一种矿山动力灾害的全息预警方法技术

本发明专利技术提供一种矿山动力灾害的全息预警方法，以直接影响矿山动力灾害发生与否的模态化参数集为输入变量集，以冲击地压发生的可能性和煤与瓦斯突出发生的可能性作为输出变量，建立人工神经网络模型；向学习样本库中添加样本，得到一个矿山动力灾害的全息模态化预警器；对矿山任意一个区域进行预警时，利用该全息数据挖掘转换器把矿山实验测试和安全生产中获得的相关信息转化成预警模型的输入参数，再利用全息模态化预警器给出预警结果。全息预警方法可以实现矿山动力灾害的全息模态化在线预测预报和预警，预警时系统可根据冲击地压事故发生的可能性和煤与瓦斯突出事故发生的可能性分别实现预警。

【技术实现步骤摘要】
一种矿山动力灾害的全息预警方法
本专利技术涉及矿山和地下工程的灾害预警和防治
，尤其涉及一种矿山动力灾害的全息预警方法。
技术介绍
矿山动力灾害，包括冲击地压(岩爆)、煤与瓦斯突出、突水透水等都属于矿山重大灾害，一旦发生这类灾害对矿山的人员生命和财产都将造成重大损失。因此，对矿山动力灾害的超前预测、预报和预警就显得致关重要。由于矿山动力灾害涉及的因素众多，至今对这类灾害的发生机理、演化过程和诱发方式没有形成一套完整的理论体系，也没有形成可用于可靠监测的、编程实现的和准确率较高的预警方法。现有的大多数预测和预警方法大都是采用层次分析法的思想，通过各层次预警参数权值的定义，实现综合加权法进行灾害预警。但是，这些综合加权法存在一些不足之处，比如所选的预警参数大部分是间接参数，而不是直接参数，例如采深、地质构造、生产工艺、通风方式等；而且很多间接参数都和某一种直接参数有关，而且不只是线性关系，导致权值难以确定。现有方法即使考虑了一些直接参数，例如，冲击倾向性、突出倾向性等，也没有给出这些指标的合理计算方法，例如国家标准GB/T25217.2-2010，利用加权综合评价方法，有8种情况无法判别都无法给出冲击倾向性结果。把直接指标和间接指标放到一个表达式中进行加权，无法体现各种指标的层次关系，以及对预警结果的支持度。综合加权法无法体现迹象越多，发生事故越大的特点，一旦确定了预警参数集，新的迹象和显现将无法加入，一旦加入，就要重新分配权值，导致预警结果既不确定，也不科学。
技术实现思路
为了克服上述现有技术中的不足，本专利技术提供一种矿山动力灾害的全息预警方法，方法包括：步骤一，以直接影响矿山动力灾害发生与否的模态化参数集为输入变量集，以冲击地压发生的可能性和煤与瓦斯突出发生的可能性作为输出变量，建立人工神经网络模型；步骤二，向学习样本库中添加样本，当学习样本库中添加的样本达到预设值时，运用预设的学习算法对学习样本库中的样本进行学习，以确定人工神经网络模型中的权值和阈值，得到一个矿山动力灾害的全息模态化预警器；步骤三，根据全息模态化预警器设置一包括空间检索、插补、降噪、反飘移和信号重建功能的全息数据挖掘转换器；对矿山任意一个区域进行预警时，利用该的全息数据挖掘转换器把矿山实验测试和安全生产中获得的相关信息转化成预警模型的输入参数，再利用全息模态化预警器给出预警结果。优选地，矿山实验测试和安全生产中获得的相关信息包括：矿山地理信息、地质信息、生产信息和相关属性信息；相关属性信息包括：地形、岩层、断层、陷落柱、褶皱、岩浆侵入、火烧等构造信息，地温、水压、岩移、沉陷、煤柱、井巷、硐室、工作面、采空区空间分布信息，支护、卸压、充填、瓦斯抽放灾害防治工艺等参数，以及冲击倾向性测试数据，防突测试数据，微震信号、地音信号、爆破信号、电磁辐射信号、应力信号、矿压信号、锚杆阻力、离层和位移信号、瓦斯浓度、风速、瓦斯抽放流量、水位、涌水量监测数据。