关 键 词：

含CAD图纸+文档 孙村矿 1.8 Mta 初步设计 CAD 图纸 文档

资源描述：

压缩包内含有CAD图纸和说明书,均可直接下载获得文件，所见所得，电脑查看更方便。Q 197216396 或 11970985

内容简介：

专题部分承压水与安全开采的技术与施工摘要：以煤矿在承压水体间安全开采为背景，通过研究，建立矿井工程地质与水文地质模型，揭示承压水条件下开采过程中顶底板岩层变形破坏规律和渗流场分布，对煤矿突水威胁危险性做出科学评价，提出开采方案，开采参数和防水技术措施，保障下组煤开采在技术上、经济上、安全上的合理性和可靠性。关键词：承压水体；安全开采；防水措施引言矿井突水灾害是煤矿生产中重大灾害之一，但随着矿井开采深度的逐年增加，深部矿压对煤层底板的破坏活动加剧，地层深部承压水由于势能较高，对煤矿生产的危害程度将有增加的趋势。由于各个区域的矿井地质条件千差万别，突水影响因素众多，因此突水发生形式以及机制也各不相同。欲在承压水体上安全地进行开采，必须对该区域地质、工程地质、水文地质进行综合分析和研究，系统研究安全开采方法，设计开采参数和防治水措施，正确指导采煤设计和防治水设计，做到有的放矢，确保安全生产。1承压水概述充满于上、下两个相对稳定隔水层之间的含水层中，对顶板产生静水压力的地下水，称为承压水。承压水由于有隔水顶板存在，其补给区和分布区不一致，与水文因素季节变化的关系不甚明显，动态稳定，不易受污染。又因受上、下隔水层的限制，其有一定的承压水头，运动方式不是在重力作用下的自由流动，而是以传递静水压力的方式进行水的交替，当地形条件适宜时，经钻孔揭露承压含水层后，承压水会喷出地表（承压水因此又称自流水）。最适宜承压水形成的构造形式有向斜和单斜。储存承压水的向斜构造，在水文地质学上通常称为承压水盆地或自流盆地。自流盆地按其水文地质特征可分为补给区、承压区及排泄区3部分，如图1-1所示。在含水层出露较高，并且直接接受大气降水或地表水补给的地段，称为补给区。补给区的地下水，具有潜水性质。含水层出露较低，且以泉的形式出露地表，或补给潜水和地表水的地段，称为排泄区。在补给区和排泄区之间，含水层上部具有隔水层且承受静水压力的地段，成为承压区。在承压区，当钻孔打穿隔水顶板时，承压水便涌入钻孔内，水沿钻孔上升，当水位上升到一定高度且稳定后，此时的水面标高称为承压水的测压水位或静水水位。从静水水位到隔水顶板地面的垂直距离称为承压水头；上、下两隔水层之间的垂直距离，称为含水层厚度。图1-1 自流盆地构造示意图在向斜构造的自流盆地中，往往有几个含水层存在，每个含水层分别有自己的补给区、承压区和排泄区。当地表形态与构造形态一致时，称为正地形自流盆地。在正地形自流盆地中，下部含水层的测压水位一般较上部含水层高，含水层之间若有水力联系，往往是下部含水层补给上部含水层。地表形态与构造形态相反的自流盆地，称为负地形自流盆地。负地形自流盆地中，下部含水层的测压水位一般较上部含水层低，若含水层之间发生水力联系，往往是上部含水层补给下部含水层。储存承压水的单斜构造，称承压水斜地或自流斜地。自流斜地通常是因含水层岩相变化或尖灭，以及含水层被断裂错开或被各种侵入体阻挡而形成。由断裂构造形成的承压水斜地，见图1-2。当断裂带导水时，则各含水层将通过断层发生水力联系或通过断层以泉水的形式排泄于地表，构成承压水的排泄区，此时承压区介于补给区和排泄区之间，情况与自流盆地相同，见图1-2a；若断裂带隔水而不导水时，则含水层的补给区接受地表水或大气降水的补给，当补给量超过含水层可能容纳的水量时，在含水层暴露地带的低洼处呈泉水形式出露于地表，形成排泄区，此时补给区和排泄区位于承压区的同一侧，见图1-2b。当地下水未充满两个隔水层之间时，称为无压层间水，其特征除具有自由水面而不承压外，基本上与承压水相同。承压水含水层的水面特征，可用等水压线图来描述。承压水等水压线图即承压水测压水位等高线图，见图1-3。根据等水压线图可以测定承压水的流向、水力坡度及每一点的承压水位，判定各承压含水层之间以及与潜水的相互补给关系，为矿井疏干降压提供资料。承压水虽是很好的供水水源，但是对矿井开采来说，地下水过大，会使大量的地下水流入井下，甚至造成淹井事故，必须引起高度重视。图1-2 断裂构造形成的自流斜地图1-3 承压水等水压线图2研究的关键问题针对煤矿开采过程中遇到的承压水突水威胁，其关键问题包括：（1）对影响煤层底板突水的水文地质与工程地质主控指标的勘察探测和分析，如含水层含水性、渗透性、系统性；隔水层厚度、分布、完整性；所在地区的地质构造；地应力大小等相关指标。（2）承压水体上的下组煤开采后，岩体内引起的移动变形和破坏特征，特别是在遇有特殊地质构造（断层、陷落柱、破碎带、隔水层变异等），在流固耦合作用下煤层开采引起的底板渗流变异规律，包括初次开采、重复开采与扩大开采范围后的底板岩层变形破坏异常规律。（3）对底板隔水层、陷落柱、破碎带遭到突然破坏和扰动，形成矿井突水危险性及潜在危害的评价。（4）对承压水体上开采的技术可行性、经济合理性和安全性做出科学地评价。3巷道的承压水水害隐患预测及防治研究现状3.1概述对于华北型煤田，由于深部矿床水文地质条件复杂，奥陶纪灰岩含水层富水性强,水压值大，可达到2.06.5MPa。下组煤层与其下伏的灰岩岩溶含水层之间的隔水层厚度一般只有1020m，最大5060m。此类煤田有河北的井径、临城、邢台、邯郸、峰峰、开滦，河南的安阳、鹤壁、焦作、平顶山、新密、豫西，山东的淄博、月巴城、莱芜、新汉、枣庄，江苏的徐州、大屯，安徽的淮南、淮北，山西的霍州、轩岗、潞安，陕西的渭北，辽宁的本溪、南票，吉林的通化等30多个。目前，北方主要矿区受岩溶水威胁的煤炭储量达150多亿吨，如何将这些煤炭从承压水上解放出来，实现安全高效煤矿的生产，一直是中国煤炭行业的主要攻关课题之一。3.2矿井开拓工程突水实例据统计，矿井井巷涌水量约占矿井总涌水量的50%以上，特别是在井巷通过有水力联系的松软破碎带、断层裂隙带或直接揭露含水层时，常因掘进中巷道围岩等卸压加载等引起的矿压现象，使巷道围岩产生变形、破坏、坍塌、冒落，当抗压岩柱小于动水压力时，会造成突水灾变事故，危及生产安全。目前，国内煤矿开采过程中，各种巷道开拓突水事故时有发生，甚至在建井期间即发生突水，造成淹井或停产事故。大量实践表明，巷道突水在煤矿水害事故中占有很高的比率，以下列举几例巷道开拓时发生突水的实例。1993年1月15日，某煤矿在开采太原群下部煤层时，受底部承压灰岩水的严重威胁，在巷道掘进时发生32970m3/h特大突水淹井事故。（突水原因是巷道超压掘进，底板奥灰岩存在富水区及强迳流带，q=0.85101L/（sm）。2006年8月28日，某铁矿发生突水，瞬时最大水量928m3/h。造成井巷被淹，矿井治水停建（突水原因分析是巷道接近F4导水断层所致）。2010年3月1日，某煤矿在矿井建设巷道开拓时，发生72000m3/h底板奥灰岩溶水特大突水事故，涌水量为新中国建国以来第二大（突水原因是对巷道底板奥灰承压水危险性认识不足，巷道盲目超前掘进所致）。2010年3月28日，某岭矿在矿井建设开拓中，发生重大突水事故，事故发生当时被困153人，经过煤矿历史上最大规模抢救，但仍造成38人死亡（突水原因是巷道盲目超前掘进导通老空水)。部分开拓工程突水实例见表3-1。表3-1 部分开拓工程突水实例序号工程概况突水时间突水量m3/h突水原因危害后果1主、副井联络巷1995.12.333996地板奥灰水上超压掘进，断层淹井2北大巷掘进迎头-2101993.1.1532970地板奥灰水上超压掘进，奥灰为富水区及强迳流带淹井3采区轨道上山1973.3.19480底板五灰水上超压掘进，断层停掘4溜子道掘进1994.1.162100断层位置不准掘进到断层奥灰突水淹没巷道5掘进迎头1999.1.165273超压掘进诱发奥灰水突破带淹井6轨道下山车场1985.5.1719200超压掘进诱发奥灰水突破带淹井7风井，-390m水平回风石门2006.8.28928砂砾岩水，断层淹井8副井临时水仓1958.3.236540底板灰岩水、断层淹巷道9东大巷掘进1972.1.214515底板奥灰水、断层淹井10掘进巷道放炮1995.12.8600底板奥灰水上超压掘进淹井11胶带暗斜井向下掘进 132m2007.5.8220砂砾岩，小断层停掘122条暗斜井2003.8.11360K砂岩裂隙含水淹面停掘13北进风井筒施工到404.4m2007.7.19202断层导通多层砂岩水淹井14斜井开拓1992.8.41600灰岩水淹井15西一采区-390m石门2007.1.22000底板灰岩水上超压掘进停掘关闭采区闸门16四采区进风井2007.8.21127中砂岩水淹井17主井掘进到806.6m2006.12.27180断层导通2层砂岩水淹井18皮带巷掘至369m2002.8.15120陷落柱导水停掘19下巷掘至750m2003.4.1270000奥灰突水淹井因此，延深受承压水威胁的矿井时，为适应其水压高、水量大的特点，在延深设计与施工中必须充分考虑防水、排水、治水的需要。必须高度重视水害预报、探水、治水工作，否则，由于延深开拓时还未形成强大的排水系统，而发生灾害事故。3.3巷道开拓突水机理而对于深部矿井巷道开拓工程，突水特征是过程发张快，峰值高，衰减快。其具体突水过程具有明显4个阶段：（1）前兆段，井巷发现淋水、底鼓、顶板来压、水色变黄等，时间一般一天以上。（2）突水段，出水量1t/min，水量逐渐增大，直至大水突出。时间2h14d不等。（3）快速发展段，大水突出，常伴有巨响，岩石崩裂，混浊水冲出，水量急剧发展到最大值。时间222h，这是最具淹井威胁的时段。（4）水量衰减段，突水影响半径达到补给边界，含水层水力坡度逐渐平稳，水量逐步减少，直到稳定。一般346d，水量衰减程度与含水层补给条件有关，一般补给条件良好，衰减值30%50%，补给条件差的，衰减值60%90%。