楊建華,蔡 云
(中國電建集團 貴州電力設(shè)計研究院有限公司,貴陽 550025)
礦井涌水量是煤礦安全監(jiān)測的重要指標之一,對其進行科學預(yù)測既能為煤礦安全生產(chǎn)提供重要保障,也是評判排水方案設(shè)計是否經(jīng)濟、合理的依據(jù)[1]。礦井涌水量主要受多因素的相互作用,如井下復(fù)雜水文地質(zhì)環(huán)境、地質(zhì)構(gòu)造、大氣降雨、開采程度、開采面積、煤層頂?shù)装宓膸r性特征等多種因素的影響,呈現(xiàn)出非線性、非平穩(wěn)特性和自相關(guān)性。目前,在涌水量預(yù)測方法研究方面,主要有解析法、水均衡法、水文地質(zhì)比擬法、相關(guān)分析法、灰色系統(tǒng)法和BP神經(jīng)網(wǎng)絡(luò)等方法[2-6]。其中,BP神經(jīng)網(wǎng)絡(luò)能更好地解決非線性映射,具有較好的預(yù)測效果[7]。本文分析了礦井復(fù)雜的水文地質(zhì)條件、開采深度不斷延深、開采面積增加等因素對礦井涌水量動態(tài)的影響,同時利用BP神經(jīng)網(wǎng)絡(luò)對礦井涌水量進行預(yù)測分析。
研究區(qū)位于貴州省水城縣境內(nèi),地處貴州高原西部山區(qū)地形,為中等切割中山地貌、山脈綿延,主體呈東西延伸,地勢北高南西低,地形崎嶇,起伏較大。地層巖性為二疊系上統(tǒng)峨眉山玄武巖(P3β)、二疊系上統(tǒng)龍?zhí)督M(P3l)砂巖、二疊系中統(tǒng)關(guān)嶺組(T2g)灰?guī)r、白云質(zhì)灰?guī)r、第四系(Q4)殘積、坡積、沖積及洪積物。其地質(zhì)構(gòu)造較為發(fā)育,位于格目底向斜東段之南西翼,為一向北東傾斜的單斜構(gòu)造,地層傾角一般在20°~30°。主要含煤地層為龍?zhí)督M,現(xiàn)主采為M20號煤層,平均厚度為2.17 m,全區(qū)可采。礦區(qū)主要煤層統(tǒng)計見表1。
表1 礦區(qū)可采煤層統(tǒng)計表
礦區(qū)屬珠江水系北盤江上游巴拉河流域。區(qū)內(nèi)無較大河流經(jīng)過,季節(jié)性山澗小溪發(fā)育,流量受季節(jié)影響較大。當?shù)厍治g基準面為巴拉河,煤炭儲量大部分位于基準面之上。礦區(qū)充水水源主要為大氣降水,其次為老窯水,最后為含水層之間的地下水。礦井直接充水水源為三疊系龍?zhí)督M基巖裂隙水,主要巖性為泥巖、粉砂質(zhì)泥巖,為富水性較弱的含水層。礦區(qū)的主要含水層巖(組)自上而下為松散孔隙水含水層和龍?zhí)督M、飛仙關(guān)組基巖裂隙承壓含水層,永寧鎮(zhèn)組巖溶裂隙含水層。松散孔隙水含水層地下水位埋藏較淺,約為1.5~2 m,滲透系數(shù)為10.36 m/d,水質(zhì)類型為HCO3-Ca型,總硬度9.62,礦化度250 mg/L,為弱富水性含水層;基巖裂隙含水層由灰?guī)r、碎屑巖、粉砂巖、鈣質(zhì)砂巖、泥質(zhì)粉砂巖及煤層組成,該段石灰?guī)r中溶蝕裂隙較發(fā)育,含少量裂隙水,根據(jù)礦區(qū)抽水試驗以及水樣分析,礦區(qū)單位涌出量為0.013 3~0.018 8 L/s·m,滲透系數(shù)為0.005~0.006 m/d。水質(zhì)類型主要為HCO3-Ca-Mg型,礦化度<100 mg/L,為弱富水性含水層。巖溶裂隙含水層以灰?guī)r為主,地表巖溶較發(fā)育,含水層接受大氣降水補給后,地下水通過巖溶裂隙、溶洞集中運移,含水性能好,富水條件差;由于抗風化力較強,地表多呈狹長反向陡崖、峭壁,不利于大氣降雨的補給,排泄條件也較好,大氣降水通過垂直巖溶裂隙補給含水層,并通過巖溶裂隙、溶洞匯集、徑流和排泄,含較豐富的巖溶裂隙水,礦區(qū)鉆孔抽水涌出量0.007 L/s,鉆孔抽水單位涌出量為0.000 3 L/s·m,滲透系數(shù)為0.006 m/d,水質(zhì)類型主要為HCO3-Ca-Na型,礦化度90.75 mg/L,總硬度4.2~6.6,為富水性含水層。礦區(qū)的主要導(dǎo)水通道為冒落帶裂隙、斷層破碎帶。冒落帶裂隙發(fā)育在砂巖、泥巖中的裂隙。斷層破碎帶破壞了巖石的完整性,使巖石的裂隙發(fā)育,滲透性較強,抗水壓能力較弱。研究區(qū)地下水的補給主要來源為大氣降水,是礦井涌水量的間接充水水源,其充水過程通過地表巖石裂隙及煤層采空區(qū)、冒落塌陷區(qū)裂隙等孔隙、孔洞進入地下,主要運移和儲存于透水性較好的砂巖裂隙含水層,最終匯集于礦井坑道。