优选地，步骤三中，利用该的全息数据挖掘转换器把矿山实验测试和安全生产中获得的相关信息转化成预警模型的输入参数还包括：(1)利用岩性测试和煤体测试得到的单轴抗压强度Rc、煤层的冲击能量指数KE、煤层的单性能量指数WET，煤层的动态破坏时间DT，用下列方法计算出冲击倾向性X24；P1＝PDT+PRC-PDT×PRCP2＝PWET+PKE-PWET×PKEX24＝0.7×P1+0.5×P2-0.2×P1×P2(2)利用煤层的瓦斯试验数据，例如瓦斯放散初速度Δp、瓦斯涌出初速度q、解吸指标Δh2、综合指标K＝Δp/f、k1钻屑瓦斯解吸指标、钻孔平均综合指标R＝(Smax-1.8)×(qmax-4)(Smax-每个钻孔沿孔长的最大钻屑量、qmax-每个钻孔的最大钻孔涌出初速度)，用下列方法计算出突出倾向性X14；p1＝pΔp+pq-pΔp×pqp2＝pΔh2+pk1-pΔh2×pk1p3＝pK+pR-pK×pRp4＝p1+p2-p1×p2X14＝0.7×p3+0.5×p4-0.2×p3×p4(3)利用微震定位结果，通过反演岩层或煤层的地震波波速vp和横波波速vE，利用式即可解出岩层或煤层的当前状态对应的弹性模量E(即X26)和泊松比μ；纵波：横波：其中，ρ为岩层或煤层的密度，是已知量；(4)利用岩层或煤层的当前状态对应的弹性模量E和原始弹性模量E0，即可求出损伤变量D；(5)利用损伤变量D和原始抗压强度S0，即可求当前的出抗压强度S(即X4)；S＝S0(1-D)(6)利用三轴应力监测系统直接监测测点的绝对地应力(σx,σy,σz)，即(X1,X2,X3)，也可以先根据三维空间模型，利用解析法计算出初步的应力分布，在用应力监测、矿压监测等实时数据进行修正，得到比较精确的(X1,X2,X3)；(7)工作面顶板压力Q(即X6)和围岩变形量U(X7)，可以用支架阻力传感器和位移传感器直接测量；(8)根据应力(X1,X2,X3)和井巷空间模型，就可计算出围岩抵抗线长W(即X4)；(9)可用下列公式计算体积变形能UV(X8)、形状变形能Uf(X9)和工作面顶板弯曲能Uw(X10)；其中的l,h和b分别为工作面顶板的长度，厚度和宽度，q顶板受均匀载荷，E为弹性模量；G为剪切模量，可由下式计算。(10)利用下列公式计算煤层中的瓦斯含量Vt(即X11)；Vt＝Qf+Qc+Vc其中Qf为流量涌出量，可用巷道断面、风速监测值和瓦斯浓度监测值计算；Qc为瓦斯抽放流量，可用瓦斯抽放系统的纯瓦斯流量监测值得到；Vc为煤体瓦斯残存含量，可用地面试验获得；(11)利用下列公式计算煤层瓦斯压力P(即X12)；其中：η为煤层孔隙度、a和b为瓦斯吸附常数，可通过试验获得；p0为标准大气压；(12)自由空间中绝对气压(即X25)可直接监测；(13)地应力增量X15(ΔX1)、地应力增量X16(ΔX2)、地应力增量X17(ΔX3)、围岩或煤体强度增量X18(ΔX4)、围岩或煤体抵抗线长增量X19(ΔX5)、工作面顶板压力增量X20(ΔX6)、围岩变形量增量X21(ΔX7)、煤层瓦斯含量增量X22(ΔX11)、煤层瓦斯压力增量X23(ΔX12)可由当前时段的状态量减去前一时段的相应状态量得到。优选地，步骤一还包括：选取预警区域和地点的动力灾害公用参数X方向地应力X1，Y方向地应力X2，Z方向地应力X3，围岩或煤层强度X4，围岩或煤体抵抗线长X5，工作面顶板压力X6，围岩变形量X7，围岩体积变形能X8，围岩形状变形能X9以及顶板弯曲能X10，与瓦斯突出强相关的煤层瓦斯含量X11、煤层瓦斯压力X12，当前状态的持续时间X13，煤层瓦斯突出倾向性X14，地应力增量X15、地应力增量X16、地应力增量X17、围岩或煤体强度增量X18、围岩或煤体抵抗线长增量X19、工作面顶板压力增量X20、围岩变形量增量X21、煤层瓦斯含量增量X22、煤层瓦斯压力增量X23、围岩和煤层冲击倾向性X24、区域自由空间绝对气压X25、围岩或煤层弹性模量X26，为26个输入变量；选取冲击地压发生的可能性Y1和煤与瓦斯突出发生的可能性Y2，为2个为输出变量；设置一个单隐含层，隐含层的节点个数L，建立矿山动力灾害预警的神经网络模型。从以上技术方案可以看出，本专利技术具有以下优本文档来自技高网...