掘进巷道引发的突水事故比较多，与其它类型的突水事故相比，巷道突水有其明显的特点，就是迟到（或滞后）突水，其前兆往往被人忽视，没有及时采取措施而造成了严重的突水事故，即：岩石破碎遇水膨胀；上下岩层或本岩层富含水；突水点与断裂构造带连通；支护不及时或支护结构后面有空隙，能允许围岩很快产生大变形；出水时间滞后,即均在围岩被揭露一定时间后发生；突水时有明显的诱导因素；初时突水为集中涌水，水量较小，之后伴随围岩或支护的破坏，水量逐渐增大，最后出现大面积淋水；涌水量增加是渐次递增，并数次突变，在达到稳定涌水量前一阶段递增突变尤为迅速；在达到一定涌水量后，水量趋于稳定。3.4巷道高承压突水国内研究现状（1）巷道高承压突水因素的研究从统计资料来看，巷道底板发生的突水事故占有相当部分，其主要机理是巷道开挖引起底板破坏，产生裂隙与底板含水层直接或间接沟通，并采动影响导致底板突水并引发突水事故。对于深部巷道延伸开拓工程，由于受底板高承压水的威胁最大，一旦巷道底板突水，其表现往往水压高、水流急、水量大等特点，所以对巷道掘进施工中的危害也是最大，故在巷道施工中也是最优先要考虑的突水因素。（2）巷道开拓突水预测的研究突水预测预报是近年来矿井突水灾害防治研究的一个重要方面，很多学者致力于这方面的研究工作，取得了重大进展，形成了不同的学科分支和研究方向。从各类突水预报方法所依赖的基础理论划分，可将其分为泛决策分析理论和岩体工程地质力学理论两大体系。目前关于巷道开拓突水预报可供参考的资料则很少，也没形成一个好的评价方法，所以对于深部巷道突水预测预报的研究则是一个新的研究领域。张文泉等进行的矿井顶板涌水量的模糊预测与防治决策研究；刘光庆等完成的矿井顶板水害预测与防治专家系统；刘伟韬等提出的顶板涌水等级评价的模糊数学方法；郑纲用模糊聚类分析法预测顶板砂岩含水层突水点及突水量的研究。其他的研究方法还有人工专家系统方法进行安全评价的方法、应用人工神经网络进行安全评价的方法等。众多学者从不同角度探讨了底板突水的预测方法，对于指导承压水上采煤起到了重大的指导作。3.5巷道高承压突水国外研究现状在国外，对煤矿突水的研究也已有100多年的历史，现如今对煤矿水害研究的重点放在矿井水对地下水质的污染方面，而对深部开采巷道掘进过程中受高承压奥灰岩含水层威胁突水的研究不多。关于巷道开拓底板变形与破坏，N.A.多尔恰尼诺夫等认为，在高应力作用下（如深部开采)，岩体或支承压力区出现渐进的脆性破坏，其破坏形式是裂隙渐渐扩展并发生沿裂隙的剥离和掉块，从而为巷道底板高压水突入矿井创造了条件。实质上，对巷道底板突水问题的研究与岩体水力学问题的研究密不可分。1986年O.da用裂隙几何张量统一表达了岩体渗流与变形之间的关系。1944年，匈牙利韦格.弗伦斯次提出底板相对隔水层的概念，建立了水压、隔水层厚度与底板突水的关系，后被许多岩溶水上采煤的国家引用。20世纪50年代后，国外用现场和实验室相结合的方法研究了隔水层的作用。6070年代，仍以静力学理论为基础，但加强了地质因素一主要是隔水层岩性和强度方面的研究。在匈牙利、南斯拉夫等国，广泛采用了相对隔水层厚度，即以泥岩抗水压的能力作为标准隔水层厚度，将其他不同岩性的岩层换算成泥岩的厚度，以此作为衡量突水与否的标准。1970年后，前苏联等国家也开始研究相对隔水层的作用，包括采空区引起的应力变化对相对隔水层厚度的影响，以及水流和岩石结构的关系。因此在国外对突水这方面的研究也早以形成了较为系统的理论体系。3.6巷道延伸开拓工程水害防治研究现状巷道延伸开拓工程水害防治主要包括施工前的防治和施工中的防治。为消除水害威胁，按“有疑必探，先探后掘”的防治水原则，在施工之前通过各种手段查清巷道周围区段的水文、工程地质条件，并通过合理的布置巷道来预防开拓时可能的水害。这其中包括加强对水文地质条件的研究，对矿床的充水条件，补给关系、含水层、隔水层关系及地质构造的影响要作深人分析研究，并做出突水时的涌水量预侧，以便及时做出防范措施。对水文地质条件复杂、底板水压较高的区段，要采取必要的物探、钻探等措施以彻底摸清危险区域的地质条件。在充分查清巷道围岩水文、工程地质条件的基础上，优化巷道延伸开拓布置方式。将巷道尽量布置在岩层稳定，而厚度较大的坚固岩层中，同时巷道布置要保证合理坡度以有利于排水，根据预测的涌水量配备足够的排水设备，保证排水能力。条件许可时，可在采区中适当位置设置泄水巷或提前沿等高线施工下区段轨道顺槽，利用其存水或排水。目前对矿井开拓工程施工中水害防治的研究主要侧重在对水源的堵和疏，堵水是通过化学注浆的方法将隔水岩层裂隙进行填充，封堵导水通道，或改造含水层为隔水层，从而达到对破碎岩层的加固和地下水流场的改变或流速的弱化，续而减少巷道涌水量；疏水则是通过打放水泄压孔对含水层的水位进行疏降，从而为巷道延伸工程的安全施工打好地质基础。以下简单介绍下在施工中的两种常见的防治水方法的研究发展现状。（1）注浆堵水用化学浆液加固岩层，在苏联已进行广泛的研究。1978年后，美国有九个州的四十多个煤矿应用聚氨醋注浆加固岩体，其他的国家日本、 英国、 西德等都应用了化学方法加固岩体；在理论方面：1968年Show D.T.通过实验发现平行裂隙中渗透系数的立方定律以后，人们对裂隙流的认识从多孔介质流中转变过来，1974年Louis根据钻孔抽水实验得到裂隙中水的渗透系数和法向地应力服从指数关系，以后德国的Eri chsenpen又从裂隙岩体的剪切变形分析出发建立了渗流和应力之间的祸合关系，1986年Oda用裂隙几何张量统一表达了岩体渗流与变形之间的关系网，1992年Derek Elsworth将似双重介质岩石格架的位移转移到裂隙上，再根据裂隙渗流服从立方定理的关系，建立渗流场计算的固一液耦合模型，并开发了有限元计算程序。这些成果都为治理矿井水灾提供了理论依据。注浆技术用于我国水患治理至今已有30余年的历史。1984年开滦范各庄煤矿岩溶陷落柱特大突水事故注浆堵水的成功，首次证明了我国煤矿水文地质工作者在治理国内外罕见突水灾害上的勇气和驾驭大型堵水工程的能力。我国学者在岩体注浆领域开展了研究，在经典渗流理论的指导下取得了丰硕成果，形成了以下理论：等效孔隙介质模型；离散裂隙网络模型；双孔介质模型。从以上我们可以看出，注浆堵水作为巷道开拓防治水的一种主要方法已被广为实践，并取得了很好的效果。近年来,中国矿业大学姜振泉、隋旺华教授等研究了化学注浆浆液材料，在注浆堵水方面也取得了很好的实践效果。（2）疏水降压影响高承压水体下巷道掘进的安全因素有很多，如地质构造、巷道顶板岩性、岩石的结构构造、胶结方式、岩层的裂隙发育程度、地层倾角、地下水水头差或水压，以及其他一些外在因素，诸如掘进巷道宽度、巷道支护方式、施工工艺等。对于深部巷道延伸开拓工程来说，主要充水含水层是本溪组徐、草灰及奥灰水，主要以巷道底鼓突水形式泄入矿井。当巷道附近含水层的富水性较弱且并无强大的补给源时，我们可以通过疏水降压方式来降低含水层的富水性，从而达到安全施工。这种治理模式的地质条件首先应满足疏水降压的可行性，即疏放的目的含水层其富水性较弱，疏降后含水层的富水性以及隔水层所承受的静水压力均产生变化。在深部巷道下山掘进过程中，如果是穿过的岩层较松软时，排水泵应紧跟随着掘进头的向下延深而移动，在工作面直接排除积水，以便减少积水对下山围岩的侵蚀影响。但是下山掘进头在穿过比较稳定的岩层时，则可以选用打超前倾斜排水孔排除下山掘进头积水的方式，有利于提高下山掘进速度。目前国内通过疏水降压来防止深部巷道开拓水害的方法有：巷道疏干法；防渗帷幕法；钻孔疏干法。4深部开采底板承压水渗流特征及突水机理分析随着矿井开采深度的增加，矿压显现对煤层底板承压水突水有一定的影响，矿井水害防治工作必须重视深部开采的矿压问题介绍2种不同突水机理的底板渗流特征，结合防治水实践经验对矿压条件下不同的突水控制因素进行了分析，使矿井水害防治“有的放矢”。矿井突水灾害是煤矿生产中重大灾害之一，但随着矿井开采深度的逐年增加，深部矿压对煤层底板的破坏活动加剧，地层深部承压水由于势能较高，对煤矿生产的危害程度将有增加的趋势。由于各个区域的矿井地质条件千差万别，突水影响因素众多，因此突水发生形式以及机制也各不相同。一些学者针对不同突水机制进行了单方面的研究，但都忽略了承压水渗流特征，使得矿井水害防治工作比较被动。弄清底板承压水的渗流特征，采取有效的防治措施，对矿井安全生产具有重要意义。4.1底板突水机理及特征最基本的底板突水机理分为2种：薄板宏观整体破断导水、厚板微观压裂导升。在煤层开采深部，受开采局部空间应力区的影响，矿压显现。(1)底板较薄隔水层宏观的整体破断。在较大岩层裂隙发育情况下，由于采矿活动的影响，煤层开采支承压力在底板中的传播，使底板岩层在向下支承压力和底板承压水双重作用下，首先在长边中心部分开始破裂，裂隙发展成O形，由于开采后采空区应力得到释放，在底板承压水作用下，采空区中心出现裂隙，具有高势能的承压水直接流入开采空间，造成大面积、大量突水事故；有时高势能水借助断裂构造或陷落柱通道直接冲向开采空间，形成瞬间突水，见图4-1。(2)底板较厚隔水层发生微观变形，形成微观裂隙网随着时间的推移，微观裂隙网在矿压和高势能水的共同作用下开始扩张，最终当裂隙扩张的阻力与水的压力平衡时形成稳定的突水流量。在矿压和水压共同作用下的突水界面特征如图4-2所示。图4-1 隔水层整体破坏型示意图4-2 厚隔水层中承压水导升示意4.2承压水渗流特征（1）薄板宏观整体破断导水渗流特征宏观整体破碎岩体存在高渗透、非Darcy渗流等特征。对Forcheimer关系的一维非Darcy渗流动量方程，忽略体积力和液体压缩性，在渗流稳定时有： （4-1）式中：式中，为流体质量密度；Vs为稳态渗流速度；p为孔隙压力；为流体动力黏度；k为广义渗透率；为非Darcy渗流因子。缪协兴等人研究认为：当底板整体破断遭遇高势能水时，底板隔水系统失稳，水压梯度在较短时间内下降，容易造成较大突水事故。（2）厚板微观压裂导升渗流特征研究认为：流体在煤、岩微观裂隙中渗流符合Darcy流动方程： （4-2）式中符号意义同式（1）。王国际、岑培山等人通过对煤、岩体内钻孔内水压恢复特征研究认为：当周围水源丰富、水压较高时，钻孔周围水压分布与水的流速呈正比关系。