本次研究收集2011年12月至2017年6月間礦井月總涌水量數(shù)據(jù)進行數(shù)理統(tǒng)計分析(圖1),以反映涌水量的基本特征,礦井月總涌水量值反映涌水量多年時間尺度上的變化特征。全礦涌水量的平均值為46.56 m3/h,最大值為257.72 m3/h,最小值為6.51 m3/h。標準差為51.80 m3/h。置信度(95%)為12.64 m3/h,置信區(qū)間(95%)為33.93~59.20 m3/h。此外,從多年涌水量動態(tài)特征類型為起伏型,涌水量一直呈有規(guī)律的起伏變化,變化周期為1 a左右,但各年的變幅度不等,每年月均涌水量最大值均在5-7月份。
圖1 月總礦井涌水量
根據(jù)整理資料分析可看出,降雨對礦井涌水量的影響最為明顯,礦井涌水量隨降雨量的變化而變化,因此可得出這類動態(tài)變化的成因主要與降水量變化有關(guān)。在豐水期間,涌水量隨降雨量的增加而明顯上升;枯水期間,涌水量隨降雨量減少而有所降低。這正體現(xiàn)了大氣降水是礦井涌水量的主要來源[8]。以2016年為例,從1-4月份,降雨量從30 mm上升至153 mm,涌水量從26.6 m3/h緩慢上升31.9 m3/h;隨后5月份降雨量達370.6 mm,涌水量快速增長且達到最高257.72 m3/h;在7-11月份,降雨量從281.92 mm急劇下降至25 mm,涌水量從7月份227.64 m3/h開始平穩(wěn)下滑,于11月份為47.19 m3/h;最后12月份時降雨量有所回緩增長為73 mm,涌水量增長為47.60 m3/h,由以上數(shù)據(jù)可看出大氣降水與礦井涌水量呈正相關(guān)。見圖2。
圖2 礦井涌水量與降雨量對比圖
根據(jù)整理資料分析,開采深度對涌水量的影響沒有太直接的聯(lián)系(圖3),但隨著開采深度的增加,礦井周圍的水文地質(zhì)條件較為復(fù)雜,且缺乏資料。在前人研究的基礎(chǔ)上[9],隨著開采深度的增加,對涌水量的影響體現(xiàn)在多方面,開采深度增加,會引起補給水源發(fā)生變化,在開采初期,涌水量是由煤礦儲量決定涌水量的大小,且開采量的緩慢增加,涌水量也隨著增長。在2011年12月至2012年7月,開采深度為103.51~125.74 m,涌水量也緩慢增長為10.8~48.1 m3/h。其次,開采深度會引起圍巖的物理性質(zhì)發(fā)生變化以及圍巖溫升。當溫度升高時,圍巖易發(fā)生脆性破壞,使周圍含水層的水對巖體的侵蝕作用增加,引起圍巖的滲透系數(shù)增大,引起涌水量的增多。最后,隨著開采深度的增加,原始地應(yīng)力發(fā)生變化,對圍巖的擾動較大,破壞圍巖完整性,出現(xiàn)擾動裂隙,周圍含水層的水從裂隙流動進入采空區(qū),補給采空區(qū)積水,增大涌水量。
圖3 礦井涌水量與開采深度對比圖
開采面積隨開采巷道長度的增加而增長,前期,巷道涌水量隨開采面積增大而緩慢增大(圖4),根據(jù)整理資料可得出,在2011年11月至2012年8月,隨著開采深度的增加,巷道長度的增大,開采面積也逐漸增大,其影響涌水量也緩慢凸顯。當開采面積達到一定時,開采面積對涌水量的影響較小,從2015年6月起,開采面積增長十分緩慢,但涌水量卻變化較大,說明開采面積已不是影響涌水量的主要因素。
圖4 礦井涌水量與開采面積對比圖
影響總涌水量的因素還有斷裂構(gòu)造、觀測操作記錄不當?shù)?,其中觀測不當造成的干擾比較容易識別。在礦區(qū),總共揭露斷層9條,其中正斷層8條,逆斷層1條。大于2 m落差斷層3條,其中對礦井巷道開拓布置有較大影響的斷層2條,受構(gòu)造應(yīng)力的影響,破壞煤礦頂板巖層完整性,降低了巖體強度,斷層破碎帶寬度為幾米至十幾米,斷層裂隙較發(fā)育,斷層破碎帶縮短了煤層采空區(qū)和含水層之間的距離,連通更多含水層,裂隙水、大氣降水、地表水等水源進入井巷系統(tǒng),從而引起全礦涌水量的增加。
