煤礦立井井筒非采動(dòng)破裂的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

申請(qǐng)免費(fèi)試用、咨詢電話：400-8352-114

摘要：應(yīng)用人工神經(jīng)網(wǎng)絡(luò)的基本原理，建立了一個(gè)基于神經(jīng)網(wǎng)絡(luò)的煤礦立井井筒非采動(dòng)破裂的預(yù)測(cè)系統(tǒng)，實(shí)現(xiàn)了立井井筒破裂預(yù)測(cè)的智能化。最后將神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與數(shù)值計(jì)算結(jié)果對(duì)比，認(rèn)為應(yīng)用人工神經(jīng)網(wǎng)絡(luò)對(duì)立井井筒破裂時(shí)間的預(yù)測(cè)比較準(zhǔn)確，實(shí)用。

  關(guān)鍵詞：立井井筒非采動(dòng)破裂反向傳播網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)數(shù)值模擬一、煤礦立井發(fā)生破壞問題的提出徐淮地區(qū)是中國(guó)東部主要的煤炭開采基地，其煤炭的生產(chǎn)直接影響著我國(guó)煤炭的總產(chǎn)量，在國(guó)民經(jīng)濟(jì)建設(shè)中占有重要的地位。然而自20世紀(jì)80年代以來，在我國(guó)徐淮地區(qū)（徐州、淮北、淮南）地區(qū)，出現(xiàn)了一種新的礦井破裂災(zāi)害——井筒的非采動(dòng)破裂，即煤礦立井在不受地下采動(dòng)影響的條件下（井筒及其附近的工業(yè)廣場(chǎng)都留有足夠的保護(hù)煤柱），井壁發(fā)生嚴(yán)重變形和破裂，致使提升運(yùn)輸困難。90年代以來，在我國(guó)特大型煤炭企業(yè)兗州礦業(yè)集團(tuán)的9對(duì)井筒也先后發(fā)生了破壞(有關(guān)兗州礦區(qū)井筒破裂的基本情況如表1所示)。煤礦豎井是礦山生產(chǎn)運(yùn)輸?shù)难屎硪?，因此豎井的破壞嚴(yán)重影響了礦山生產(chǎn)，給各煤礦造成了巨大的經(jīng)濟(jì)損失。為了盡量減少立井的非采動(dòng)破裂所造成的經(jīng)濟(jì)損失，現(xiàn)在各大礦山都對(duì)井筒的變形進(jìn)行了預(yù)報(bào)和治理，到目前對(duì)井筒破裂的預(yù)報(bào)方法主要有兩種：1）第一種方法是通過加強(qiáng)對(duì)井筒變形的監(jiān)測(cè)，以監(jiān)測(cè)數(shù)據(jù)為依據(jù)，對(duì)井筒的變形進(jìn)行分析，對(duì)其破裂進(jìn)行預(yù)報(bào)。2）第二種方法是新近發(fā)展起來的預(yù)報(bào)方法［1，2，3］，即系統(tǒng)科學(xué)、智能技術(shù)方法，特別是研究非線性復(fù)雜系統(tǒng)的一些方法。其主要內(nèi)容使用系統(tǒng)科學(xué)原理或智能技術(shù)來建立模型的框架，用觀測(cè)的實(shí)測(cè)資料填充以實(shí)現(xiàn)建模。本文采用實(shí)際與智能技術(shù)相結(jié)合的預(yù)報(bào)方法，建立井筒破裂的人工神經(jīng)網(wǎng)絡(luò)模型，模仿人腦的運(yùn)行機(jī)制，通過對(duì)井筒破壞規(guī)律的學(xué)習(xí)，使網(wǎng)絡(luò)具有根據(jù)特征值對(duì)井筒破壞進(jìn)行預(yù)報(bào)的能力，并據(jù)此來推測(cè)相關(guān)煤礦的井筒破壞規(guī)律。表1兗州礦區(qū)井筒破裂的基本情況Table1BasicsituationofshaftliningfractureinYanzhouCoalMine礦區(qū)序號(hào)井筒名稱竣工時(shí)間破裂時(shí)間凈徑/m外徑/m施工方法井壁類型表土厚度/m破裂深度/m破裂情況兗州1鮑店副井1979.11.261995.6.58.010.2凍結(jié)法雙層井壁148.6126.9罐道縫壓實(shí),罐道,管路壓縮彎曲,混凝土表層剝落出現(xiàn)水平裂縫,豎筋彎曲外露2鮑店主井1979.5.141995.7.126.58.5凍結(jié)法雙層井壁148.69136—1443鮑店北風(fēng)井1979.10.211996.8.25.06.6凍結(jié)法雙層井壁202.56168.4,180,2044