也就是说，厚板微观压裂导升渗流持续时间长且稳定。4.3矿压作用下承压水突水控制因素分析矿压是导致煤层底板突水的重要因素。矿压的产生会引起各种力学现象，如底鼓会使底板岩层在一定程度内遭到破坏（产生竖向张裂隙、层向裂隙、剪切裂隙），进而影响隔水层阻碍突水条件的变化，从而“打通”或“激活”突水通道。（1）富水性和含水层的水压含水层对隔水层的水压是底板突水的主要动力因素，富水性决定了突水时的危害程度。承压水进入采掘空间必须突破隔水层或冲刷扩大其中的弱透水裂隙，而矿压为其准备了条件。隔水岩层在矿压条件下首先遭到破坏形成微裂隙网，含水层水压在突水过程中首先克服这些破坏形成的裂隙阻力进而形成渗流通道，裂隙全部充水。这时承压水和矿压共同作用对水平面形成一个高压力区，使岩层抬动位移或鼓胀，导致突水。当水源丰富、势能高且矿压破坏岩层严重时，破碎岩体呈高渗透、非Darcy渗流等特征，这时往往会发生重大突水事故。（2）隔水层的岩性组合和厚度底板隔水层强度是阻抗突水的主要因素。隔水层阻抗能力的大小，决定于隔水层的厚度、岩石力学性质以及组合关系等。但原始隔水层的状况是复杂的，受矿压的影响，其阻隔水性能将有所减弱。所以，目前对隔水层阻抗能力的定量分析尚有许多的困难，缺乏不同情况下的系列数据。但是有关研究表明，阻抗水压致裂隙扩展、防治承压水导升的较优岩层组合形式是：位于承压含水层之上的是软岩层，再加上弹性模量较大的硬岩层。它既能阻抗承压水致裂裂隙和采动裂隙的扩展，又能阻止承压水的导升，形成对承压水突水有较强的阻隔作用。软硬岩层交替组合层序越多，隔水层越厚，阻水效果越好。一定厚度的隔水层是防止承压水突水、保护矿井安全开采的必要条件，但真正能起到隔水作用的则是有效隔水层厚度。如果有效隔水层厚度较大，即使在矿压的破坏作用下也只能形成微观裂隙网，流体在隔水层中呈Darcy渗流特征，突水持续时间较长且稳定，但瞬时突水量不会很大。（3）构造对隔水层的破坏作用断裂带是渗透水活动的原始空间，凡在区域构造应力场或具体构造行迹中，张性或扭性裂隙集中的部位，必然是岩溶发育和岩溶水富集的部位，区域构造体系控制着区域地下水的运动条件和岩溶发育方向，而具体的构造行迹则控制着局部地段岩溶水的岩溶发育具体部位，在张应力集中的地段为地下水渗入岩石空隙提供了有利条件，岩溶作用较快，从而形成导水通道和储水空间。实践表明，断裂构造带是矿井突水的主因及其控制因素。据统计，80%以上的煤矿充水都与断裂构造有关。张西民、马培智等在研究顶板周期来压和底板突水关系时认为，构造破坏带是最易产生突水的地点。非来压期间，当采空区卸压带内存在构造破坏带时，承压水首先通过已受超前压力破坏的构造裂隙带形成Darcy渗流；来压期间，如果煤、岩壁附近存在破坏带时则加剧构造影响区的再次破坏，进一步扩张裂隙网，隔水层呈现高渗透性，承压水流变成非Darcy渗流，使构造区成为突水危险性最大的区域。（4）回采面积对突水的影响在正常的地质条件下，采空面积在较小范围内，所产生的采动效应对隔水层的破坏作用处于裂隙发展期，在承压水作用下微观裂隙网中水流呈Darcy渗流特征，工作面重大突水事故不易发生；当开采面积扩大，周期来压次数增多，来压对底板多次反复作用下，使底板隔水层裂隙扩张，隔水层阻水能力下降，水流渗流特征转变，往往发生较大突水事故。（5）陷落柱对隔水层的破坏作用一般认为陷落柱是在地下岩溶垮塌的情况下没有上覆非可溶性岩层坍塌充填而形成的。陷落柱岩性特征表现为成分复杂，未胶结或弱胶结，无分选，岩石碎块呈棱角状，形状不规则，排列杂乱。陷落柱体内杂乱无章的碎屑岩大小不等，最大的直径可达数米，最小的仅数厘米。所以陷落柱是良好的水流通道，有时较大的陷落柱能连通不同的水系，使突水水源极为丰富。一般情况下充水陷落柱水源不会对采掘活动造成影响，只有当采掘活动靠近时，煤、岩柱受到采掘动力和矿压的影响，使其（隔水墙)裂隙发育。当煤、岩柱厚度不能承受水压、矿压的共同作用时发生失稳，裂隙中水流由Darcy渗流转变为非Darcy渗流，最终导致较大突水事故的发生。4.4深部开采底板承压水渗流特征及突水机理结论基于以上分析，主要得出以下结论：宏观整体破碎岩体存在高渗透、非Darcy渗流等特征。当底板整体破断遭遇高势能水时，底板隔水系统失稳，水压梯度在较短时间内下降，容易造成较大突水事故；厚板微观压裂导升渗流符合Darcy渗流特征。当周围水源丰富，水压较高时，厚板微观压裂导升渗流持续时间长且稳定；深部开采煤层底板由于采深增加，矿山压力增大，造成的底板支承压力增大，使底板裂隙增多，破坏深度加大，同时底板承受承压水的向上作用，使底板岩层处于剪切状态，与一些特殊的地质情况相结合，发生突水的危险性明显增大。在实际的生产过程中，支承压力在底板中传播一直是诱发岩层发生破坏、造成突水事故发生的一个重要原因。5承压水上开采防水煤柱临界宽度研究防水煤柱的合理留设，是带压开采至关重要的一个环节,采矿实践证实，绝大多数突水都发源于地质构造，尤其是特大型突水。合理留设防水煤柱是防止构造突水的重要措施。在柳泉矿7煤实际情况的基础上，通过FLAC模拟与理论计算相结合的方法，提出了确定煤柱临界宽度的公式。5.1工作面概况柳泉矿7煤在002 勘探线之间，-80-260m段由原景山煤矿回采过，煤厚为1.50.6 m之间，煤层倾角为6070，回采期间煤层稳定，未见断层，未发现煤层变薄不可采现象，顶底板均为砂岩，坚硬，顶板稳定，回采巷道支护为木支护，无冲击地压现象，工作面走向长300 m左右，回采巷道维修量不大，工作面回采过程中没有发现滴淋水现象。5.2模型的建立与FLAC模拟煤炭开采过程中，当工作面前方遇有断层时，如何确定防水煤柱的临界宽度，根据柳泉矿现71采区揭露断层统计数据，假设遇有倾角为60、落差为35 m正断层时，分析不同工作面长度下，底板破坏深度以及相应的防水煤柱临界宽度。为确定柳泉矿71采区的地质情况，根据现有的水文地质资料及7、9煤的顶底板力学性质，采用固流耦合模型，分析在距7煤底板90m处存有承压水的情况下，水的渗流与工作面开采的耦合关系。模型共划分19050单元，反映出实际尺寸宽和高各为250m和180m。模型上边界加1.2MPa垂直压应力以模拟实际采深的地应力，左右边界以一定的应力梯度加3.0MPa的水平应力，以模拟遇有大断层时的水平应力。在距7煤底板90 m位置以一定应力梯度加 6.5 MPa 的水压力，断层物理参数如表5-1所示。表5-1 断层物理力学参数倾角/（）落差/m厚度/m法向刚度切向刚度泊松比内聚力/N摩擦角/（）渗透系数603523e82e80.451001510e-9留20 m保护煤柱时，采场及断层处水压及应力云图如图5-1所示图5-1 20m煤柱时采场及断层处应力云图数值模拟分析表明，7煤下伏的承压水由于断层破碎带的存在，至使断层活化。承压水一方面通过其顶板岩层向7煤渗透，但距7煤底板19m位置存有隔水层，有效的阻止了水头进一步上升；另一方面由于承压水压力较大，使断层成为导水断层，断层处的水头明显高于其它位置，且穿过隔水层向两侧扩散。当所留煤柱为20m时，断层左侧扩散距离为11m，右侧为8m，距7煤底板17m，承压水沿断层破碎带及7煤开采对底板产生的破坏区，进入工作面而导致突水。5.3理论计算与经验类比相结合法（1）采场底板不突水条件采场附近煤体上的支承压力往往超过其极限强度，在煤壁附近形成非弹性区。按照弹塑性软化模型，分别处于弹性、软化和流动的区域相应地称为弹性区、塑性区、破碎区，如图5-2所示。图5-2 工作面前方煤体变形区域非弹性区包括塑性区及破坏区，其范围为： （5-1）其中：，式中：f为岩层与顶底板间的摩擦系数；h为煤层厚度；为煤体的内摩擦角；为单轴压缩时的残余强度；P为最大支承压力；为峰值应力集中系数；为上覆岩层的容重；H为煤层的采深；c为煤体的内聚力。塑性区的范围为： （5-2）式中：为煤体塑性软化模量，且，为煤体塑性软化角；为塑性区煤体应变梯度，且为塑性区煤层顶底板变形角之和。破碎区范围为：断层突水的条件如图5-3所示，煤壁与断层距离为a，高峰应力传播角为，其与倾角为的断层交于A点，z为交点距煤层底的深度。以A为顶点，弹性区煤层长度为底的三角形面积S为： （5-3）整理得： （5-4）沿底板高峰应力线的倾向方向，支承压力由峰状态向原始应力状态过渡，相应地煤层底板由压缩状态向原岩状态过渡，受到支承压力峰值压缩的底板一旦遭到破坏，支承压力峰值就会向深部移动，即离煤壁更远，相应地底板高峰应力线也向深部移动。因此，未遭受支承压力峰值压缩的底板不会破坏，从而在底板高峰应力线与断层之间的底板岩层仍具有原始的隔水性能。图5-3 断层突水机理分析图沿底板高峰应力线的倾向相反的方向，即向采空区方向，支承压力由峰值状态向低应力状态过渡，相应地煤层底板由压缩状态向膨胀状态过渡。因这部分的煤层底板都已遭受过支承压力峰值的破坏，所以丧失原始的隔水性能，有可能成为导水通道。综上所述，底板通过断层构成的突水通道产生突水的条件为：煤层开采造成的底板破坏深度h不小于底板高峰应力线与断层交点的深度z，即： （5-5）根据上面公式，可得到采场断层防水煤柱留设宽度计算公式。根据采场底板不突水的条件有： （5-6）式中：h、为煤柱设计的重要参数，可由公式（5-1）获得，为采场底板高峰应力线同岩层法线方向的夹角，大量现场实测资料、相似材料模拟试验及有限元分析表明，值一般在2125，h为矿山压力对采场破坏的深度。（2）煤柱留设尺寸的确定如柳泉矿7煤开采过程中遇有35m正断层，根据现开采工艺条件及工作面布置方式，具体参数如下：工作面采深为650m，斜长124m，煤层倾角15，断层倾角60，采高1.0 m，非弹性区与采高比为6.5，底板应力高峰线传播角为25，底板破坏深度为12m，将以上参数带入式（5-6）计算：m与数值模拟结果分析可知，当工作面与断层留有20m煤柱时，达到最小防水保安煤柱，与本方法确定的煤柱尺寸基本一致。据此给出经验公式如下：式中：H为煤层埋深，m；为断层倾角，（）；f为普氏系数；L为工作面长度，m。