上行開采巷道頂板穩定性預測研究

趙建敏

（1.太原理工大學礦業工程學院，太原030024；2.太原東山五龍煤業有限公司，太原030031）

?

上行開采巷道頂板穩定性預測研究

趙建敏1，2

（1.太原理工大學礦業工程學院，太原030024；2.太原東山五龍煤業有限公司，太原030031）

摘要：巷道頂板穩定性對煤層安全上行開采具有重要保障意義，本文從變形分析角度出發，以BP神經網絡構建上行開采巷道頂板變形預測模型，以太原東山煤礦12號煤層51216普采工作面上行開采采動影響階段巷道頂板的變形實測數據,對頂板變形量進行擬合預計。結果表明：BP神經網絡預測模型預測精度較高，基于變形分析理論的預測技術在礦山上行開采巷道頂板穩定性預測中具有較好的推廣價值。

關鍵詞：BP神經網絡；上行開采；變形預測模型；圍巖穩定性

煤礦采煤工作面開采后會形成采空區，采空區對巷道頂底板、兩幫產生影響，從而使得巷道圍巖應力重新分布。要保障巷道頂底板、兩幫圍巖的安全穩定，需要預先掌握工作面圍巖的變形狀況。所以，對巷道圍巖變形通過分析計算進行精確的預測，對煤礦安全開采來說就顯得非常重要。隨著采礦分析理論的不斷創新，各類巷道變形體的變形預測模型展現出豐富多彩的特點，比較著名的預測模型主要有：時間序列分析預測法、多元回歸分析預測法、灰色系統預測模型、人工神經網絡預測模型等[1]。

上行開采是指煤層間、厚煤層分層間及煤組間先采標高低的煤層、分層或煤組，后采標高高的煤層、分層或煤組。在上行開采工作面頂底、兩幫板變形中，造成巷道應力不均衡的因素多種多樣，形成一些影響因素可知，而一些影響因素不可知或者無法確定的信息系統。因此，基于灰色系統理論的巷道頂板變形預測模型在礦山領域已有眾多應用[2-3]。同時，基于BP神經網絡的巷道圍巖穩定性預測也有眾多科技人員做出了實踐[4-6]。由此，本文選擇BP神經網絡構建上行開采巷道頂板變形預測模型，開展了BP神經網絡在煤礦生產中施行上行順序開采方式巷道頂板穩定性預測的應用研究。

1　預測手段

1.1研究區概況

東山煤礦柳樹渠井(主斜井)采用斜井開拓，現年生產能力150萬t。主采煤層為太原組12號、15號煤層。由于12號煤層含矸率高、灰分大，可采性指數0.547，屬局部可采的不穩定煤層（南部而言，則相對穩定）。

2005-2006年，東山煤礦進行了12號煤層51216普采工作面的上行開采技術研究、實驗。51216工作面采用走向長壁高檔普通采煤法開采，頂板實行全部垮落法管理，深厚比平均為96.11，下煤層15號煤層僅上、中分層采空，底層未采，采高取4 m，該工作面煤層平均厚2.185 m，平均層間距約40 m，煤層傾角為6°～12°，下煤層開采距12號煤層開采已有1年以上的時間。

1.2BP神經網絡預測模型建立

無論是煤層群還是厚煤層，開采了第一分層后，開采總會造成覆蓋巖層的力學性質改變，特別是強度性質，即覆蓋巖層發生了軟化，從而使得以后的回采工作相當于在變軟的巖層內開采。因此，從第一次重復采動開始后，覆蓋巖層的破壞規律與初次開采時的規律存在差異，并且逐次開采的重復采動也體現出各不相同的覆蓋巖層破壞規律。覆蓋巖層破壞高度與累計開采厚度呈拋物線關系。

大量的現場監測表明，開采第一分層以后，覆蓋巖層破壞的高度可達到重復采動最終結果的1/2。以后破壞高度增長率分別為1/6、1/12、1/20、1/30、…。可見，當重復采動次數達到某個數值時，再進行的開采對覆蓋巖層的破壞高度影響就很小。因此，對厚煤層進行多分層開采比少分層開采更有利于頂板管理。

影響煤層上行開采的主要因素包括：層間距、采高、采煤方法、頂板管理、巖性、煤層傾角和時間。綜合考慮后，將煤層深厚比、采高、層間距、煤層傾角、采煤方法、頂板管理方法、層間巖性、工作面推進速度和時間等影響因素作為BP神經網絡的輸入量，而將開采巷道的頂板變形量作為輸出量，從而建成3層結構模型。在考慮各種影響因素、復雜的地質情況及不同的開采條件后，我們分別確定了不同條件下的模型結構。

工作面巷道上覆圍巖變形預測的BP神經網絡模型各層節點結構為8-12-2，以選取的實測巷道變形數據作為訓練樣本，再另外選取幾個實測巷道變形數據作為驗證樣本。通過多次的反復試驗，確定當BP神經網絡模型隱含層神經元數目達到12時，BP神經網絡模型收斂速度較快，擬合均方誤差數值也較小，檢驗精度高，泛化能力強。