鮑店南風(fēng)井1979.8.11996.8.9凍結(jié)法雙層井壁157.92158.1—159.35興隆莊西風(fēng)井1976.81995.105.57.4凍結(jié)法雙層井壁183.9165.5—171.66興隆莊東風(fēng)井1977.5.311997.6.75.06.4凍結(jié)法雙層井壁176.45157—1807興隆莊主井1977.8.131997.6.23凍結(jié)法雙層井壁189.31150,184在未出現(xiàn)嚴(yán)重破裂時(shí)進(jìn)行了治理8興隆莊副井1978.91997.6.26凍結(jié)法雙層井壁190.41154,200罐道縫壓實(shí),罐道,管路壓縮彎曲,混凝土表層剝落出現(xiàn)水平裂縫,豎筋彎曲外露9楊村主井1984.121997.2.295.06.6凍結(jié)法雙層井壁185.42176.5,19610楊村副井1985.1.231997.12.2凍結(jié)法雙層井壁184.45160,176,212在未出現(xiàn)嚴(yán)重破裂時(shí)進(jìn)行了治理11楊村北風(fēng)井1984.10.311997.2.44.55.9凍結(jié)法雙層井壁173.40179.6,150,156.6罐道縫壓實(shí),罐道,管路壓縮彎曲,混凝土表層剝落出現(xiàn)水平裂縫,豎筋彎曲外露二、人工神經(jīng)網(wǎng)絡(luò)的預(yù)報(bào)原理人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)井筒破裂的智能預(yù)報(bào)，是通過機(jī)器學(xué)習(xí)的方法［4］對(duì)破裂井筒的特征值進(jìn)行抽取，并對(duì)已知的井筒破裂規(guī)律進(jìn)行學(xué)習(xí)掌握規(guī)律性，然后運(yùn)用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)其他井筒進(jìn)行推理預(yù)測(cè)，并據(jù)此對(duì)其他井筒的破裂進(jìn)行預(yù)報(bào)（其流程見圖1）。圖1神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)機(jī)制Fig.1Forecastingmechanismofneuralnetwork三、立井井筒破裂影響因素的選取經(jīng)調(diào)查表明立井井壁破裂的主要原因?yàn)椋涸诿旱V開采過程中新生界底部第四系含水層（底含）的水頭的大幅疏降，使該含水層及上覆土層產(chǎn)生壓縮和變形，且引起地表沉降，在地層發(fā)生變形的過程中對(duì)井壁產(chǎn)生垂直向下的附加力，使得立井井壁發(fā)生破裂。立井井筒破裂礦區(qū)的水文地質(zhì)與工程地質(zhì)條件都具有如下的特點(diǎn)：井筒都穿過第四系深厚表土，其厚度大都在200m左右。土層結(jié)構(gòu)復(fù)雜，但大體上都可分為四個(gè)含水層和三個(gè)隔水層共七個(gè)工程巖組，即由上至下常簡(jiǎn)稱為一含、一隔、二含、二隔、三含、三隔和底含（四含）。通過對(duì)立井井筒非采動(dòng)破裂機(jī)理及破裂礦區(qū)的水文地質(zhì)與工程地質(zhì)特點(diǎn)分析選取以下幾個(gè)因素作為影響立井井筒破裂的特征因素：1、表土層厚度由于立井井筒非采動(dòng)破裂只發(fā)生在厚沖積層中建成的立井井筒，因此表土層厚度是立井井筒非采動(dòng)破裂現(xiàn)象發(fā)生的必要因素。表土層厚度越大，土層對(duì)立井井筒的側(cè)壓力越大，且土層與井筒的相互作用的面積增大，底含沉降時(shí)產(chǎn)生的立井井筒附加力加大，立井井筒發(fā)生破裂的可能性越大。2、底含厚度底含厚度決定了立井井筒周圍土層的變形量，且土層變形量直接關(guān)系到立井井筒附加應(yīng)力的大小，因此底含厚度越大，井筒破裂的可能性增大，所以確定底含厚度為立井井筒破裂的主要影響因素。3、底含水位降速底含水位降速?zèng)Q定了立井井筒周圍土層變形的速率，從而決定了立井井壁破裂的時(shí)間。底含水頭降速直接決定了立井井筒破裂時(shí)間的大小。4、井筒外徑由于在確定的工程地質(zhì)條件下立井井筒外表面積與立井井筒附加力的大小成正比，則確定立井井筒外徑大小為立井井筒破裂的主要因素。5、井壁厚度井壁厚度越大，立井井筒的凈截面積越大，立井井壁內(nèi)壁應(yīng)力降低，有利于立井井筒的穩(wěn)定。