5.4采场断层防水煤柱留设结论根据理论分析，得到采场断层防水煤柱留设宽度计算公式 据此给出采场底板不突水的条件：。通过与数值模拟结果对比验正，结合回归分析提出计算煤柱的经验公式。6承压水体上煤层开采技术6.1承压水体上采煤方案（1）深降强排方案深降强排方案就是设置各种疏水工程，如疏水井巷、疏水钻孔等，将岩溶水位人为地降低到开采水平以下，以确保安全地进行开采。告成煤矿13071轨道巷底板突水后就是采用这种方案，在相邻的13081工作面的底板布置了1#底板疏水巷，进行人为疏放，使水位降到了开采水平以下，解除了13采区受底板承压水的威胁，确保了矿井安全生产。这种方案虽说效果最好，但存在着疏水工程量大、设备多、电耗大、使水位降低造成工农业用水缺乏和地表下沉等缺点。此外，当井田内承压水水量极为丰富、补给来源充足时，深降强排方案难以实现。（2）外截内排方案外截内排方案的实质，是在井田或井田内某一区域外围的集中径流带采用钻孔注浆的方法建立人工帷幕，截断矿井的补给水，然后在开采范围内进行疏放，将承压水的水位降低到开采水平以下。超化矿22081工作面突水后，就是利用这种方案在突水点四周进行钻孔注浆，有效封堵截断了出水点的补给水，同时加大该采区的疏水排水强度，目前该采区已恢复生产，突水点的水量由原来的2700 m3/h降到300 m3/h，确保了整个矿井的安全生产。但这种方案只能适用于特定的条件，如水文地质条件清楚、补给径流区集中、帷幕截流工程易于施工等。（3）带压开采方案带压开采方案就是在开采过程中利用隔水层的阻水能力，防止底板突水。带压开采无需事先专门排水，也能做到安全开采，且在经济上花费较少。但带压开采不能确保不发生底板突水事故，特别是在水文地质条件复杂的地区，带压开采时底板突水的可能性更大。因此，在采用带压开采方案时，首先要对其可能性进行论证，并要采取一系列安全措施，还要有足够的备用排水能力，最好是在水文地质条件清楚、隔水层厚度达到防水要求的情况下采用。（4）带压开采综合治理方案带压开采综合治理方案是在查清区域地质、矿井水文地质及构造地质情况的基础上进行带压开采。在开采之前，要在矿区外围堵截地下水的补给水源；在开采的过程中，视矿井涌水量和水压大小，进行适当的疏水降压，从而达到安全开采的目的。这种方案具有相对安全、经济等优点，适用范围广。但要实现带压开采综合治理方案，还需采取一系列安全措施。6.2承压水体上采煤的安全技术措施（1）防探水安全技术措施1）做好矿井水文地质及构造地质工作。要查清开采区域内的水文地质情况，并要系统地研究矿区的构造地质，分析开采区域内的断层分布规律与构造体系，同时查明断层的导水性能。2）加强防探水工作。在开采受承压水威胁的煤层时，应坚持超前探水工作，并及时探测底板隔水层厚度及其变化、底板含水层的含水性能及底板隔水层中地下水导升高度、断层的含水层性能、断裂裂隙分布规律及富水程度。3）设置井上下水文工程设施。设置水文观测钻孔，建立水文观测制度，及时搜集和整理水文资料，做到全面掌握底板奥灰承压水的动态和变化规律。必要时在井下开采水平设置专门的疏水巷道和疏水钻孔。4）对底板进行注浆加固。对于底板破碎带及薄层石灰岩含水层，通过钻孔进行注浆，堵塞溶洞，加固破碎带和断裂带，并封闭奥陶系石灰岩的补给通道，以实现在承压水体上安全采煤。（2）开采安全技术措施1）选择开采顺序。在查清矿区水文地质和构造地质的基础上，应本着先易后难、 由浅到深、 先简单后复杂的原则，对受承压水威胁的煤层进行全面规划，划成不同的水文地质单元进行开采。对于条件相同的煤层，应有计划地进行试采，总结经验，找出规律，再逐步进行推广应用。2）分区隔离开采。分区隔离开采是在采区四周要留设隔离煤柱，采区之间要设置水闸门，以缩小底板突水的影响范围。3）优化采区巷道布置。在设计采区巷道布置时，要注意采掘巷道与断裂构造的空间位置关系。尽可能地少穿过断层，尽量减少巷道交叉点并缩小交叉点的悬顶面积。交叉点和回采工作面上下出口要尽量避开小断层。4）减小工作面长度，提高工作面推进速度。减小工作面长度，可以减小底板的破坏深度，提高工作面推进速度，可使采动后的裂隙不能得到充分扩展，从而减小底板的破坏深度。5）合理地确定工作面推进方向。在布置回采工作面时，应尽量避免工作面的周边与高角度断层靠近和平行，避免工作面推进方向与高角度的断层走向垂直，但可以与断层走向斜交。7总论通过对煤矿所在井田的水文地质与工程地质状况、煤岩层的岩性情况进行详细研究分析，对开采过程进行技术模拟，综合评价开采方案、开采参数合理性和可靠性，提出相应的防治水技术对策，在经济、技术和安全方面进行综合考虑，可以为不同地区在承压水体上进行安全开采的设计和开采方法提供科学依据，确保安全生产。参考文献1 杨风旺,杨增越.底板突水预测预报理论及技术J.煤矿开采,20072 张金才.煤层底板突水预测的理论与实践J.煤田地质与勘探,19893 彭苏萍,王金安.承压水体上安全采煤M.北京:煤炭工业出版社,20014 桂和荣,防水煤(岩)柱合理留设的应力分析计算法.北京:煤炭工业出版社,19975 唐东旗,吴基文,李运成,等.断裂带岩体工程地质力学特征及其对断层防水煤柱留设的影响.煤炭学报,2006,31(4):455-4606 尹尚先,王尚旭.陷落柱防水煤柱留设对围岩变形影响的数值模拟.煤炭学报,2006,31(2):179-1827 王永红,沈文.中国煤矿水害预防及治理M.北京:煤炭工业出版社,19968 张金才,张玉卓,刘天泉.岩体渗流与煤层底板突水M.北京:地质出版社,19979 山东矿业学院.改革采煤方法和回采工艺预防突水灾害的研究R.山东:山东矿业学院等,199110 李增学.煤矿地质学.北京:煤炭工业出版社,2009翻译部分英文原文Establishment of grey-neural network forecasting model of coal and gas outburstYang Sheng-qianga, Sun Yana,b, Chen Zu-yuna, Yu Bao-haia, Xu QuanaaState Key Laboratory of Mine Resource and Safe Exploitation, School of Safety Engineering, CUMT, Xuzhou 221008, ChinabDepartment of Public Management, Shanghai Trade Union Polytechnic, Shanghai 201415, ChinaAbstract: Grey correlation analysis was made with respect to factors affecting coal and gas outburst and the input parameters of artificial neural network (ANN) determined. Then five dominant factors were chosen for grey correlation analysis as the input parameters based on the improved BP algorithm, and neural network forecasting model of coal and gas outburst established. The network was trained by using the study samples from the instances of typical coal and gas outburst mines, and coal and gas outburst instances of Yunnan Enhong mine were used as forecasting samples. The comparison between the results from network forecasting with that of the traditional methods indicates that this method can meet the requirement for coal and gas outburst forecast .Keywords: coal and gas outburst ; grey correlation analysis; grey-neural network1. IntroductionIn china, coal has a wide distribution and the landforms of coal fields are complex. The coal production is threatened by water, fire, coal dust, roof fall, gas outburst, and so on. Of these factors, gas outburst is the most serious dangerous one to cause great economic loss and kill coal miners. So, gas outburst forecasting becomes particularly important 1.Because the inherent mechanism of coal and gas outburst is so complicated and lots of uncertain and fuzzy problems exist between effect factors and accidents, both the traditional forecasting technologies based on experience and the statistical forecasting technologies