息建立神经网 络预警训练样本库, 然后通过实时瓦斯浓度和煤体 温度数值驱动神经网络运算, 根据计算结果在视图 中标识不同预警等级.在“煤与瓦斯突出预警” 菜单 下, 选择“瓦斯浓度预警” 显示依据瓦斯浓度时间序 列参数的预警结果 ;选择“煤体温度预警” 将出现依 据煤体温度为时间序列参数的预警结果. 以平顶山煤业集团天安十二矿己15 -17180 工 作面某日发生的煤与瓦斯突出矿井监测数据为例进 第 1 期 郭德勇等:基于地理信息系统和神经网络的煤与瓦斯突出预警 · 17 ·

。18” 北京科技大学学报 第31卷 行检验，当时井下掘进队正在施工超前排放钻孔， 团天安十二矿己15一17180工作面进行了长达数月 234231监测机房显示工作面回风9(CH4)为 的应用跟踪于某日000946发出红色预警信号， 9.9%,到235200恢复正常.经技术人员测定，瓦 003300接到井下人员发生瓦斯突出的报告，经 斯突出喷出煤量9t涌出瓦斯量250m3.应用煤与 技术人员测定，这次瓦斯突出煤量5.5t涌出瓦斯 瓦斯突出预警系统进行预警，结果显示在234023 量190m3,表明预警系统对煤与瓦斯突出预警是可 发生红色预警信号（图4），表明预警结果与实际相 行的. 符.为了验证预警系统的可行性，对平顶山煤业集 回1e,63 可 【tDe 回回四国百可回目国国回国☑ 国ETN▣ 145 儿 26t:t:t打n工面香警 12022 ■005110 0 050 0510 年0 (a)预警结果显示 b)预警结果属性表 图417180工作面煤与瓦斯突出预警结果 Fig.4 Early waming results of coal and gas outburst at 17180 working face 理论与应用研究.中国矿业大学学报，2008.37(2)：163) 4结论 [4 Guo D Y,LiN Y,Pei D W.et aL Prediction method of coal and gas outburst using the gwey theory and neural network.JUniv (1)建立了煤与瓦斯突出预警的瓦斯浓度和煤 Sci Technol Beijing,2007.29(4):354 体温度时间序列预警指标实现预警指标与煤矿安全 (郭德勇，李念友，裴大文，等.煤与瓦斯突出预测灰色理论 监测系统的互联互通和神经网络预警指标的输入· 神经网络方法.北京科技大学学报，2007,29(4)：354 (2)结合煤矿安全监测系统利用GS和神经 [5 Xiao Q X.Study on the early-w aming safety and management 网络建立了煤与瓦斯突出预警模型，能够在矿井 system for coal mine ventiltion.Min Saf Enviro Prot,1999 (3:4 GIS环境下对突出危险进行非线性分析，实现煤与 (肖全兴.矿井通风安全管理预警系统的研究.矿业安全与环 瓦斯突出危险的预警分级 保，1999(3)：4) (3)对平顶山煤业集团十二矿己15一17180工作 [6 Zhang M.Research on the Forewarning System of Coal Mine 面的检验表明，该预警模型能够在煤与瓦斯突出前 Safery Manggement[Dissertation.Taiyuan:Economy Manage 发出预警信号，可以为煤与瓦斯突出预警提供技术 ment College,Taiyuan University of Technology,2004 (张明.煤矿安全预警管理及系统研究[学位论文].太原：太 支持. 原理工大学经济管理学院，2004) 参考文献 [7 Erdik M,Fahjan Y,Ozel0.ct al.Istanbul earthquake rapid re sponse and the early w arning system.Bull Earthquake Eng, [1]Qian J S.Yin H S.Liu X R.et al Data processing model of 2004.1(1):157 coalmine gas eady-warring system.J China Univ Min Technol. [8 Vijendra K.An early warring system for agricultural drought in 2007,17(1):20 an arid region using limited data J Arid En viron,1998 40(2): [2]Guo D Y.Fan J Z.Ma Z.et al.Study on the prediction 199 method of coal and gas outburst by analytic hierarchy process and [9 Wang C.Fang H Y.Situation analy sis on the method of Chinese fuzzy comprehensive evaluation.J Univ Sci Technol Beijing, crisis w aming.Spec Focus,2005,(12):6 2007,29(7):660 (王超，樊宏烨.