四、神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與實(shí)現(xiàn)根據(jù)以上對(duì)影響井筒變形的特征因素的選取，選擇反向傳播（backpropagation,BP）神經(jīng)網(wǎng)絡(luò)算法對(duì)井筒的破裂規(guī)律進(jìn)行訓(xùn)練，其網(wǎng)絡(luò)為包含兩層隱含層的神經(jīng)網(wǎng)絡(luò)，輸入層、隱含層、輸出層的神經(jīng)元的個(gè)數(shù)分別為5、20、10、1，表2神經(jīng)網(wǎng)絡(luò)的輸入矢量p及目標(biāo)矢量tTable2Inputvectorpandtargetvectortoftheneuralnetwork輸入矢量p輸出矢量t表土層厚度(m)井筒外徑(m)井壁厚度(m)底含水位降速（米/年）底含厚度(m)井壁破裂時(shí)間（月）189.318.921.213.76434.1192190.4110.11.33.21230225190.416.40.72.98832.85241189.57.40.953.65229.9230148.698.515.19656.29194148.61015.26255.0187202.566.60.85.05359.0190185.56.40.77.19257.72146其訓(xùn)練函數(shù)分別采用雙曲正切函數(shù)tansig及線性激活函數(shù)purelin［5］，網(wǎng)絡(luò)學(xué)習(xí)采用的輸入矢量及目標(biāo)矢量如表2所示。網(wǎng)絡(luò)訓(xùn)練后，其輸出值與期望值之及目標(biāo)誤差如表3所示。表3BP網(wǎng)絡(luò)對(duì)井筒破壞規(guī)律的學(xué)習(xí)Table3BPnetworklearningofshaftliningfractureregularity輸入矢量p目標(biāo)矢量t目標(biāo)誤差輸出矢量a189.318.921.213.76434.11920.0001199.5190.4110.11.33.212302250.0001222.3190.416.40.72.98832.852410.0001243.8189.57.40.953.65229.92300.0001221.3148.698.515.19656.291940.0001193.06148.61015.26255.01870.0001185.6202.566.60.85.05359.01900.0001188.9185.56.40.77.19257.721460.0001147.23五、實(shí)例應(yīng)用及與數(shù)值模擬結(jié)果的比較兗州礦區(qū)楊村煤礦北風(fēng)井井筒表土段厚173.4m，采用凍結(jié)法施工，于1984年竣工，在1997年的檢查中發(fā)現(xiàn)井壁已發(fā)生了破裂，現(xiàn)在用學(xué)習(xí)后的神經(jīng)網(wǎng)絡(luò)對(duì)楊村北風(fēng)井的井筒破裂時(shí)間進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果如所表4示。據(jù)上表可以得出有神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)得出的預(yù)測(cè)值與實(shí)際的目標(biāo)矢量之間的誤差僅為0.015，該誤差在現(xiàn)場(chǎng)的實(shí)際工作中是可以接受的，這說明由BP網(wǎng)來預(yù)測(cè)豎井的非采動(dòng)破壞在實(shí)際工作中是可行的，且行之有效。表4神經(jīng)網(wǎng)絡(luò)對(duì)楊村北風(fēng)井破裂的預(yù)測(cè)Table4NeuralnetworkforecasttothefracturetimeofYangcunnorthshaft輸入矢量p目標(biāo)矢量t輸出矢量a誤差表土層厚度(m)井筒直徑(m)井壁厚度(m)底含水位降速（米/年）底含厚度(m)井壁破裂時(shí)間（月）173.45.90.77.565.31361380.015根據(jù)兗州礦區(qū)的工程地質(zhì)資料和及楊村立井井筒施工資料建立了立井井筒破裂的幾何計(jì)算模型，采用Flac3D進(jìn)行數(shù)值模擬計(jì)算，模型共19008個(gè)六面體、21600個(gè)結(jié)點(diǎn)。