煤与瓦斯突出控制因素加权灰色关联模型的建立与应用

1、 第30卷第1期2005年2月煤炭学报JOURNA L OF CHI NA C OA L S OCIETYV ol. 30N o. 1Feb. 2005文章编号:0253-9993(2005 01-0058-05煤与瓦斯突出控制因素加权灰色关联模型的建立与应用伍爱友, 肖红飞, 王从陆, 何利文(湖南科技大学能源与安全工程学院, 湖南湘潭411201摘要:通过分析煤与瓦斯突出的主要影响因素, , 利用灰色理论建立煤与瓦斯突出综合评价加权灰色关联模型. , 与瓦斯突出情况的基础上, . 关键词:煤与瓦斯突出; 控制因素; 中图分类号:T D713:Aof w eights and gray as

2、sociationmodel on coal and gas outburst controlled factors assessmentW U Ai 2y ou , XI AO H ong 2fei , W ANG C ong 2lu , HE Li 2wen(School o f Energy and Safety Engineering , Hunan Univer sity o f Science and Technology , Xiangtan 411201, China Abstract :Using gray theory established a weights and g

3、ray ass ociation m odel in analyzing the m ostly in fection factors of coal and gas outburst , the rate of outburst contribution was used to calculate the weights of contamination. Exam pling T anjiashan coal the main in fluence factors of coal and gas outburst was marshalled based on statistics and

4、 analyzing it s outburst com plexion past years , it is shown that the analysis and calculation conclusion is cons onant with actual case. K ey w ords :coal and gas outburst ; controlled factors ; gray ass ociated degree ; weights ; ass ociated order在煤矿地下采掘过程中, 在极短的时间内(几秒到几分钟 , 从煤(岩 层内以极快的速度向采掘空间内喷出

5、煤(岩 和瓦斯(CH 4, C O 2 的现象, 称为煤与瓦斯突出. 它是另一类型的瓦斯特殊涌出, 也是煤矿地下开采过程中的一种动力现象1. 它所产生的高速瓦斯流(含煤粉或岩粉 能够摧毁巷道设备, 破坏通风系统, 甚至造成风流逆转; 喷出的瓦斯由几百到几万m 3, 能使井巷充满瓦斯, 造成人员窒息, 引起瓦斯燃烧或爆炸; 喷出的岩、煤由几千吨到几万吨以上, 造成煤流埋人; 猛烈的动力效应可能导致冒顶和火灾事故的发生. 因此, 对煤与瓦斯突出的相关因素进行分析, 合理地评价与预防, 对煤炭工业健康持续发展具有重要意义. 目前, 进行煤与瓦斯突出的控制因素分析与评价的方法很多, 如清单法、神经网络

6、法、模糊综合评价方法等2,3, 但由于煤与瓦斯突出的影响因素错综复杂, 以上方法不具有唯一性和对称性, 丢失信息较多, 使得评价结果往往受控于个别项目而发生误判. 对现有评价方法进行有效补充和更深一步的研究具有十分积极的意义. 加权灰色关联度是灰色理论的核心内容之一, 是一种多因素的统计分析, 它以各因素的样本数据为依据, 用关联度来描述因素间关系的强弱、大小和顺序. 加权灰色关联分析对数据要求较低且收稿日期:2004-08-09基金项目:湖南省自然科学基金资助项目(02JJ Y 2176 作者简介:伍爱友(1975- , 男, 湖南娄底人, 助教. T el 80

7、17, E -mail :wayzxy11201631net 第1期伍爱友等:煤与瓦斯突出控制因素加权灰色关联模型的建立与应用59计算量小, 便于广泛应用. 本文将此理论进行有效补充, 用于煤与瓦斯突出因素的综合评价, 并以谭家山煤矿煤与瓦斯突出控制因素调查统计为实例进行分析和验证, 取得了较好的实际应用效果.1加权灰色关联模型的建立加权灰色关联度分析方法的基本思路是根据序列曲线几何形状的相似程度来判断其关联度是否紧密. 为了真实反映各评价单元中评价因子的贡献程度, 适当地选取权重系数建立加权灰色模型. 曲线越接近, 相应序列之间的关联度就越大, 反之, 就越小. 对于一个抽象的系统或现象进行

8、分析, 首先要选准反映系统行为特征的数据系列, 称为系统行为的映射量, 用映射量来间接地表征系统行为. 有了系统行为特征数据和相关因素数据, 即可做出各个序列的图形, 从直观上进行分析. 111灰色关联系数设煤的突出强度为母因素Y 0(参考序列 , Y i (其中i =1, 2, ,m . 母因素的观测值Y 0=y 0(1 , y 0(2 , , y 0(n ; i =i y i , , y i (n .由于在实际工作当中, 数据的量纲可能不一样, , , 因此, 需要进行原始数据交换. 所谓原始数据交换, , 以获得可比较的数据列, 设X 0, X i(i =1, 2, , m , 则有X