based on mathematical model are restricted in the field application. Grey-neural network forecasting methods of coal and gas outburst is applied in this paper.2. Analysis of effect factors 2.1. Initial velocity of gas ( p )The initial velocity of gas is one of the risk indexes for coal and gas outburst2-3. It shows the blow-off velocity of gas from coal. This index reflects how quickly the gas releases from coal seams. p is related to the gas content of coal, structure and surface property of pore. To a large degree, the movement and destructive power of gas is decided by desorption and blow-off ability of gas in coal during the developing process of coal and gas outburst.2.2. Consistent coefficient of coal ( f )The consistent coefficient of coal is a kind of relative indexes of coal particles mechanical strength. Its value reflects coals physical and mechanical properties and is also an important parameter involved in coal and gas outburst. Generally, the bigger the f is, the more difficult the outburst happens under the same gas pressure and ground stress.2.3. Gas pressureGround stress controls gas pressure field and promotes coal-body to be destructed by gas. The increased pressure in surrounding rock determines ventilation property of coal seams and leads to increase pressure gradient which is favorable for the coal and gas outburst to happen. The content of gas pressure is an important symbol of gas compressive energys value.2.4. Thickness of soft sublayer The deeper the coal seam is, the more frequent the gas outburst happens. Both the outburst times and the scales increase with the increase of coal seam thickness, especially the thickness of the soft sublayer. Because the reason of low mechanical strength of coal and bad ventilation property, much content and pressure of gas exists in the change area of coal bed thickness. 2.5. Coal-body destruction typeGround stresses, including self-weight stress, structural stress, and disturbance stress, get the surrounding rocks or coal-bodys elastic potential energy do work, making the coal-body destroyed and displaced. Coal-body destruction type refers to the coal-body destruction degree of coal-body structure under structural stress. According to the destruction degree, it can be divided into five types:1- non-destructive coal; 2-destructive coal; 3- strong destructive coal;4 - pulverized coal; 5-completely pulverized coal. 2.6. Mining depthViewing from the regional metamorphism of coal, the depth is the main reason lignite changing into anthracite because, with increase of depth, the pressure and temperature increases. The deeper the depth is, the higher the coal rank is. The huge thickness cover makes the gas be formed and protected, most of which are methane and so on. So the outburst intensity of coal will increase with the increase of mining depth.2.7 The Gas Content of Coal seamGas is from the coal seam, strata, gob or production process during mine excavation. The higher the gas content of coal seam is, the more gas will effuse into tunnels and working faces during coal seam excavation. As a result, the threat of the gas accident will be more serious.Based on the above factors, this paper collected some typical data from eight outburst mines in China as the sample sets of grey relation analysis model. Values of various factors are shown in table 1.Table 1. Original data of each influencing factorSampleNumberoutburstscales(t)Initial Velocity(p)Consistencecoefficient(f)Gas Pressure(MPa)Soft stratificationthickness(m)Coal-bodyDestruction TypeMining Depth (km)Gas Content of Coal Seam (m3/t)1150.0019.000.312.761.2030.62010.02220.606.000.240.952.0050.44513.04315.1018.00030.46210.3640.005.000.611.171.6110.3959.04576.508.000.361.251.4130.7459.01610.208.000.592.801.8230.42510.2570.007.000.482.001.1010.4609.508110.2014.000.223.950.9330.5438.233. Grey relation analysis In fact, a series of effect factors of coal and gas outburst are non-time series, so its reasonable to generate the interval values from original data. This paper makes the factor that is outburst scales of gas as the controller series and other various factors as sub sequence of grey relation analysis.Getting the interval values from original