瓦斯大數據發掘技術在東曲礦的研究與實踐

摘 要：瓦斯賦存、地質和生產等條件要素的差異性導致礦井瓦斯涌出的不均衡性，故瓦斯整治是一個復雜、全面的系統工程。本文利用大數據發掘技術，變革傳統粗放式管理思維和方式，從碎片化地大數據中找尋解決問題的新途徑，充分利用大數據去分析與處理各類問題，實現高效及時準確地處理瓦斯問題的新管理模式。

關鍵詞：瓦斯;大數據;發掘技術

礦井各煤層、各水平、各采區、各工作面，甚至是單個工作面的不同區域的瓦斯普遍存在差異性，且關鍵影響因素也不是一成不變的。因此，礦井各系統復雜多變、且存在差異性，瓦斯整治的難度系數大。礦井各系統在生產過程中產生海量的、碎片化的、毫不相聯的、隨機的數據，大數據發掘技術就是對瓦斯大數據的深度發掘和深刻分析，發掘出瓦斯的內在規律特征，洞察提煉大數據中隱藏的、解決問題的信息，找尋解決問題新途徑的全過程。

1 事實數據

事實數據是大數據重要組成部分，通過生產現場的實際情況、現場視頻圖像數據、生產實際中發現的疑難問題，從中提取大量的事實數據。

2 數字數據

數字數據主要包括井下測點測定瓦斯基礎參數，主要包括瓦斯含量（W）、瓦斯壓力（P）、煤的堅固性系數（f）、瓦斯放散初速度（△P）、瓦斯解析指標K1、鉆屑量S和煤的工業分析（吸附常數a、b值、水分、灰分、揮發分、真密度、視密度、孔隙率）等;還有通過瓦斯監控系統實時測定井下各地點的瓦斯濃度等。

2.1 瓦斯基礎參數

①主采煤層每個采區垂深每增加50m和突出危險工作面實施卸壓抽采、預抽煤層瓦斯前后;②采掘揭露或探測到大于5m的斷層及大于40m的陷落柱;突出危險煤層頂底板巖巷掘進工作面每推進150-200m;突出危險工作面實施消突措施前后;井巷揭煤工作面;③突出危險工作面每推進50m、無突出危險工作面每推進100m必須進行一次煤體結構觀測;④全礦每月出具參數測定分析報告，對瓦斯基礎參數進行初步整理和分析。同時工作面掘進前、回采前和回采后均出具瓦斯基礎參數測定報告。

2.2 瓦斯監控數據

礦井安裝使用KJ90X瓦斯監控系統，瓦斯數據可以全天不間斷地產生，主要包括瓦斯、通風、風向、溫度等數據。

2.3 突出預警數據庫系統

突出預警系統通過對井下瓦斯、風向、風速等監控數據的實時采集，利用獨特的指標模型，及時判斷突出事故發生的時間、區域等。系統每10-30秒采集一次監控數據，發布預警信息。

3 大數據分析與處理

3.1 大數據發掘技術

大數據發掘技術主要關注三個方面的瓦斯特征數據，一是瓦斯量化指標，主要反映煤體瓦斯含量等瓦斯指標是否超過規定的安全臨界值;二是瓦斯波動指標，主要反映瓦斯基礎參數在一定外在條件下數值出現較大變化，需找出波動的主要原因;三是瓦斯趨勢指標，主要反映工作面生產過程中即將出現的瓦斯變化趨勢。下圖為24808軌順瓦斯含量變化趨勢圖，進度為32-332m，瓦斯含量有波動現象，但整體趨勢下降，且數值已降到4.1569m3/t。經大數據發掘分析原因：從事實數據找尋：工作面前210上覆2#煤層為實體，工作面即將出該段實體煤時瓦斯含量明顯下降，說明該段實體煤是造成以下數字數據的真實原因。

3.2 影響大數據發掘的主要因素

①進行大數據發掘前，首先確定所使用的數據是否真實有效，必須剔除失真數據，否則將大大影響發掘結果;②在解決實際問題時，需選擇正確的方法和分析方向，否則將事倍功半;③數據發掘是一個對數據全方位、系統地分析和處理，需要各區科、隊組技術人員合作，利用已掌握數據發掘有價值的信息;④在分析過程中會產生大量的結論，對分析得出的結論進行評價，需要剔除與目標結果失真的結論。通過這一步的濾化，大數據發掘的結論才能更接近目標結論。