我国危机预警方法研究现状评析.特别关注， (郭德勇，范金志，马世志，等.煤与瓦斯突出预测层次分析一模 2005(12):6) 糊综合评判方法.北京科技大学学报，2007,29(7)：660) 10 Su W S.The prediction of coal and gas outburst using gas emis [3]Luo X R.Yang F,Kang Y T,et al.Research on weah time alarm sion dynamic index.Coal Eng,1996(5):1 theory of delayed coal and gas outburst.J China Uniy Min Tech- (苏文叔.利用瓦斯涌出动态指标预测煤与瓦斯突出.煤炭 ml,2008,37(2):163 工程师.1996(5)：1) (罗新荣.杨飞，康与涛，等。延时煤与瓦斯突出的实时预警 (下转第24页)

行检验, 当时井下掘进队正在施工超前排放钻孔, 23∶42∶31 监测机房显示工作面回风 φ( CH4 ) 为 9.9 %, 到 23∶52∶00 恢复正常.经技术人员测定, 瓦 斯突出喷出煤量 9 t, 涌出瓦斯量 250 m 3 .应用煤与 瓦斯突出预警系统进行预警, 结果显示在 23∶40∶23 发生红色预警信号( 图 4), 表明预警结果与实际相 符.为了验证预警系统的可行性, 对平顶山煤业集 团天安十二矿己15-17180 工作面进行了长达数月 的应用跟踪, 于某日 00∶09∶46 发出红色预警信号, 00∶33∶00 接到井下人员发生瓦斯突出的报告 .经 技术人员测定, 这次瓦斯突出煤量 5.5 t, 涌出瓦斯 量 190 m 3 , 表明预警系统对煤与瓦斯突出预警是可 行的. 图 4 17180 工作面煤与瓦斯突出预警结果 Fig.4 Early w arning results of coal and gas outbu rst at 17180 w orking f ace 4 结论 ( 1)建立了煤与瓦斯突出预警的瓦斯浓度和煤 体温度时间序列预警指标, 实现预警指标与煤矿安全 监测系统的互联互通和神经网络预警指标的输入 . ( 2)结合煤矿安全监测系统, 利用 G IS 和神经 网络建立了煤与瓦斯突出预警模型, 能够在矿井 GIS 环境下对突出危险进行非线性分析, 实现煤与 瓦斯突出危险的预警分级 . ( 3)对平顶山煤业集团十二矿己15-17180 工作 面的检验表明, 该预警模型能够在煤与瓦斯突出前 发出预警信号, 可以为煤与瓦斯突出预警提供技术 支持 . 参 考 文 献 [ 1] Qian J S, Yin H S, Liu X R, et al.Data processing model of coalmine gas early-warning system .J Ch ina Univ Min Tech nol, 2007, 17( 1) :20 [ 2] Guo D Y, Fan J Z, Ma S Z, et al.Study on the prediction method of coal and gas outburst by analytic hierarchy process and fuzzy comprehensive evaluation.J Univ Sci Technol Beijing , 2007, 29( 7) :660 ( 郭德勇, 范金志, 马世志, 等.煤与瓦斯突出预测层次分析-模 糊综合评判方法.北京科技大学学报, 2007, 29( 7) :660) [ 3] Luo X R, Yang F, Kang Y T, et al.Research on real-time alarm theory of delayed coal and gas outburst.J China Uni v Min Tech￾nol, 2008, 37( 2) :163 ( 罗新荣, 杨飞, 康与涛, 等.延时煤与瓦斯突出的实时预警 理论与应用研究.中国矿业大学学报, 2008, 37( 2) :163) [ 4] Guo D Y, Li N Y, Pei D W, et al.Predi ction method of coal and gas outburst using the grey theory and neural netw ork.J Un iv S ci Technol Beijing , 2007, 29( 4) :354 ( 郭德勇, 李念友, 裴大文, 等.煤与瓦斯突出预测灰色理论- 神经网络方法.北京科技大学学报, 2007, 29( 4) :354) [ 5] Xiao Q X .S tudy on the early-w arning safety and management system for coal mine ventilation.Min Sa f Environ Prot, 1999 ( 3) :4 ( 肖全兴.矿井通风安全管理预警系统的研究.矿业安全与环 保, 1999( 3) :4) [ 6] Zhang M .Research on the Forewar ning System of Coa l Mine S af ety Management [ Dissertation] .Taiyuan:Economy Manage￾ment College, Taiyuan University of Technology, 2004 ( 张明.