data according to the formula:,then calculating the absolute differences i(k) of one samples interval values between controller series and sub sequence by the formula:. Correlation coefficient series i(k) can be gotten by the Calculation Formula and then the correlation degree between controller series and sub sequence can be gotten though the formula: . The Resolution Coefficient is 0.5. The results are shown in table2.Table 2. Relational degree taxis of influencing factorsInfluencing factorsCorrelation degreeOrderingInitial Velocity p0.791Consistence coefficient f0.585Gas Pressure p0.684Soft stratification thickness0.547Coal-body Destruction Type0.703Mining Depth0.782Gas Content of Coal Seam0.556The relating sequence of various factors for gas outburst scales shows the affecting degree on the gas outburst scales. According to the calculation results of correlation degree above, correlation degree that various factors for gas outburst scales orders are as follows.Initial velocity mining depth coal-body destruction type gas pressure consistence coefficient gas content of coal seamsoft stratification thickness.4. Model buildingComplicated nonlinear relation exists between various factors and gas outburst scales. Using artificial neural network to forecast the happening coal and gas outburst can reduce the human disturbance, make the result more objective, and show the connection of input and output variables truly4-5.4.1. Determination of input elements The accuracy of neural Network isnt proportional to the number of chosen factors. If factors are overabundant, the learning speed of network will reduce and the learning process will become complicated and difficult to control. At the same time, the number of effect factor cant be too less, otherwise itll make results depend on some parts of factors too much. We chose five dominant factors in Gray correlation analysis: Initial Velocity, Mining Depth, Coal-body Destruction Type, Gas Pressure, and Consistent coefficient as input neurons. In addition, we introduce the improved BP algorithm of Artificial Neural Network and adopt neural network function storehouse of MATLAB to write the procedure and established neural network predicting model of analysis of coal and gas outburst.4.2. Classification of the forecast results According to the actual conditions of coal mine, the coal seam can be divided into two types: outburst coal seam and non-outburst coal seam. In order to improve the actual applicability, this paper divided the outburst situation into three types: small amount outburst (below 50t, called small) ;common outburst(between 50t and 100t, called medium );mass outburst(above 100t, called large). The output value of Neural Network training cant be 0 or 1, so the output values are set into four kinds as follows: 1,0,0,0 stands for non ;0,1,0,0 stands for small ;0,0,1,0 stands for medium ;0,0,0,1 stands for large.4.3. Determination of network structureAccording to the analysis above, we chose five main effect factors of coal and gas outburst and they can also serve as input nodes of the model. There are four output nodes and the output value is 0 or 1. The number of the hidden layer nodes is very important. If the number of the nodes is too less, the network cant establish complicated judgment boundary; If the number of the nodes is overabundant, the network will lose the summarizing and judging ability 6. The number of 11, 9 and 16 are tried in this paper.Finally the best number of hidden layer is chosen by comparing the network performance. The transfer function between different layers is chosen by sigmoid function and the whole interconnection is used between different layers. Network structure of Neural Network is showed in figure 1.Fig.1. BP network structure chart of coal and gas outburst forecast4.4. Collection and normalization of dataTypical coal and gas outburst instances must be chosen as sample and their data must be standardized before network training. This paper chose five effect factors from typical coal and gas outburst mines in China as learning samples shown in table 3.Table 3. Original data of coal and gas outburst instancesSampleNumberInitial Velocity(p)Consistencecoefficient(f)Gas