【技术保护点】
一种矿山动力灾害的全息预警方法，其特征在于，方法包括：步骤一，以直接影响矿山动力灾害发生与否的模态化参数集为输入变量集，以冲击地压发生的可能性和煤与瓦斯突出发生的可能性作为输出变量，建立人工神经网络模型；步骤二，向学习样本库中添加样本，当学习样本库中添加的样本达到预设值时，运用预设的学习算法对学习样本库中的样本进行学习，以确定人工神经网络模型中的权值和阈值，得到一个矿山动力灾害的全息模态化预警器；步骤三，根据全息模态化预警器设置一包括空间检索、插补、降噪、反飘移和信号重建功能的全息数据挖掘转换器；对矿山任意一个区域进行预警时，利用该全息数据挖掘转换器把矿山实验测试和安全生产中获得的相关信息转化成预警模型的输入参数，再利用全息模态化预警器给出预警结果。

【技术特征摘要】
1.一种矿山动力灾害的全息预警方法，其特征在于，方法包括：步骤一，以直接影响矿山动力灾害发生与否的模态化参数集为输入变量集，以冲击地压发生的可能性和煤与瓦斯突出发生的可能性作为输出变量，建立人工神经网络模型；步骤二，向学习样本库中添加样本，当学习样本库中添加的样本达到预设值时，运用预设的学习算法对学习样本库中的样本进行学习，以确定人工神经网络模型中的权值和阈值，得到一个矿山动力灾害的全息模态化预警器；步骤三，根据全息模态化预警器设置一包括空间检索、插补、降噪、反飘移和信号重建功能的全息数据挖掘转换器；对矿山任意一个区域进行预警时，利用该全息数据挖掘转换器把矿山实验测试和安全生产中获得的相关信息转化成预警模型的输入参数，再利用全息模态化预警器给出预警结果。2.根据权利要求1所述的矿山动力灾害的全息预警方法，其特征在于，矿山实验测试和安全生产中获得的相关信息包括：矿山地理信息、地质信息、生产信息和相关属性信息；相关属性信息包括：地形、岩层、断层、陷落柱、褶皱、岩浆侵入、火烧等构造信息，地温、水压、岩移、沉陷、煤柱、井巷、硐室、工作面、采空区空间分布信息，支护、卸压、充填、瓦斯抽放灾害防治工艺等参数，以及冲击倾向性测试数据，防突测试数据，微震信号、地音信号、爆破信号、电磁辐射信号、应力信号、矿压信号、锚杆阻力、离层和位移信号、瓦斯浓度、风速、瓦斯抽放流量、水位、涌水量监测数据。3.根据权利要求1或2所述的矿山动力灾害的全息预警方法，其特征在于，步骤三中，利用该全息数据挖掘转换器把矿山实验测试和安全生产中获得的相关信息转化成预警模型的输入参数还包括：(1)利用岩性测试和煤体测试得到的单轴抗压强度Rc、煤层的冲击能量指数KE、煤层的单性能量指数WET，煤层的动态破坏时间DT，用下列方法计算出冲击倾向性X24；P1＝PDT+PRC-PDT×PRCP2＝PWET+PKE-PWET×PKEX24＝0.7×P1+0.5×P2-0.2×P1×P2(2)利用煤层的瓦斯试验数据，例如瓦斯放散初速度△p、瓦斯涌出初速度q、解吸指标△h2、综合指标K＝△p/f、k1钻屑瓦斯解吸指标、钻孔平均综合指标R＝(Smax-1.8)×(qmax-4)(Smax-每个钻孔沿孔长的最大钻屑量、qmax-每个钻孔的最大钻孔涌出初速度)，用下列方法计算出突出倾向性X14；p1＝p△p+pq-p△p×pqp2＝p△h2+pk1-p△h2×pk1p3＝pK+pR-pK×pRp4＝p1+p2-p1×p2X14＝0.7×p3+0.5×p4-0.2×p3×p4(3)利用微震定位结果，通过反演岩层或煤层的地震波波速vp和横波波速vE，利用式即可解出岩层或煤层的当前状态对应的弹性模量E(即X26)和泊松比μ；纵波：横波：其中，ρ为岩层或煤层的密度，是已知量；(4)利用岩层或煤层的当前状态对应的弹性模量E和原始弹性模量E0，即可求出损伤变量D；(5)利用损...

【专利技术属性】
技术研发人员：卢新明，尹红，张杏莉，彭延军，贾瑞生，赵卫东，
申请(专利权)人：山东蓝光软件有限公司，
类型：发明
国别省市：山东,37