煤矿安全预警管理及系统研究[ 学位论文] .太原:太 原理工大学经济管理学院, 2004) [ 7] Erdik M , Fahjan Y, Ozel O, et al.Ist anbul earthquake rapid re￾sponse and the early w arning syst em .Bu ll Earthquake Eng , 2004, 1( 1) :157 [ 8] Vijendra K .An early w arning system for agricultural drought in an arid region using limit ed dat a.J Arid En viron, 1998, 40( 2) : 199 [ 9] Wang C, Fang H Y .S ituation analysis on the method of Chinese crisis w arning .S pec Focus, 2005, ( 12) :6 ( 王超, 樊宏烨.我国危机预警方法研究现状评析.特别关注, 2005( 12) :6) [ 10] Su W S .The prediction of coal and gas outburst using gas emis￾sion dynami c index .Coal Eng , 1996( 5) :1 ( 苏文叔.利用瓦斯涌出动态指标预测煤与瓦斯突出.煤炭 工程师, 1996( 5) :1) ( 下转第 24 页) · 18 · 北 京 科 技 大 学 学 报 第 31 卷

。24 北京科技大学学报 第31卷 under eycie loading.Comput Tech Gophys Geochem Explor. and Kaiser effect function.J Seismol Res,1990,13(2):203 2004.26(3):193 [10 Xie H P.Rodk and Concrete Damage Mechan ics.Xuzhou:Chi- (席道瑛，薛彦伟，宛新林.循环载荷下饱和砂岩的疲劳损伤 na University of Mining and Technology Press,1990 物探化探计算技术，2004.26(3)：193) (谢和平.岩石混凝土损伤力学.徐州：中国矿业大学出版 7 Lavmov A.The Kaiser effect in mocks:principles and stress esti- 社，1990) mation techniques.IntJ Rack Mech Min Sci,2003.40(2):151 11]Zhang M,LiZ K,Yang Q,et al.A damage model and statisti- [8]Ji H G.Study on Concrete Material Acoustic Emission Capabili- cal analysis of acoustic emission for quasi-britte materials.Chin ty and Application.Beijing:Coal Industry Pres,2004 J Rock Mech Eng,2006,25(12):2493 (纪洪广.混凝土材料声发射性能研究与应用.北京：煤炭工业 (张明，李仲奎，杨强，等.准脆性材料声发射的损伤模型及 出版社.2004) 统计分析.岩石力学与工程学报.2006.25(12)：2493) [9]Tang CA.Xu X H.Evolution and pmopagation of material defects (上接第18页 (2):34 13]Guo L.W.Jiang C L.The theoretical analysis of the infhencing [1l]Qin R X,Zhang G S.Yang Y D.Prdicting coal and gas out- factors about temperature change in the process of coal and gas burst with monitored gas consistence.J China Coal Soc,2006. outburst.J China Coa/Soc,2000,25(4):401 31(5):599 (郭立稳，蒋承林.煤与瓦斯突出过程中影响温度变化的因 (秦汝祥，张国枢，杨应迪.瓦斯涌出异常预报煤与瓦斯突 素分析.煤炭学报，2000.25(4)：401) 出.煤炭学报，2006.31(5)：599 [14 Tian J W.Gao M J.Study on Artificial Neural Network and [1 Wang H T.Xian X F,He J M,et al.Inquisition of forecasting its Application.Beijing:Beijing Institute of Technology Press, dangemousness of heading face outburst by drillings and coal bed 2006 temperture indices.J Changqing Un iv Nat Sci Ed.1999.22 (田景文，高美娟.人工神经网路算法研究及应用.北京：北 (2):34 京理工大学出版社，2006) (王宏图，鲜学福，贺建民，等.用温度指标预测掘进工作面 [15]Masters T.Practical Neural Network Recipes in C++.San 突出危险性的探讨.重庆大学学报：自然科学版，1999,22 Diego:Academic Press,1993