ANN是根據(jù)對人腦的組織結(jié)構(gòu)、功能特征進行模仿而發(fā)展起來的一種新型信息處理系統(tǒng)和計算體系的方法[9],其屬于非線性動力學系統(tǒng)范疇,可實現(xiàn)輸入到輸出的非線性映射,具有良好的適應(yīng)性、組織特性以及較強的學習和容錯能力,能通過學習大量的樣本而獲取知識[10]。BP神經(jīng)網(wǎng)絡(luò)是Rumelhart、McClelland等提出誤差反向傳播算法而解決了多層前向型神經(jīng)網(wǎng)絡(luò)問題的方法。其優(yōu)點在于BP神經(jīng)網(wǎng)絡(luò)能更好地解決非線性映射,具有較好的預(yù)測效果。通過學習一定數(shù)量的樣本,不需要借助其數(shù)學知識就可得出輸入與輸出的映射關(guān)系。當BP神經(jīng)網(wǎng)絡(luò)運用在礦井涌水量預(yù)測時,只需要存在一定數(shù)量可供學習訓練的涌水量樣本,BP神經(jīng)網(wǎng)絡(luò)可通過訓練學習建立礦井涌水量與多因素影響之間映射模型,并通過反復(fù)多次訓練,BP神經(jīng)網(wǎng)絡(luò)模型便具備了記憶功能,即可應(yīng)用于實際礦井涌水量的預(yù)測之中。本文通過分析礦井涌水量動態(tài)的影響因素,將礦井涌水量與各影響因素指標的映射關(guān)系概括為:
Q=f(F,D,S)
式中:Q為礦井涌水量;F為月均降雨量;D為礦井開采深度;S為礦井開采面積。
根據(jù)BP神經(jīng)網(wǎng)絡(luò)模的原理,可采用3層結(jié)構(gòu),分別為輸入層、隱含層和輸出層。其中輸入層神經(jīng)元分別為月均降雨量、礦井開采深度、礦井開采面積3個指標,輸出層神經(jīng)元為礦井涌水量。建立BP礦井涌水量預(yù)測模型,見圖5。
圖5 BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)示意
采用收集的2011年12月至2017年6月的月均降雨量、礦井開采深度、礦井開采面積等指標作為輸入信息,實測涌水量作為輸出信息,進行模型參數(shù)識別與驗證。并將其中49組數(shù)據(jù)作為訓練樣本進行學習,其余的18組數(shù)據(jù)作為模型的驗證與分析,預(yù)測結(jié)果見表2和圖6。
表2 BP神經(jīng)網(wǎng)絡(luò)模型涌水量預(yù)測結(jié)果
圖6 BP神經(jīng)網(wǎng)絡(luò)預(yù)測涌水量與實測涌水量對比圖
由圖6可知,BP神經(jīng)網(wǎng)絡(luò)預(yù)測礦井涌水量擬合度較好,具有較好的涌水量排放的參考價值。但預(yù)測過程中,有的涌水量預(yù)測值與實測值誤差較大,如2016年5月、2016年10月和2017年4月等誤差較大,主要是受降雨的影響較大。當降雨量變化較大時,BP神經(jīng)網(wǎng)絡(luò)模型來不及反映其變化關(guān)系,因此造成的誤差較大。
1)通過收集貴州某礦2011年12月至2017年6月的全礦涌水量資料整理分析得出,礦井涌水量最大值為257.72 m3/h,最小值為6.51 m3/h,標準差為51.80 m3/h,全礦涌水量的平均值為46.56 m3/h。此外,多年涌水量動態(tài)特征類型為起伏型,并呈現(xiàn)有規(guī)律的起伏變化,變化周期為1 a左右。但各年的變化幅度不等,每年月均涌水量最大值均在5-7月份,受降雨量的影響較大。
2)通過月均降雨量、礦井開采深度、礦井開采面積等影響因素對礦井涌水量動態(tài)進行分析可得出,礦井涌水量在前期,受降雨量、開采深度、開采面積的影響較大;在后期,主要受降雨量的影響。
3)采用BP神經(jīng)網(wǎng)絡(luò)模型對礦井涌水量進行預(yù)測,以月均涌水量、礦井開采深度、礦井開采面積為輸入,礦井涌水量為輸出,預(yù)測結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測的涌水量與實測涌水量的擬合度較好。該模型可用來預(yù)測涌水量并為其他的礦井涌水量提供參考,并可為礦井制定疏水降壓方案提供科學依據(jù)。