1.3技術路線

采用理論分析、預測模型建立、量化影響因素、現場實測驗證精度、預測模型確定幾個步驟對東山煤礦上行開采巷道頂板變形預測技術進行研究。建立基于BP神經網絡的頂板變形分析技術路線圖，見圖1。

圖1　基于BP神經網絡的頂板變形分析技術路線圖

2　實例分析

太原東山煤礦在12號煤層51216普采工作面實行上行順序開采過程時，為了保證工作面巷道的安全，開展了礦壓、位移變形觀測工作。對4個位移變形觀測點進行了現場觀測，將采動影響階段巷道頂板變形量3個觀測點的實測數據，根據BP神經網絡變形預測影響因素量化的原則對巷道頂板變形影響因素進行量化，并將影響序列存入MATLAB的工作區。我們利用預測模型得到變形量預測值，頂板下沉量實測數據與預測數據對比見圖2-4。

圖2　2號點預測與實測數據對比曲線圖

圖3　3號點預測與實測數據對比曲線圖

圖4　4號點預測與實測數據對比曲線圖

為了驗證建立的BP神經網絡預測模型的擬合精度和泛化能力，對頂板2號點變形擬合值以及預計數據進行平均小誤差概率、后驗方差、相關性和相對誤差、指標進行了詳細的分析，分析結果如表1所示，從分析結果中可以知道它的相關系數R均幾乎接近1，均方差比值C＜0.35并且小誤差概率P=1，由此可以確定BP神經網絡預測模型精度等級為一級。

表1　頂板2號點誤差分析

3　結束語

以BP神經網絡建立上行開采巷道頂板穩定性預測模型，太原東山煤礦12號煤層51216普采工作面上行開采實測頂板變形數據為例，進行了巷道頂板穩定性預測研究。結果表明:對于上行開采煤層頂板穩定性這樣一個非線性的，又受開采方法、水文地質條件、煤層賦存條件、上覆巖層的性質等諸多因素影響，且一些信息可知，而一些信息不可知或者無法確定的貧信息系統，BP神經網絡模型在其變形預測中展示出良好的優點。并且在預測模型的精度評價中體現出優良的趨勢擬合，較高的預測精度。太原東山煤礦12號煤層51216普采工作面成功開采，證明BP神經網絡預測模型在上行開采巷道穩定性預計中具有很好的推廣價值。同時應該看到，BP神經網絡預測模型也有其局限性。今后，要不斷改革、創新、發展BP神經網絡預測理論研究，提高其預測結果準確性，為煤礦安全生產提供更有力的保障。

參考文獻:

[1]黃聲享，尹暉，蔣征.變形監測數據處理[M].武漢：武漢大學出版社，2003.

[2]肖海平，陳蘭蘭.灰色理論模型在礦山變形監測中的應用[J].金屬礦山，2009（1）：154- 155.

[3]鮑金杰，汪云甲.灰色模型在礦區沉降預測中的應用[J].工礦自動化，2012（5）：46- 49.

[4]周保生，林江，于海學，等.人工神經網絡在煤礦巷道圍巖移近量預測中的應用[J].系統工程理論與實踐，2000（1）：136- 139.

[5]李迎富，華心祝.深井動壓巷道圍巖移近量的BP神經網絡預測[J].煤炭技術，2008，27（10）：66- 67 .

[6]申艷梅，張愛霞.基于BP神經網絡的巷道圍巖穩定性識別[J].煤礦安全，2008（7）：65- 67.

（編輯：劉新光）

Prediction on Roof Stability in Ascending Mining Roadways

ZHAO Jianmin1,2
(1. College of Mining Engineering, Taiyuan University of Technology, Taiyuan 030024, China; 2. Tiayuan Dongshan Wulong Coal Co., Ltd., Taiyuan 030031, China)

Abstract:Roof stability could guarantee the safety in the ascending mining of coal seams. The paper, in the perspective of deformation analysis, establishes a prediction model for roof deformation in the ascending mining with BP neural network. On the data of deformation caused by the impact of the ascending mining on roof of 51216 general mining face of No.12 coal seam in Dongshan Mine, fitting prediction for the roof deformation was conducted. The results show the high precision of the prediction model with the BP neural network. It is valuable to spread the technology based on deformation analysis theoryin the roofstabilityprediction for the ascendingmining.

Keywords:BP neural network; ascending mining; prediction model of deformation; stability of surrounding rock

作者簡介：趙建敏（1972-），男，山西太原人，在讀工程碩士，工程師，從事礦山采掘技術研究及管理工作。

收稿日期：2015- 09- 21

DOI:10.3969/j.cnki.issn1672-5050sxmt.2016.01.015

文章編號：1672- 5050（2016）01- 0051- 03

中圖分類號：TD 322+.4

文獻標識碼：A