under cycli c loading .Comp ut Tech Geophys Geochem E xp lor, 2004, 26( 3) :193 ( 席道瑛, 薛彦伟, 宛新林.循环载荷下饱和砂岩的疲劳损伤. 物探化探计算技术, 2004, 26( 3) :193) [ 7] Lavrov A.The Kaiser effect in rocks:principles and stress esti￾mation t echniques.Int J Rock Mech Min Sci, 2003, 40( 2) :151 [ 8] Ji H G .Study on Concrete Material Acoustic Emission Capabili￾ty and Application .Beijing :Coal Industry Press, 2004 ( 纪洪广.混凝土材料声发射性能研究与应用.北京:煤炭工业 出版社, 2004) [ 9] Tang C A, Xu X H .Evolution and propagation of mat erial def ects and Kaiser eff ect functi on.J Seismol Res, 1990, 13( 2) :203 [ 10] Xie H P .Rock an d Concrete Damage Mechan ics.Xuzhou:Chi￾na Uni versit y of Mining and Technology Press, 1990 (谢和平.岩石混凝土损伤力学.徐州:中国矿业大学出版 社, 1990) [ 11] Zhang M, Li Z K, Yang Q, et al.A damage model and statisti￾cal analysis of acousti c emission for quasi-b rittle materials.Chin J Rock Mech Eng , 2006, 25( 12) :2493 ( 张明, 李仲奎, 杨强, 等.准脆性材料声发射的损伤模型及 统计分析.岩石力学与工程学报, 2006, 25( 12) :2493) ( 上接第 18 页) [ 11] Qin R X, Zhang G S, Yang Y D .Predicting coal and gas out￾burst w ith monitored gas consist ence .J Ch ina Coa l Soc, 2006, 31( 5) :599 ( 秦汝祥, 张国枢, 杨应迪.瓦斯涌出异常预报煤与瓦斯突 出.煤炭学报, 2006, 31( 5) :599) [ 12] Wang H T, Xian X F, He J M, et al.Inquisition of forecasting dangerousness of heading f ace outbu rst by drillings and coal bed t emperature indices.J Chongqing Un iv Na t Sci E d, 1999, 22 ( 2) :34 ( 王宏图, 鲜学福, 贺建民, 等.用温度指标预测掘进工作面 突出危险性的探讨.重庆大学学报:自然科学版, 1999, 22 ( 2) :34) [ 13] Guo L W, Jiang C L .The theoretical analysis of the influencing factors about temperature change in the process of coal and gas outburst.J China Coa l Soc, 2000, 25( 4) :401 ( 郭立稳, 蒋承林.煤与瓦斯突出过程中影响温度变化的因 素分析.煤炭学报, 2000, 25( 4) :401) [ 14] Tian J W, Gao M J .S tudy on A rtifi cial Neural Network a nd its Application .Beijing :Beijing Institut e of Technology Press, 2006 ( 田景文, 高美娟.人工神经网络算法研究及应用.北京:北 京理工大学出版社, 2006) [ 15] Mast ers T .Practi cal Neu ral Network Recipes in C++.San Diego :Academi c Press, 1993 · 24 · 北 京 科 技 大 学 学 报 第 31 卷