Pressure(MPa)Coal-bodyDestruction TypeMining Depth (km)outburstscales119.000.312.7630.620Big26.000.240.9550.445Small318.000.161.2030.462Small45.000.611.1710.395Non58.000.361.2530.745Medium68.000.592.8030.425Small77.000.482.0010.460Non814.000.223.9530.543Big911.000.282.3930.515Small104.800.601.0520.477Non116.000.240.9530.455Medium1214.000.342.1640.510Small134.000.581.4030.428Non146.000.421.4030.426Big154.000.512.9050.442Big1614.000.243.9535.52Small174.000.531.6524.38Non186.000.543.9555.43Big197.400.370.7547.40Medium203.000.511.4034.00NonInput nodes parameter values of the BP network are different and the values diverge greatly, so the values need to be normalized in order to prevent the information of small values from being weakened by big ones. Generally, various values are normalized between 0 and 1. But it isnt an appropriate method for this case. Because the function sigmoid curve changes is smooth between 0 and 0.1 or between 0.1 and 0.9. So the good normalized value range should be 0.10,0.90. The formula ofcan satisfy thenormalized requirements. Quantificational data can be normalized using the above method.4.5. Training of BP Neural Network for coal and gas outburst prediction In this paper, the BP tool functions in the ANN toolbox of MATLAB software is applied, and applications of some important tool functions are demonstrated7-10. The inputting layer has five nerve fibres because the inputting samples are 5-dimensional inputting vector. After many times pilot calculation, the high performance network will be gotten if the number of hidden layer is 11. The outputting layer has four neurons because of four outputting data. So the networks structure is 5-11-4. The transfer function between different layers is the S-shaped tangent function. Fig. 2. Training error curve of networkThe training function is traingdx and the learning rate is adapted by network itself, called improved BP algorithm. The training error curve of network is shown in figure 2. From the figure we can get that the network converges after 14,166 times iterative calculations and the network also can identify the study learning sample completely and accurately. Complicated nonlinear relation is set up between various factors and gas outburst scales.4.6. Coal and gas outburst forecasting by trained networkEight coal and gas outburst instances of Yunnan Enhong coal mine were used as forecasting samples. The detail data are showed in table 4.When the network outputting value is close to 1, 0, 0, 0, the scale of coal and gas outburst is small, when the network outputting value is close to 0, 1, 0, 0, the scale is Medium, when the network outputting value is close to 0, 0, 0, 1, the scale is big.Network output is as follows:The expected outputting values of BP network should be all 0,1,0,0, from forecast results, they are all consistent with actual coal mine situation. So the method has certain practicability. The Error curve is shown in figure 3.The forecasting results calculated by grey - neural network and other methods are shown in table 5, in which “You” means having the risk of coal and gas outburst while “Wu” means having no risk of outburst. Fig. 3. Forecast error curve of network Table 4. Instances of coal and gas outburst of Yunan Enhong mineSamplenumberInitial velocityemissionRobustness coefficientGas pressure(MPa)Destroy the type of coalMining depth/102mstrength ofoutburst (t)1110.372.134.1211212.10.492.034.129311.50.281.934.0710411.80.362.334.0315510.80.302.233.969612.40.381.834.109.3711.80.571.634.0836.8810.00.551.534.0510.8Table 5. Comparison of forecast results between grey-neural network and other forecast methodsSamplenumberInitial velocityemissionRobustness coefficientGas pressure(MPa)Destroy the type of coalMining depth/102mKSCBP1110.372.134.7920YouYouSmall212.10.492.034.1218.0YouYouSmall311.50.281.931.416.8YouYouSmall411.80.362.332.414.2YouWuSmall510.80.302.232.819.4YouYouSmall612.40.381.834.717.5YouYouSmall711.80.571.633.916.1WuYouSmall810.00.551.531.820.5WuYouSmallSingle-target method and comprehensive target method are respectively instead by S and C.From table 5, part of the prediction results by single-target method and comprehensive target method respectively are