4 大數據發掘技術應用案例

以28814回風措施巷為例，根據統計分析法和基礎計算，分析預抽達標時間，并提出補充完善措施。

4.1 數據統計

事實數據：28814回風措施巷400m處設計施工澳鉆鉆孔10個（8#、9#煤各5個），孔深550，而施工實際孔深為501-504m，均為下行鉆孔，8#煤層巷道高度落差約60m，9#煤層巷道高度落差約70m。

數字數據：瓦斯含量7.91-10.24 m3/t，K1max值為0.48mL/g·min1/2。

4.2 基礎計算

4.2.1 預抽區域原始瓦斯量

預抽區域瓦斯總儲量=預抽面積×煤厚×煤層容重×原始瓦斯含量=1371370m3

計算預抽區域原始瓦斯總儲量為137.14萬m3。

4.2.2 瓦斯預抽量

該區域于2018年3月30日開始預抽，6月29日因巷道掘進停止預抽，預抽時間91天。預抽期間，單孔平均流量0.08m3/min，單孔平均抽采濃度約為60%。在預抽時間內，抽采總瓦斯量10.46萬m3。

4.2.3 殘余瓦斯量計算

殘余瓦斯含量計算公式如下：

WCY=（W0G-Q）/G

式中：WCY-煤的殘余瓦斯含量，m3/t;W0-煤的原始瓦斯含量，m3/t;取11m3/t;Q-區域內抽排瓦斯量，m3;取10.46萬m3;G-預抽區域煤炭儲量，t;取約12.47萬t。

經計算，預抽區域內殘余瓦斯含量10.1612m3/t。與計算得出的殘余瓦斯含量10.2431m3/t基本相符。

4.2.4 抽采達標規劃

將原始瓦斯含量降低2.3m3/t以上，方可使殘余瓦斯含量降至8m3/t以下，預抽總瓦斯量為20.93萬m3。按目前抽采現狀，僅剩6個右側鉆孔能夠連續預抽，每天抽采總瓦斯量約691.2m3。

4.3 數據分析

①瓦斯賦存條件方面，工作面可解析瓦斯含量中破碎解析約占60%，說明該區域內瓦斯吸附量大;②瓦斯地質條件方面，該工作面緊靠白家山大斷層，底板標高最小為771m，埋深達446m，埋深在礦井生產區域內最深，工作面下山掘進，埋深逐步增大，造成瓦斯含量增大;③抽采時間方面，按照原始瓦斯含量降低3m3/t計算，預抽時間需要237天;從開始預抽到工作面掘進僅91天，鉆孔抽采時間僅為設計時間的38%;④抽采空間方面，該面是八采區下組煤白家山斷層西南首個掘進工作面，瓦斯預抽空間有限;⑤鉆孔布置方面，預抽區域煤層下山，所有鉆孔均為下行孔，落差約為60m。

4.4 決策部署

工作面停止掘進，在工作面正前施工順層條帶鉆孔，孔深120m，覆蓋25m區域鉆孔參數：鉆孔19個，總進尺1490m，設計瓦斯預抽量為1.192m3/min，預抽時間為87天。

5 結語

①大數據發掘技術能夠提高決策的準確度，針對性解決瓦斯治理難題;②需改進方面：一是不斷完善、歸檔、整理事實數據庫和瓦斯數據庫，避免人為的遺失，為大數據發掘提供基礎數據庫支持。二是各單位技術人員需不斷提高本專業認識、現場和技術管理水平，提升大數據發掘技術處理問題的能力。

參考文獻：

[1]蘇新寧，楊建林.數據挖掘理論與技術[M].北京：科學技術文獻出版社，2003.

[2]邵良杉，付貴祥.基于數據挖掘的瓦斯信息識別與決策[J].遼寧工程技術大學學報，2008.

作者簡介：

萬明亮（1986- ），男，漢族，吉林農安人，大學本科，通安工程師。