9、00, x 0 , 0(n , X i =x i (1 , x i (2 , , x i (n ,x 0(k =(nn, x i (k =t =1y 0(t nn. (1t =1y (t i则x 0与x i 在第k 点的关联系数0i (k 为0i (k =min min |x 0(k -x i (k |+max max |x 0(k -x i (k |x 0(k -x i (k |+max max |x 0(k -x i (k |ikk,式中, |x 0(k -x i (k |=i (k 称为第k 点X 0与X i 的绝对差; min |x 0(k -x i (k |为第1级最小差; min

10、min |x 0(k -x i (k |为第2级最小差; max max |x 0(k -x i (k |为两级最大差; 为分辨系数, 是0ikik与1之间的数, 取值不同, 0i (k 亦不同, 从而关联度r 0i 也不同, 但一般不会影响关联序. r 0i 随的增大而增大. 越小, 分辨率越高, 可以证明, 当01546时, 分辨率最高, 因此, 一般取=0154. 112权重系数的确定根据各待评价单元中评价因子的贡献程度(以专家赋值的方法确定 5, 采用如下权重系数公式为w j (k =( u j (k u j, (2式中, w j (k 为第j 个待评价单元第k 个(1k n 评价因子

11、的权重系数; u j 为第j 个评价单元的权重系数; u j (k 为第j 个评价单元第k 个评价因子的专家权重系数. 113加权灰色关联度的确定若考虑各关联度系数的权重, 便可得x i (k 与x 0(k 之间的加权灰色关联度, 即r 0i =nnk =1w (k 0ji(k . (32谭家山矿煤与瓦斯突出主控因素确定及结果分析211煤与瓦斯突出主控因素的确定煤与瓦斯突出的机理存在许多假说, 但基本公认的是综合假说, 即煤与瓦斯突出是由地质指标(地应力 、瓦斯和煤的力学性质(动力特征 以及其物理测试参数三者综合作用的结果6. 60煤炭学报2005年第30卷(1 煤层地质条件地质构造是控制突出

12、发生的主导地质因素, 在发生突出的地段内, 突出危险性随采掘深度与煤层厚度(特别是软分层厚度 的增加而增加, 受煤自重影响, 倾角越大的煤层越容易出现突出. 反映煤层煤体结构的指标主要是煤的普氏系数f 和瓦斯放散速度v. f 与煤的物理强度有关, 瓦斯放散速度v 表示充有瓦斯的煤放散瓦斯快慢的程度, 它与煤的微孔隙结构、孔隙表面性质和孔隙大小有关.(2 瓦斯动力特征煤与瓦斯突出前总是伴随一些动力现象, 这些现象是预测煤与瓦斯突出的依据之一. 在各种煤与瓦斯突出预兆中, 通常有如下规律:巷道顶板来压、掉渣、片帮; 响煤炮、闷雷声; 瓦斯浓度忽大忽小, 瓦斯压力增大; 喷孔、顶钻、卡钻等. 瓦斯动

13、力特征是地应力和瓦斯压力在控制煤与瓦斯突出方面的外在显现, 将瓦斯动力特征分为4类:即巷道来压、煤炮声、瓦斯变化、喷孔顶钻夹钻.(3 突出预测指标以谭家山矿煤与瓦斯突出预测指标为例, 瓦斯衰减系数作为预测指标. 钻孔瓦斯涌出初速度v 、瓦斯含量、透气性等多项引起煤与瓦斯突出的主要因素, . 根据谭家山矿现场瓦斯突出的实际情况, 15, 包括地质指标、瓦斯动力特征、突出工作面的预测参数, 见表212表1煤与瓦斯突出控制的研究指标根据以上指标划分见表20, i . 定性指标(变量 包括地质构造、软分层变化、煤层倾角变化、突出预兆中的响煤炮、片帮掉渣、喷孔、顶钻夹钻、瓦斯变化; 定量指标(变量 包括

14、开采深度、煤层厚度、软分层厚度、煤层倾角、煤的坚固性系数、瓦斯放散初速度、钻孔瓦斯涌出初速度等. 其中定性指标值依据数量化理论转化为二态变量, 即用“015”和“1”表示突出时某个定性指标的“存在”与“不存在”; 定量指标值以其突出时的测试值为准. 由于以上15个因素的量纲不同, 为了获得可比较的数列, 采用式(1 将数据无量纲化, 得到参考数x 0列与比较数列x i (表2 . 利用公式|x 0(k -x i (k |=i (k 求出第k 点X 0与X i 的绝对差; 由此可以看出, min min |x 0(k -ikT able 1Study indexes of coal and ga