discrepant with the reality and they cant reflect the outburst risk degree. The reason is that those methods could not post the complicated relationship between influencing factors of coal and gas outburst. But the prediction results by BP nerve network are more accurate than others. So the method presented in the paper has certain practicability.5. Conclusions1) Seven main effect factors of coal and gas outburst are analyzed, and actual data in eight typical coal and gas outburst mines in China are collected. Through the Grey correlation analysis, we get the correlation order of effect factors affecting coal and gas outburst.2) Neural network forecasting model of coal and gas outburst is built. According to the result of grey correlation analysis, Input Elements in Grey-neural Network Forecasting Model are determined. 3) 20 Chinese typical examples of coal and gas outburst are collected to train the network model. The trained gray- neural network model has been applied in Yunnan Enhong coal mine and then checked usefulness and accuracy, showing that the grey - neural network model is suitable for predicting coal and gas outburst. Acknowledgements Project supported by the Natural Science Hall of Yunnan Province (No 2005IT02) and by the Natural Science Key-Foundation (No 50834005). References1 G. Wen, S. Xu, A new progress of preventing and curing coal mine gas outburst. Mining Safety & Environmental Protection, 27 (2002). 2 S. Ma, E. Wang, Coal and Gas forecast methods. Mining & Processing Equipment, 5 (2001) 71-72. 3 C. Jiang, Forecast model and indexes of coal and gas outburst. Journal of China University of Mining & Technology, 27 (1998) 373-376. 4 J. Deng, Grey Systems Theory Course. Wuchang: Huazhong University of Science and Technology, 1989. 5 J. Deng, Grey Control System. Wuchang: Huazhong University of Science and Technology, 1997. 6 B. Xu, Z. Liu, MATLAB Engineering Mathematics and Applications. Beijing:Tsinghua University Press, 2000. 7 H. Yu, Intelligent Diagnosis on Neural Network. Beijing: Metallurgical Industry Press, 2000. 8 Y. Pan, C. Zhai, An evaluation of the road traffic safety based on the grey cluster and neural network. Journal of Chongqing Jiaotong University, 4 (2005) 101-104.中文译文煤与瓦斯突出灰色-神经网络预测模型的建立杨胜强1， 孙岩1 2，陈祖云1， 于宝海1, 徐泉11.矿产资源与安全开采国家重点实验室，安全工程学院，中国矿业大学，徐州221008，中国2.公共管理系，上海工会理工学院，上海201415，中国摘要：对煤与瓦斯突出影响因素进行灰关联分析，以此确定人工神经网络的输入参数。并应用改进的BP算法，选择灰关联分析的5个优势因子作为输入参数，建立了煤与瓦斯突出预测的神经网络模型。选用典型突出矿井的煤与瓦斯突出实例作为学习样本，对网络进行训练学习，并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本，将经过网络预测的结果与传统方法的计算结果进行对比。结果表明该灰色-神经网络模型能够满足煤与瓦斯突出预测的要求。关键词：煤与瓦斯突出；灰关联分析；灰色-神经网络1.简介我国煤炭分布范围广泛、埋藏地形复杂，煤炭生产一直受到各种灾害，如瓦斯、涌水、火灾、煤尘及冒顶等的威胁，其中尤以瓦斯事故后果最为严重。由于瓦斯事故带来的人员伤亡和经济损失在煤矿事故中占据十分重要的位置，因此，瓦斯事故的预测方面的研究就显得十分重要。煤与瓦斯突出的内在机理极为复杂，突出影响因素与突出事故之间相关规律存在一定的不确定性和模糊性，基于经验的传统预测技术和基于数学建模的统计预测方法的应用已受到了很多的限制。文章采用基于灰色关联分析的神经网络方法来对煤与瓦斯突出进行预测。2.煤与瓦斯突出影响因素分析2.1瓦斯放散初速度（p）煤的瓦斯放散初速度是预测煤与瓦斯突出危险性的指标之一2-3，该指标反映了含瓦斯煤体放散瓦斯快慢的程度。p的大小与煤的瓦斯含量、孔隙结构和孔隙表面性质与大小有关。在煤与瓦斯突出的发展过程中，瓦斯的运动和破坏力，在很大程度上取决于含瓦斯煤体在破坏时瓦斯的解吸与放散能力。2.2煤的坚固性系数（f）煤的坚固性系数是煤颗粒本身力学强度的一种相对指标，其数值大小也是煤层物理力学性质的重要反映，是煤与瓦斯突出现象所涉及到的重要参数之一。通常情况下，在相同的瓦斯压力和地应力条件下，煤的坚固性系数越大，越不容易发生突出。2.3瓦斯压力地应力控制瓦斯压力场，促进瓦斯破坏煤体，围岩中应力的增加，决定了煤层的透气性，造成瓦斯压力梯度增高，对突出有利。瓦斯压力的大小是煤体含瓦斯压缩能高低的重要标志。2.4软分层煤体厚度煤层越厚特别是软分层越厚，瓦斯突出越频繁，突出次数和突出强度随着煤层厚度，特别是软分层的厚度的增加而增加。因为在煤层厚度变化区域煤的力学强度低，透气性差，瓦斯含量和瓦斯压力较大。2.5煤体破坏类型地应力（包括自重应力、构造应力和采动应力）使围岩或煤体的弹性潜能做功，使煤体破坏和位移。煤的破坏类型是指煤体结构受构造应力作用后的煤体破坏程度，根据其破坏程度，一般分为5类：1-非破坏煤；2-破坏煤；3-强烈破坏煤；4-粉碎煤；5 -全粉煤。2.6开采深度从煤质区域变质的角度看，在由褐煤向烟煤无烟煤演变过程中主要是由于盖层的增厚，使其地层温度升高，压力增大。因此盖层愈厚，煤的变质程度亦愈高，巨厚的盖层使其以甲烷为主的变质气体产物得以大量产生并予以保护。因此，随着开采深度的增加，煤层突出强度就会增强。2.7煤层瓦斯含量瓦斯是在矿井采掘过程中，从煤层、岩层、采空区放出的和生产过程中产生的。煤层的瓦斯含量越高，开采煤层时涌入井巷和工作面的瓦斯就越多，瓦斯灾害的威胁也越大。根据以上所考虑的各种因素，论文收集了在中国的8个比较具有代表性的突出矿井的实测数据作为灰色关联分析的模型样本集。各因素的取值见表1。表1 各影响因素的原始数据样本序号突出强度/t放散初速度p坚固性系数f瓦斯压力/Mpa软分层厚度/m煤体破坏类型开采深度/km煤层瓦斯含量/(m3/t)1150.0019.000.312.761.2030.62010.02220.606.000.240.952.0050.44513.04315.1018.00030.46210.3640.005.000.611.171.6110.3959.04576.508.000.361.251.4130.7459.01610.208.000.592.801.8230.42510.2570.007.000.482.001.1010.4609.508110.2014.000.223.950.9330.5438.233.煤与瓦斯突出影响因素的灰色关联分析事实上，煤与瓦斯突出的影响因素实质为一个非时间序列，因此采用原始数据区间化比较合理。文章把煤与瓦斯突出的强度作为灰色关联分析的母序列，而把其他因素作为灰色关联分析的子序列。依据下述公式从原始数据中获得间隔值：，然后利用公式计算样本中母序列和子序列之间的绝对值。相关系数i(k)可通过计算公式得到