數(shù)值模擬計(jì)算后立井井壁最大z方向應(yīng)力隨底含水頭降變化如圖2所示，底含失水沉降情況下立井井壁發(fā)生破裂時(shí)的底含水頭降為0.8MPa左右，換算為水頭高度等于80m，此時(shí)井壁內(nèi)部的最大應(yīng)力為30MPa，達(dá)到了立井井筒的破裂強(qiáng)度。則立井井筒的破裂時(shí)間T為：T＝底含水頭高度損失量/底含水位降速＝(80÷7.5)×12＝128月根據(jù)底含水頭降速可得立井井筒破裂的時(shí)間為128月，與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值相比，相差10月左右，因此可以認(rèn)為神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)基本可以用于立井井筒破裂時(shí)間的預(yù)測(cè)。圖2立井井壁最大z方向應(yīng)力隨底含水頭降變化Fig.2Waterheadvariationinbottomaquifervs.maximumz-directionalstressinshaftlining六、結(jié)論采用人工神經(jīng)網(wǎng)絡(luò)方法來預(yù)測(cè)井筒的非采動(dòng)破裂，是基于神經(jīng)網(wǎng)絡(luò)所具有的學(xué)習(xí)、和容錯(cuò)功能進(jìn)行的非精確推理，他在一定程度上模擬了人腦的人工智能，對(duì)于煤礦豎井破裂的這種受到許多不確定因素的影響的工程現(xiàn)象往往能夠給出比較準(zhǔn)確的預(yù)測(cè)。所以應(yīng)用人工神經(jīng)網(wǎng)絡(luò)對(duì)井筒破裂進(jìn)行預(yù)測(cè)，可有效的預(yù)測(cè)井壁的破裂時(shí)間，且實(shí)用性強(qiáng)。但是由于人工神經(jīng)網(wǎng)絡(luò)是在對(duì)已發(fā)生破裂的立井井筒進(jìn)行學(xué)習(xí)后進(jìn)行預(yù)測(cè)，所以在學(xué)習(xí)范圍外的立井井筒破裂預(yù)測(cè)可能會(huì)產(chǎn)生比較大的誤差，因此對(duì)于超出訓(xùn)練數(shù)據(jù)外的立井井筒破裂時(shí)間預(yù)測(cè)應(yīng)結(jié)合其他方法進(jìn)行比較驗(yàn)證。參考文獻(xiàn)1.陳昌彥，王思敬，沈小克.邊坡巖體穩(wěn)定性的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型.巖土工程學(xué)報(bào)，2003，Vol.23，No.2.157—161.2.馮夏庭，王泳嘉.煤礦頂板礦壓顯現(xiàn)實(shí)時(shí)預(yù)報(bào)的自適應(yīng)神經(jīng)網(wǎng)絡(luò).煤炭學(xué)報(bào)，1995.5.3.劉穎芳，程華.人工神經(jīng)網(wǎng)絡(luò)在機(jī)械阻抗法測(cè)樁結(jié)果評(píng)定中的應(yīng)用.巖土工程界，2001.7.4.閻平凡，張長(zhǎng)水.人工神經(jīng)網(wǎng)絡(luò)與模擬進(jìn)化計(jì)算.北京：清華大學(xué)出版社，2000.10—37.5.叢爽.面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用.合肥：中國(guó)科學(xué)技術(shù)大學(xué)出版社，1998.6—72.AnArtificialNeuralNetworkForecastModelforShaftLiningNon-MiningFractureAbstractBasedonthefundamentalprincipalsofartificialneuralnetwork,aforecastsystemforshaftliningnon-miningfractureisestablished,andtheintelligentizationofshaftliningfractureforecastisrealized.Comparingtheresultofneuralnetworkforecastwiththatofnumericalsimulation,fracturetimeforecastedbytheartificialneuralnetworkispreciseandreliable.KeywordsShaft,non-miningfracture,backpropagationnetwork,neuralnetworkforecast，numericalsimulation