15、s outburst 指标参数开采深度u 1(1 煤层厚度u 1(2 软分层厚度u 1(3 煤层倾角u 1(4参数值地质指标u 1(014地质构造u 1(5 煤层厚度变化u 1(6 软分层变化u 1(7 煤层倾角变化u 1(8 普氏系数u 1(9 片帮掉渣u 2(10瓦斯动力特征u 2(013煤炮声u 2(11 瓦斯变化u 2(12 喷孔顶钻夹钻u 2(13x i (k |=01001, max max |x 0(k -x i (k |=11993.ik测试参数u 3(013放散速度u 3(14 涌出速度u 3(15213加权灰色关联度的计算由表2的数据分析, 可以得灰色关联系数为0i (k

16、=x 0, i (k +015×11993x 0, i (k +1.(4将表2两级绝对差数据代入式(4 , 即可得出关联系数0i (k . 由于关联系数数目很多, 信息不便于集中, 不便于比较, 为此, 一般将x 0与x i 的n 个关联系数取平均值, 即原始灰色关联度. 各评价单元权重u j 及评价因子权重u j (k 由专家赋值, 见表1. 权重系数的计算按照式(2 , 以式(3 为计算依据, 即可得到加权灰色关联度与关联序. 数据见表3. 214结果分析将关联度由大到小依次排序, 关联序反映出各指标因子对母因素的影响力依次减弱, 从而可以筛选出主要指标, 去掉作用不明显的指标.

17、 表3的关联序分析表明, 谭家山矿控制煤与瓦斯突出的前4位主控因 第1期伍爱友等:煤与瓦斯突出控制因素加权灰色关联模型的建立与应用表2谭家山矿煤与瓦斯突出相关控制因素统计分析T able 2Statistics and analysis correlative factors of T anjiash an mine s coal and gas outburst61因素y 0x 0y 1x 1测点1测点2测点3测点4测点5测点6测点7测点8测点9测点10x 0, 1(k y 2x 2x 0, 2(k y 3x 3x 0, 3(k y 4x 4x 0, 4(k y 5x 5x 0, 5(k y

18、 6x 6x 0, 6(k y 7x 7x 0, 7(k y 8x 8x 0, 8(k y 9x 9x 0, 9(k y 10x 10x 0, 10(k y 11x 11x 0, 11(k y 12x 12x 0, 12(k y 13x 13x 0, 13(k y 14x 14x 0, 14(k y 15x 15x 0, 15(k 注:y 0为突出强度; y 1为开采深度, m ; y 2为煤层厚度, m ; y 3为软分层厚度, m ; y 4为煤层倾角; y 5为地质构造; y 6为煤层厚度变化;y 7为软分层厚度变化; y 8为煤层倾角变化; y 9为煤的普氏系数; y 10为片帮掉渣;

19、 y 11为响煤炮; y 12为瓦斯变化; y 13为喷孔顶钻夹钻; y 14为瓦斯放散速度(v ; y 15为瓦斯涌出速度(v , L/m in ; x 0为初值变化后的无量纲参考数列; x 1x 15为初值变化后的无量纲比较数列; x 0, 1(k x 0, 15(k 为第k 点参考数列X 0与比较数列X i 的绝对差. 62煤炭学报表3谭家山矿煤与瓦斯突出控制因素加权灰色关联度与关联序T able 3Weights and gray associated degree and order of the controlled factorsof T anjiash an mine s co

20、al and gas outburst2005年第30卷控制因素关联度关联序y 1y 2y 3y 4y 5y 6Y 7y 8y 9y 10y 11y 12y 13y 14y 15016545016261001704201579140172810164470164280157215015881301633901604120164960161811016754016903素是地质构造、软分层厚度、瓦斯涌出速度、放散速度等. 实践证明, 在谭家山矿生产中, 控制该矿的突出主要因素正是地质构造、软分层厚度以及煤与瓦斯突出的放散速度及涌出速度, 因此, 运用加权灰色关联分析法优选的方案结果是可靠和符合实际的. 位, 同时, 瓦斯的动力特征也是突出的标志, 3结论, 影响该矿煤与瓦斯突出的关键因素是地质构造及软分层厚度, . 煤与瓦斯突出预测参数涉及到许多模糊性、应用加权灰色关联方法进行煤与瓦斯突出控制因素分析, , 同时可以根据实际情况与专家的分析研究经验, 通过, 解决了各因素在不同矿井煤与瓦斯